- 综合排序
- 最热优先
- 最新优先
对话式AI团队赢得社交机器人技术大赛
捷克技术大学团队赢得Alexa Prize社交机器人挑战赛Team Alquist来自捷克技术大学（CTU），赢得了2021年Alexa Prize社交机器人挑战赛。 比赛概述与成就Alexa Prize社交机器人挑战赛始于2016年，是一项旨在推动对话式AI领域发展的大学团队竞赛。参赛团队需设计能与Alexa用户通过设备进行互动的社交机器人。 团队感言与技术要点“我们非常高兴得知我们赢得了今年的比赛，”CTU博士研究生、Alquist团队负责人Jakub Konrád说，“我为整个团队感到自豪，我们构建的机器人连续四年进入决赛。 与之前的版本相比，我们将决赛的平均对话时长增加了一倍以上，使我们更接近流畅对话式AI的共同目标。” 自2017年以来，Alexa用户与Alexa Prize社交机器人的互动时间已超过90万小时。用户只需说“Alexa，让我们聊天”即可继续与获胜团队的社交机器人互动。
9310编辑于 2026-01-13- 来自专栏效能提升
CTO 转型指南：构建人 + AI混编测试团队的协作系统
而今天，这个命题正在被一个新的现实彻底打乱——越来越多的测试团队开始引入AI工具，部分工作由AI承担，部分工作仍由人来完成，人与AI之间的协作边界模糊，管理逻辑也随之失效。 前者把AI视为团队使用的高级工具，用管理工具的方式管理它的引入；后者把人与AI的组合视为一个需要被主动设计的协作系统，从系统层面重新定义管理的职责边界。两种心智之间的距离，决定了混编团队能走多远。 哪些环节必须保留人的主导权（业务语境判断、风险权衡、跨团队沟通）？人与AI的协作界面应该如何设计，才能保证人对AI输出的有效校验，而不是盲目接受？ 它不是在为AI的失败做悲观预案，而是在建立一个能力底线——混编团队的韧性，取决于人的能力是否仍然构成一个完整的基本盘，而不是被AI的效率所掩盖的空壳。 80%，人负责校验与决策人工主导，AI辅助：测试策略制定、风险优先级评估、跨团队的质量沟通——人完成核心判断，AI提供数据支撑和方案草稿纯人工保留：上线发布决策、与产品和研发的风险共识建立、极端复杂场景的测试设计
50060编辑于 2026-03-10 - 来自专栏新智元
【投资人不懂AI】为什么说AI创业不是4、5个人的团队就能搞定的事
同样地，我也会在个人博客上讨论，并运营着一个超过5000人的社区Hardwired NYC。 1. 现在确实是投资AI的最佳时机 Sam：你是在什么时候开始考虑投资机器学习领域？ 对于这些创业团队，构建一个真正以AI技术为驱动的可行产品仍比较困难。任何一款运作良好的AI产品，都需要基于大量数以训练算法，并定制完善产品。 比较常见的情况是，AI创业团队以大额预算来追求大体量客户，自上而下销售产品，基本上遵循合作策略。即在早期，与少数客户建立紧密合作的基础上，尽可能多地迭代产品。 AI型创业公司必须提供10倍产能 Sam：投资人是否会将人工智能创业公司视为收购标的，或者是否看好这些创业企业发展为大型独立公司？ Matt：考虑到风险投资的经济效益，后者的可能性更大。 AI技术确实会对产品性能产生巨大影响，能够提供比现有质量好上10倍的产品。 不论你是创业者还是投资人，目的都是利用下一个市场拐点来获得发展。几年前，这个拐点是SaaS，现在是人工智能。
95980发布于 2018-03-22 - 来自专栏新智元
3人团队，想用AI改变语音市场
---- 新智元报道 编辑：桃子 【新智元导读】3人团队如何用AI改变语音市场？ 三人打下的专注语音技术独角兽，如今又成功融资了。 AssemblyAI创始人采访 以下内容是对AssemblyAI创始人兼首席执行官Dylan Fox的最新采访： 最初是什么吸引你进入机器学习的？ 构建这些技术还需要一种专业技能，这就是为什么客户来找我们来寻求我们在内部研究、训练和部署强大AI模型的一个重要原因。 我们的目标是通过一组简单的 API 将这一进展向互联网上的每个开发人员和产品团队公开。 现在团队成员就有来自DeepMind、谷歌大脑、Meta AI、宝马和思科的研究人员。 我们的使命是通过简单的 API，让开发人员和产品团队能够大规模地使用最先进的 AI 模型。
