公司
别名：door dash
美国最大食品配送与本地生活服务平台之一，日处理数十万客服请求。
已跟踪 4 条高相关材料
最近变化
2026-05-30 · 采用离线仿真器生成无真实用户参与的多轮对话测试场景，避免线上风险
为什么值得关注
DoorDash 被反复提及时，通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
How DoorDash Built a Testing System to Evaluate LLMs
ByteByteGo Newsletter · 8.7 分
DoorDash构建了一套“仿真-评估飞轮”系统，通过离线模拟真实多轮对话并自动评分，将LLM客服机器人幻觉问题的修复周期从数周缩短至小时级，显著提升迭代效率与部署信心。
What Upwork, DoorDash, Meta, EY, and Fundrise reveal about agents
Gradient Flow · 8.5 分
这篇文章探讨了多个公司在实际工作中如何使用AI代理，包括Upwork的Uma Recruiter和DoorDash的AI工具，展示了AI在提高业务效率和决策质量方面的潜力。
Relational Foundation Models for Enterprise Data with Jure Leskovec - #768
TWIML AI Podcast · 8.5 分
Jure Leskovec介绍了Kumo的Relational Foundation Model (RFM2)，该模型通过图结构处理多表数据，在企业数据库中实现零样本推理，并在Reddit等公司部署。
已收录 4 条与 DoorDash 相关的内容，按评分排序。
DoorDash built a 'simulation and evaluation flywheel' system that uses offline realistic multi-turn conversation simulation and automated grading to reduce LLM chatbot hallucination fixes from weeks to hours, dramatically improving iteration speed and deployment confidence.
入选理由：采用离线仿真器生成无真实用户参与的多轮对话测试场景，避免线上风险
This article explores how multiple companies are using AI agents in real-world settings, including Upwork's Uma Recruiter and DoorDash's AI tools, showcasing the potential of AI to improve business efficiency and decision-making quality.
入选理由：Upwork的Uma Recruiter通过自动化招聘流程，显著提高了招聘速度和成功率。
Jure Leskovec introduces Kumo's Relational Foundation Model (RFM2), which processes multi-table data via graph structures to enable zero-shot inference on enterprise databases, deployed at companies like Reddit.
入选理由：RFM2通过子图上下文学习，可在新数据库和任务上实现零样本推理
The article is a social media post criticizing the quality of Soulva's food, lacking technical depth and practical value.
入选理由：Soulva 的肉类口感差，被描述为‘比沙子还干’。
