搜索
Aishwarya Naresh Reganti 和 Kiriti Badam 曾在 OpenAI、Google、Amazon、Databricks 等公司参与构建并成功推出了 50 多个企业级 AI 产品。最近，他们在播客节目中，与主持人 Lenny 细致分享了当前 AI 产品开发中的常见陷阱与成功路径。基于该播客视频，InfoQ 进行了部分删改。
扩散语言模型（Diffusion Language Models, DLLMs）因其多种潜在的特性而备受关注，如能加速的非自回归并行生成特性，能直接起草编辑的特性，能数据增强的特性。然而，其模型能力往往落后于同等规模的强力自回归（AR）模型。
过去几年，机制可解释性（Mechanistic Interpretability）让研究者得以在 Transformer 这一 “黑盒” 里追踪信息如何流动、表征如何形成：从单个神经元到注意力头，再到跨层电路。但在很多场景里，研究者真正关心的不只是 “模型为什么这么答”，还包括 “能不能更稳、更准、更省，更安全”。
编辑｜Panda 在文生图模型的技术版图中，VAE 几乎已经成为共识。从 Stable Diffusion 到 FLUX，再到一系列扩散 Transformer，主流路线高度一致：先用 VAE 压缩视
数据库技术初创公司ClickHouse 在新一轮融资中筹集了 4 亿美元，公司估值达到 150 亿美元——比不到一年前的估值翻了一番以上。这笔大规模融资传递出投资者对人工智能应用支撑型企业的青睐信号，这类企业正与Databricks 和 Snowflake 等公司展开竞争。
“角色陪伴” 目前已经成为「快看漫画」的主 Tab 之一，点进去是相对常规的 Chatbot 界面。但与「Character.ai」这类纯聊天产品不同，快看多了一个“主线故事”，也就是上文提到的互动漫画。整个功能的核心玩法也可以拆解为两个相互关联的部分：互动漫画和 AI 角色陪伴。
不久前，Zilliz 研发VP栾小凡受邀做客英文播客节目Innovator Coffee，深度分享了 Zilliz 的创业历程、Milvus 产品的构建逻辑与核心设计思路，以下为本次分享的重点内容摘编。
新年伊始，MIT CSAIL 的一纸论文在学术圈引发了不小的讨论。Alex L． Zhang 、 Tim Kraska 与 Omar Khattab 三位研究者在 arXiv 上发布了一篇题为《Recursive Language Models》的论文，提出了所谓“递归语言模型”（Recursive Language Models，简称 RLM）的推理策略。
Metronome成立于2019年的旧金山，专注于为AI与软件公司提供实时计费基础设施，解决从传统按Seat收费转向按用量、Token等复杂定价的工程难题。目前其融资总额达1.28亿美元，已服务OpenAI、NVIDIA、Databricks等头部企业，终端用户超1.5亿，成为AI时代“按价值收费”的关键基础设施。
TRAE在一年里写了1000亿行代码！如果按照一个程序员每天写100行有效代码计算，这相当于300万个程序员不吃不喝、没日没夜干了一整年。而这也仅仅是《TRAE 2025年度产品报告》中的冰山一角，更多惊人的数据还包括：