99710编辑于 2022-09-27 - 来自专栏IT运维技术圈
HiveChat：专为中小型团队设计的AI聊天机器人
介绍 HiveChat 是一个开源的AI聊天机器人项目，专为中小型团队打造，旨在提升团队协作效率并提供灵活的AI交互体验。 AI代理 内置AI代理可自主执行任务，简化工作流程，提高效率。 云数据存储 数据存储在云端，保证可扩展性和安全性，便于团队共享和协作。 管理员功能 管理员可以轻松配置AI模型、手动添加用户、启用或禁用账号注册，并管理所有用户，适合集中化管理。 这些功能使HiveChat成为一个全面的AI聊天工具，专为团队协作场景设计。 多模型支持 支持多种AI模型，满足不同团队的技术偏好和使用需求。 广泛适用 适用于公司内部沟通、学校教学协作或组织项目协调等多种场景，能够显著提升团队生产力。 对于寻求开源AI解决方案的中小型团队来说，HiveChat无疑是一个值得尝试的工具。
67210编辑于 2025-02-21 - 来自专栏HyperAI超神经
韩国团队研发 AI 模型，让明星大咖「模仿」素人【智能快讯】
AI 无处不在的时代，每天都有新的技术与研究成果出现。无论学术界还是商界，技术还是产品，AI 的新发现都源源不断，在带给我们全新视角的同时，也引起我们更深的思考。 想知道最近的 AI 动态吗？ HyperAI 超神经精心整理了 AI 行业的近期资讯，快来一起围观吧！ 新奇 韩国团队研发 AI 模型 让明星大咖「模仿」素人 如果你只用网络摄像头和图片或照片就能逼真地、令人信服地操纵历史人物、政治家或 CEO 的面部，那会怎么样呢? AI 研究，改善 MRI 在医学领域的应用。 来源：ai.facebook.com NVIDIA 发布 Clara 应用框架更新 近日 NVIDIA 在官方博客发布 Clara 应用框架更新，有望通过 AI 技术为医学赋能。
90730发布于 2019-12-13 - 来自专栏全栈程序员必看
腾讯创始人团队_美国it名人
在天涯的职业生涯中，我从运维主管做到了云计算副总监，在此期间组建起了一支精锐的运维队伍，包括系统、网络、数据库、安全和运维开发等运维小团队。 在这个过程中，运维团队不得不在双平台上投入大量精力，比如开发运维工具要在Linux写一套Python，在Windows上写一套C#，运维精力很难兼顾。 例如传统的DBA团队重在技术支持，而我们数据运维团队除了技术支持之外，提供专业的服务已经成为团队的核心目标。 在服务能力上要致力于做到超出用户预期。什么是超出用户预期？ 譬如我们在设计代码发布系统时应该要思考，发布系统的初步目标是减少了运维团队的工作量，同时也提升了应用团队的发布效率。但通过更深入的思考我们还会发现，如果具备灰度发布能力，我们可以做到对用户无损。 4、不断打破心理舒适期寻求突破 工作到一定程度后就会进入心理舒适期，这是让人感到熟悉、驾轻就熟时的心理状态。这个时候就要勇于打破心理舒适期，从这个方面去突破自己的天花板。
1K20编辑于 2022-09-27 - 来自专栏智药邦
Nature｜谷歌DeepMind团队基于AI与机器人打造新型材料
Nature同期文章Google AI and robots join forces to build new materials对此进行了评述。 自主材料发现系统：A-Lab 谷歌DeepMind团队将人工智能与机器人结合在一起创造了全新材料的自主系统--A-Lab。 图2 DFT 预测材料的定向合成结果 这一高成功率（71%）是通过将机器人技术与以下方面相结合实现的：(1) DFT 计算数据，用于调查前体、反应中间体和最终产物的能量状况；(2) 通过文本挖掘合成数据训练的 A-Lab 团队负责人Gerbrand Ceder 说：“预测一种材料的存在是一回事，但要在实验室里真正制造出来又是另一回事。这就是 A-Lab的作用所在。 A-Lab 位于LBNL，使用最先进的机器人技术混合和加热粉末状固体成分，然后分析产品，检查程序是否有效。这个耗资200万美元的装置历时18个月建成。
