实战中的自适应推荐系统：推理、评估与系统设计
Mallika Rao 在 InfoQ 演讲中分享构建自适应推荐系统的实践经验，指出真正的难点不在模型本身，而在于端到端系统设计。她强调推荐系统本质上是持续学习、适应和演进的反馈系统与分布式系统，需在延迟、成本、可观测性、实验、合规等现实约束下运行，并认为评估比建模更难，是必须作为一等公民对待的关键环节。
全部 AI 动态
9月26日周六 · 4 条
Meta 的 Muse 抢走 OpenAI 和 Anthropic 的 AI 风头
TechCrunch 的 Equity 播客讨论了 Meta 的个人 AI 代理 Muse 如何抢走 OpenAI 和 Anthropic 的风头。Anthropic 发布 Opus 5.5，OpenAI 在 90 分钟后更新 GPT-6，但据报道 Muse 的早期数据超过 ChatGPT，并将登陆智能眼镜和 Tamagotchi 风格设备。节目还讨论了 a
又一 DeepMind 研究员离职，称近期构建超级智能"本质上不负责任"
Google DeepMind 新西兰技术专家 Robert O'Callahan 宣布离职，称 AI 当前变化速度过快，其此前参与开发的芯片设计工具让 AI 更便宜更快，如今他认为这一贡献已无法被合理化。他表示近期追求超级智能是"本质上不负责任的"，并警告认知投降、AI 诱发的精神病与孤独、权力集中、经济冲击、网络安全风险及问责缺失等问题，认为 AI 的害
Gruber 评 Meta Muse：可爱外表下暗藏危险
John Gruber 在评论 Meta 的 Muse 时指出，Muse 因技术突破性（每个用户在 Meta 云中获得专属持久 Linux VM）和易安装易用的包装而广受关注，是首个面向消费者的 agentic AI 系统。但他质疑消费者是否理解其强大能力与潜在危险，尤其当它运行在 Mac 上时。