EP206 · Uber 复盘 AI 工程、Airbnb 解决搜索冷启动、Meta 扩展 GEM - BestBlogs

章节时间戳

00:00 开场
00:56 精讲：Uber 如何让编程智能体接入工程体系
03:47 精讲：Airbnb 用预订数据解决 CASTLE 搜索冷启动
06:27 精讲：Meta GEM 如何把中央模型能力传给实时广告
09:21 重点 4–6：开放模型、Coder 智能体安全、TaoMate-H3
11:10 重点 7–10：Dyna-2、Spark GPU 加速、HiRO 天气模拟、品牌出海
13:47 结语

★ 精讲一 | 走进 Uber 的 AI 工程基础设施 [视频]

00:56｜来自 The Pragmatic Engineer｜BestBlogs 评分 91

编程智能体怎样在数千人工程组织里交付代码？Uber 的完整访谈把模型与工具网关、上下文图、云端工作区和测试反馈放在同一条链路中。研发负责人可据此检查自己的平台缺口，理解既有工程资产如何被智能体复用，以及为什么验证与发布能力会决定代码生成的实际收益。

★ 精讲二 | CASTLE：在第一次真实查询之前训练自然语言搜索

03:47｜来自 The Airbnb Tech Blog｜BestBlogs 评分 92

新搜索还没有真实查询，怎样先获得可信训练数据？Airbnb 从脱敏预订行为构造房源正负对，同时生成查询和相关性标签，再用种子查询校准表达分布。做搜索、推荐与企业检索的团队，可学习把真实业务选择转成监督信号，并分别检验语言分布与标签质量。

★ 精讲三 | Meta 的生成式广告模型（GEM）：为前沿广告 AI 扩展中央模型与计算引擎

06:27｜来自 Engineering at Meta｜BestBlogs 评分 92

大型推荐基础模型怎样服务低延迟业务？Meta GEM 把跨应用信号汇入中央模型，通过结构化表征、历史记忆和提前计算，把能力传递给实时广告模型。推荐与基础设施团队可从中理解统一训练、长序列建模和服务成本如何相互制约，判断哪些能力应离线计算、哪些必须保持新鲜。

重点 4–10

09:21 继续阅读七篇重点内容

开放模型能跟上 OpenAI 和 Anthropic 吗？Nathan Lambert 谈算力、数据与 Trillium [视频]

09:21｜来自 a16z｜BestBlogs 评分 88

关注开放模型的人可借 Lambert 的一手访谈，把榜单竞争拆成算力、数据与研究环境，判断开放权重之外还缺哪些持续创新条件。

问题不在 AI，而在基础设施：Jiachen Jiang 谈智能体安全 [视频]

09:21｜来自 AI Engineer｜BestBlogs 评分 90

负责智能体上线的团队可把安全问题落实到运行隔离、身份和短期凭据，检查工具调用真正获得了哪些权限。

淘宝 TaoMate-H3 开源：三步生成「分钟级」音视频连续创作

09:21｜来自大淘宝技术｜BestBlogs 评分 95

音视频开发者可从分块生成、少步推理和连续续写理解流式体验，结合开放代码与硬件条件选择可验证的试用任务。

Dyna-2：具备小时级自主能力的通用物理智能体——Jason Ma，Dyna Robotics

09:21｜来自 Latent.Space｜BestBlogs 评分 91

机器人从演示走向客户现场还差什么？Jason Ma 的训练与部署经验，帮助读者同时考察长时执行、数据来源和故障恢复。

如何使用 AI 代理将 Apache Spark UDF 重写为 GPU 加速版本

09:21｜来自 NVIDIA Technical Blog｜BestBlogs 评分 90

数据工程团队可复用识别 CPU 回退、GPU 等价重写、测试和基准验证的闭环，把智能体用于有明确验收条件的性能优化。

HiRO-ACEv2：以极低成本实现 3 公里分辨率的极端天气模拟

09:21｜来自 Hugging Face - Blog｜BestBlogs 评分 90

关注 AI 科学的人可理解气候降尺度如何降低模拟成本，并通过极端事件检验判断模型适合支持哪些研究。

对话出海一叮易宛尧：品牌出海的每一个环节，都值得用 AI 重做一遍

09:21｜来自 Founder Park｜BestBlogs 评分 90

做出海业务与垂直智能体的人，可从广告和网红协作案例判断自动化切口，把交付目标从工具使用转到客户 ROI。

关于 BestBlogs

BestBlogs 是 AI 驱动的私人阅读助手，帮助你发现真正适合你的高质量内容，关注你感兴趣的来源和主题，每天生成一份更适合自己的「我的早报」，欢迎体验和关注我们。