Uber使用OpenAI帮助人们更聪明地赚钱并更快预订
Uber与OpenAI合作,利用大语言模型打造AI助手和语音功能,帮助司机实时优化收入、提升接单效率,并为乘客提供更流畅的预订体验。
入选理由:Uber利用OpenAI的大模型开发了Uber Assistant,为司机提供基于实时市场数据的智能收益建议。
模型
别名:LLM
需要建模完整分布的NLP模型
已跟踪 8 条高相关材料
最近变化
2026-08-25 · Legora的ARR在2024年从1到1亿美元,增长速度行业领先
为什么值得关注
大语言模型 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。
Uber uses OpenAI to help people earn smarter and book faster
OpenAI Blog · 8.7 分
Uber与OpenAI合作,利用大语言模型打造AI助手和语音功能,帮助司机实时优化收入、提升接单效率,并为乘客提供更流畅的预订体验。
除了交叉熵,LM Loss还有什么选择?
科学空间 · 8.5 分
交叉熵并非LLM训练的唯一选择,但替代损失函数需满足线性约束条件,KL散度是可行方案。
Meta 今天同时放出两个大动作:Brain2Qwerty v1 论文正式登上 Nature Neuroscience,v2 同日发布。v1 去年以预印本形式公开时,能从脑电信号里逐字母还原打字内容,...
宝玉(@dotey) · 8.5 分
Meta发布Brain2Qwerty v2,实现非侵入式脑机接口句子级解码,平均单词准确率达61%。
已收录 8 条与 大语言模型 相关的内容,按评分排序。
Uber与OpenAI合作,利用大语言模型打造AI助手和语音功能,帮助司机实时优化收入、提升接单效率,并为乘客提供更流畅的预订体验。
入选理由:Uber利用OpenAI的大模型开发了Uber Assistant,为司机提供基于实时市场数据的智能收益建议。
交叉熵并非LLM训练的唯一选择,但替代损失函数需满足线性约束条件,KL散度是可行方案。
入选理由:交叉熵的线性特性是适配LLM训练的必要条件
Meta发布Brain2Qwerty v2,实现非侵入式脑机接口句子级解码,平均单词准确率达61%。
入选理由:v2通过端到端深度学习和大语言模型优化,使非侵入式解码准确率从8%提升至61%
信息论与压缩算法在现代机器学习中具有深刻联系,尤其在大语言模型的训练中体现为压缩效率的数学等价性。
入选理由:信息论中的压缩与预测在数学上是等价的。
AlphaGo的重建展示了自我对弈、强化学习和大语言模型未来发展的关键启示。
入选理由:AlphaGo的重建表明自我对弈是训练AI的关键方法。
Legora通过应用大语言模型在法律行业取得显著增长,ARR从1到1亿,员工从3人扩展至750人。
入选理由:Legora的ARR在2024年从1到1亿美元,增长速度行业领先
Simon Willison 分享了一段关于 Oxide and Friends 2026 预测集锦的转录,其中提到预测 Pope 会就大语言模型(LLMs)及其对全球经济的影响发表意见。
入选理由:Pope 将会在未来就 LLMs 发表意见。
AI公司正在构建理解外部世界的世界模型系统以克服大语言模型局限性,MIT Technology Review的圆桌讨论探讨了AI如何进入物理世界的技术路径。这是一场仅对校友和订阅者开放的深度对话,涉及当前AI发展的核心挑战。
入选理由:AI公司正开发世界模型系统来解决大语言模型的局限性问题