在OCaml孤岛里造AI:Jane Street的工程化答案
当大多数公司直接接入现成AI工具时,Jane Street却选择了一条更难的路:围绕自研语言生态,从数据、训练到编辑器,重新打造AI开发工具链。这篇文章还原了他们如何在“模型不懂OCaml”的现实下,把大语言模型真正变成可用生产力。
当大多数公司直接接入现成AI工具时,Jane Street却选择了一条更难的路:围绕自研语言生态,从数据、训练到编辑器,重新打造AI开发工具链。这篇文章还原了他们如何在“模型不懂OCaml”的现实下,把大语言模型真正变成可用生产力。
在AI能力指数级增长的2025年,真正可用的AI Agent却迟迟未落地。Lux Capital合伙人Grace Isford用一个订机票的失败案例,拆解了Agent系统中被忽视的“累积误差”,并给出了构建下一代AI Agent的五条现实路径。
这场演讲并不是在教你“怎么调Prompt”,而是试图回答一个更难的问题:为什么90%的LLM应用死在生产环境。Almog Baku用工程师和创业者的视角,提出了“LLM三角”方法论——模型、工程技术、数据,在SOP的约束下协同工作,才可能构建稳定、可复现的AI应用。
这是一篇关于AI Agent如何被错误营销、以及这种叙事为何正在伤害开发者与产品本身的文章。来自前GitHub Copilot开发者布道师的亲身经验,提出了一套“克制而真实的拟人化”框架,帮助AI工具在获得采用率的同时,避免透支开发者信任。
这是一场不为开源模型“站台”的分享,却意外揭示了它们最真实的使用场景。通过一张用户数据“饼图”,演讲者拆解了创作、编程与AI Agent背后的真实需求,解释了为什么很多人嘴上不提开源模型,却每天都在用它们。
这是一场把大语言模型从聊天框带进真实世界的现场实验。演讲者展示了如何用Claude和Amazon Bedrock构建一个能“看、想、做”的Minecraft智能体,并分享了在架构选择、工具编排和可控性上的关键经验。
DeepSeek R1并非横空出世,而是长期工程积累的集中爆发。本文拆解其在训练效率、模型架构与强化学习推理上的关键解锁,解释为何它以更低成本逼近o1级能力,并由此改写AI应用的成本曲线。
YC最新一期节目回顾了2024年AI创业的真实变化:从“套壳无价值”的质疑,到初创公司在两年内做到数千万美元收入。文章提炼了视频中的关键判断、具体观察和对创业者最有启发的趋势。
在这期设计评审中,Y Combinator 总裁 Garry Tan 亲自点评多家 AI 创业公司官网,从混乱的产品叙事到一眼就懂的价值表达,揭示了 AI 时代创业者最容易忽略、却最致命的问题:你到底在解决什么,以及为什么是现在。
Pinterest搜索团队分享了他们将大语言模型引入搜索排序的完整实践:从相关性建模、内容标注,到用知识蒸馏解决规模与成本问题。这是一套已经在线服务数十亿搜索请求的真实系统,而不是实验室原型。