跳到正文

Meta Engineering

engineering.fb.com · 网站与博客

当前显示全部 AI 相关新闻
切换来源
11 条AI 相关新闻 · 最新在前
9月24日周四
  1. Meta Engineering54

    Meta 将 Private Processing 机密计算扩展到 Meta AI 眼镜

    Meta 宣布把 Private Processing 机密计算基础设施扩展到 Meta AI 眼镜,让 AI 在云端 CVM 内处理个人上下文,连 Meta 自己也无法访问数据。系统基于 TEE 硬件隔离,采用匿名凭证加第三方 OHTTP 中继实现不可定向路由,通过 RA-TLS 远程证明核对公开透明账本,持久记忆以用户密钥加密存储在 TEE 内,并扩展 Bug Bounty 供外部研究者审计。

9月4日周五
9月2日周三
  1. Meta Engineering50

    Meta 构建从专家学习的组织级第二大脑 AI 智能体

    Meta 工程团队构建了一个作为组织第二大脑的 AI 智能体,通过结构化知识体系、可组合 recipes 推理层和自动自我改进循环,把专家反馈编译为无需模型重训练的验证更新。系统将 200+ 知识文件按密度与使用频率划分、以 YAML 依赖图组织,六周内把单项评估时间从数天降到数分钟,每轮次 token 消耗减少约 80%,改进周期零回归。

8月25日周二
8月12日周三
  1. Meta Engineering62

    WhatsApp 推出端侧运行的 Scam Alert 反诈骗功能

    WhatsApp 推出可选功能 Scam Alert,在设备端用机器学习模型对非联系人消息做诈骗分类,消息内容不上传、不自动上报。模型版本经 Cloudflare 签名并发布到第三方 append-only 透明账本,遥测经基于 TEE 的机密联邦分析管线以差分隐私聚合方式回传,用户可在应用内查看 Scam Alert Activity 日志,功能正在 Beta 小范围推送。

    推荐理由:原文给出了 Scam Alert 的端侧架构与可验证机制细节,安全研究者可以据此评估其在端到端加密下的实现。

8月6日周四
8月4日周二
7月16日周四
  1. Meta Engineering34

    Meta 提出 Hierarchical Interest Representation,用于广告深度漏斗优化

    Meta 提出 Hierarchical Interest Representation,一种上游表示层,用于改进广告深度漏斗排序优化,并可接入 GEM、Andromeda 和 Adaptive Ranking Model 等推荐系统。该方法将稀疏的用户-广告交互图投影为可配置的超级图,把稀疏边聚合为更稠密的兴趣原语,并融合文本、图像、视频等多模态内容特征。

6月26日周五
  1. Meta Engineering45

    Meta 如何构建隐私感知基础设施:AI 原生时代的资产分类案例

    Meta 工程团队分享了其隐私感知基础设施(PAI)中的资产分类方案:生产环境决策由确定性规则做出,LLM 仅用于解读新颖或模糊的资产,并将其学习结果蒸馏为经人工审核的版本化规则,从而逐步缩小 LLM 在生产中的角色。该方案基于三条原则:上下文优于提示词、评估与优化解耦、将稳定行为蒸馏为确定性规则。

6月24日周三