1.3K10编辑于 2024-03-05 - 来自专栏天意云&天意科研云&天意生信云
Nature子刊：浙大团队实锤！AI 让人缺乏动力、感到无聊？
面对AI，我们开始感到无趣，甚至失去了原本的那股干劲。 这不是危言耸听。 浙江大学管理学院特聘研究员、博士生导师刘玉坤团队的最新研究给出了答案。 在任务1中，参与者被要求扮演团队经理的角色，在有/无ChatGPT协助的情况下撰写邮件介绍新同事。任务1结束后，参与者需要汇报内心感受（包括控制感、内在动机和无聊感）。 以上实验结果说明：不是AI本身让人无聊，而是“对比落差”让人感到无趣 人机协作是一把双刃剑 AI虽然能够提升效率和质量，但却无法延续人类的心理参与度。 在使用AI时，人们容易失去工作积极性，就像习惯了外卖就不想自己做饭一样。 落差感很强。经常使用AI会容易让人出现“被替代”的心理落差。 这项研究并非要否定AI的价值，而是将目光投向更深层的思考，人的自身价值在“智能辅助”中能否被真正保留。 面对这一现象，我们该如何应对？研究团队给出了实用的建议。
43510编辑于 2025-06-28 - 来自专栏吴伟祥
技术团队管理笔记(一)-识人 转
我自信可以设计出一套制度流程让团队变得有序高效，比如好的发布流程，系统设计评审流程，code review流程 技术范：我是技术精英，所以我的团队也一定要是精英。 对于每一种人他都采取了不同的对待策略，精确匹配了各种人的需求，就像我们代码里写的switch case一样，逻辑隔离精确。只有做到这样，才能发挥好团队中每一个人的能力，从而让团队变得越来越高效。 下面说说我自己总结的“识人流程” 先识人再做事 和之前说的一样，当你在组建或接收一个团队的时候，先不要急着去改变既有的做事方式或流程。 应该把重点先放在识人上，搞清楚你的团队有哪些人组成，他们在意需要什么，目标是否和你一致，他们的能力和潜力如何。 团队越大，对你的精力挑战越大，有一种说法，你能高效直接管理的只有6个人。 识人的基本方法已经讲完了，这一步如果做对了，对团队管理而言40%已经成功了。如果要提升识人的能力，要严格遵守上面的流程。
1.1K30发布于 2018-08-14 - 来自专栏机器之心
用AI对齐AI？超级对齐团队领导人详解OpenAI对齐超级智能四年计划
超级对齐团队 Daniel Filan：不客气。首先呢，我们来谈谈最近宣布成立的超级对齐团队。有些人可能还没听说这件事或没读过那篇博客，您能简单总结一下这个团队是什么以及要做什么吗？ 我真正看好的是确保人类参与其中或保持对 AI 系统行为的控制，即使长远之后我们早已无法理解它们的所有行为。有些人仍然会尝试从高层面理解 AI 的行为。那不一定非得要 OpenAI 的超级对齐团队去做。 而对齐团队并不是做这件事的地方。 所以我们过去所说的实践对齐工作现在已经交给了 OpenAI 的其他许多团队，这实际上已经成为一个大项目，可能涉及上百人乃至数百人。 超级对齐团队的后勤支持 Daniel Filan：当然。说到新成立的超级对齐团队，在人员数量方面，它的规模将会有多大？ Jan Leike：我们目前有 20 人左右，我们在年底之前可能会有 30 人。 我认为我们团队在未来四年结束时也不会超过 100 人。实际上，我们团队的扩张方式是获得数百万虚拟人，也就是 OpenAI 员工的虚拟对应物。在这个意义上，我们会大规模扩张。
63330编辑于 2023-09-08 AI是人的延伸，人是AI的尺度
此前两篇为：《AI不是平庸的推手》、《人应成为AI发展的尺度》在漫长的进化光谱中，人类始终通过工具来定义自身。从原始社会到工业时代，我们发明各种工具和大机器，来延伸肢体的力量。 正如我们在《人应成为AI发展的尺度》一文中所提到的，AI正在将人类带入一个“智力即服务”（Intelligence as a Service）的时代。 AI是人的延伸，这最终意味着，我们不仅要对延伸出的能力负责，更要对延伸出的价值观负责。在这一刻，我们必须确立一个核心原则：人应当成为AI的尺度。 做好AI的价值对齐（Value Alignment），本质上就是用人类的尺度去校准机器的行为。当我们说“人是AI的尺度”时，我们指的是哪一个“人”？这恰恰是人本主义最根本的冲突与局限。 如果不剔除潜意识里对AI“工具化的鄙夷”，我们就无法真正拓宽与AI合作的可能性。未来的理想图景，不是人高高在上地奴役机器，也不是人被机器同化，而是一种平等的共生关系：“人+AI”大于“人”。
