筛选结果
8 篇排序
19:43EN → 简体中文
AI Engineer· 2026年10月26日Jack Wotherspoon 谈如何打造一支托管智能体团队Jack Wotherspoon · Google DeepMindGoogle DeepMind 的 Jack Wotherspoon 介绍 Gemini Managed Agents：团队只需一次 API 调用，就能让编程和研究智能体在云端沙箱中运行。他还讲解了持久化环境、可复用技能、由代理注入的凭据、定时触发器，以及多个专用智能体如何协同工作。
20:55EN → 简体中文AI Engineer· 2026年10月26日Jesse Hall：语音智能体要为对话而优化，而非只看排行榜Jesse Hall · LiveKitLiveKit 的 Jesse Hall 解释了为什么语音智能体必须像实时系统一样接受评测：听清用户、允许打断、在工具调用期间继续对话，并在用户真正听到声音之前控制延迟。
17:56EN → 简体中文AI Engineer· 2026年10月25日Bridgewater 如何让 AI 分析师严守权限边界Nikhil Benesch, Aaron Linsky · turbopufferAaron Linsky 和 Nikhil Benesch 解释了企业知识库搜索如何在遵守文档权限的同时兼顾召回率与速度。他们将向量索引与原生过滤结合，在约 120 毫秒内搜索数亿个向量。
20:58EN → 简体中文AI Engineer· 2026年10月25日Vinoo Ganesh 谈如何让金融 AI 为每个数字提供出处Vinoo Ganesh · KeplerKepler 首席执行官 Vinoo Ganesh 解释了为什么金融 AI 应负责检索和引用数据，而数学计算应交给确定性软件。他的设计把可追溯性、检索质量和租户安全都纳入答案本身。
18:31EN → 简体中文AI Engineer· 2026年10月25日Janie Gu 与 Suyeol Yun：为什么前沿模型做不好买方分析师Janie Gu, Suyeol Yun · Google DeepMindJanie Gu 解释了基准分数为何可能误导人；Suyeol Yun 则介绍 MandateBench，它测试模型能否把基金投资授权转化为有理有据的投资备忘录。两场分享说明，真实工作流程、可复现的评分和有证据支撑的推理为何至关重要。
15:27EN → 简体中文AI Engineer· 2026年10月25日如今的 AI 工程师做什么：为智能体构建完整闭环Aparna Dhinakaran · Arize AIAparna Dhinakaran 认为，AI 工程师的工作正从交付单个功能，转向构建能让智能体团队持续改进功能的系统。在 Arize，这意味着追踪智能体的行为、依据人类判断评估它的工作，并把这些信号反馈给持续运行的智能体。
19:37EN → 简体中文AI Engineer· 2026年10月25日Jay Sahnan 与 Arik Bird：为整个 Web 构建金融智能体Jay Sahnan, Arik Bird · BrowserbaseBrowserbase 的 Jay Sahnan 和 Arik Bird 展示浏览器智能体如何访问藏在登录页和反机器人防护之后的金融数据。他们以 Ramp、Bill 和 Stripe 为例，说明可靠的云端浏览器如何与适应性更强的 Stagehand 控制能力协同工作。
17:42EN → 简体中文AI Engineer· 2026年10月21日更快的模型，真的更快吗？要看任务做完没有，而不是 token 有多快Morgan Suo · MiniMaxMiniMax 的 Morgan Suo 逐一拆解 M3.1 Flash 内部的工程改动，追问用户真正关心的问题：分析师要的那份活，是不是真的做得更快、更便宜、也更对了？