25610编辑于 2026-02-04- 来自专栏超级架构师
AI团队成功需要什么？
AI团队成功需要什么？ 智能时刻 2018-03-04 20:00 与人工智能合作的团队需要成功吗? 这一新的基础设施允许在不损害数据安全的情况下进行安全的学习，这是一个挑战，我们已经开始基于AI和区块链的结合来开发这一技术。 开发团队必须非常敏捷才能快速地采用它们。我们看到大规模投资的一个领域是区块链。区块链对社会的影响被一些布道者称赞为比互联网更深刻。另一些人则担心安全问题，是否有百分之百的保证。 必须有一个研发团队的资源，才能真正了解如何利用这种技术来实现实际应用。 随着对人工智能、区块链、深度学习和相关技术的兴趣，出现了一个主要问题，那就是潜在的技能短缺。 你投入了哪些资源来帮助你的团队进行实验? 基尼:这很有趣，因为所有的数据科学家都是真正的孩子。他们渴望学习，渴望尝试，不怕失败，实际上喜欢失败，但越快越好，这样他们就能继续前进。
47120发布于 2018-12-27 - 来自专栏数据森麟
数据团队思考：数据人的通用技能要求
作者：木东居士 来源：木东居士 0x00 前言 最近经常遇到有朋友问下面这类问题，结合最近的一些思考，本篇聊一下，数据人该具备哪些通用的技能。 “数据开发到底用不用学算法？” 0x01 Excel 掌握指数：5颗星 掌握人群：所有数据人 Excel 是每个数据人都应该掌握的一项技能，不管是研发还是产品，Excel 应该是必备的一项基本技能。 0x02 Sql 掌握指数：4.5颗星 掌握人群：所有数据人 从研发岗来讲，数据开发、数据仓库、数据分析都应该具备 Sql 能力，这点不用多做解释。那么数据产品和数据运营是否应该掌握 Sql 呢？ 0x04 大数据 掌握指数：4.5颗星 掌握人群：所有数据人 大数据时代，所有数据人都应该具备一定的大数据知识！因为大数据相关技术已经侵入了互联网行业的方方面面，传统行业也都逐渐往大数据靠拢。 数据产品和运营亦是类似，只有了解大数据相关的一些知识，才能更好地和数据团队的各个工种站在同样的知识理解层面上对话。
46030发布于 2019-09-27 - 来自专栏木东居士的专栏
数据团队思考：数据人的通用技能要求
0x00 前言 最近经常遇到有朋友问下面这类问题，结合最近的一些思考，本篇聊一下，数据人该具备哪些通用的技能。 “数据开发到底用不用学算法？” “Excel 有必要学吗？” 0x01 Excel 掌握指数：5颗星 掌握人群：所有数据人 Excel 是每个数据人都应该掌握的一项技能，不管是研发还是产品，Excel 应该是必备的一项基本技能。 0x04 大数据 掌握指数：4.5颗星 掌握人群：所有数据人 大数据时代，所有数据人都应该具备一定的大数据知识！因为大数据相关技术已经侵入了互联网行业的方方面面，传统行业也都逐渐往大数据靠拢。 数据产品和运营亦是类似，只有了解大数据相关的一些知识，才能更好地和数据团队的各个工种站在同样的知识理解层面上对话。 学了机器学习，能更好地为机器学习的同时提供更好的服务，自己的职业生涯也有更多的选择 更多内容： 数据团队思考：数据驱动业务，比技术更重要的是思维的转变 关于「数据分析师」的一些理解 数据分析师做成了提数工程师
85230发布于 2019-07-15 - 来自专栏小小挖掘机
数据团队思考：数据人的通用技能要求
0x00 前言 最近经常遇到有朋友问下面这类问题，结合最近的一些思考，本篇聊一下，数据人该具备哪些通用的技能。 “数据开发到底用不用学算法？” “Excel 有必要学吗？” 0x01 Excel 掌握指数：5颗星 掌握人群：所有数据人 Excel 是每个数据人都应该掌握的一项技能，不管是研发还是产品，Excel 应该是必备的一项基本技能。 0x02 Sql 掌握指数：4.5颗星 掌握人群：所有数据人 从研发岗来讲，数据开发、数据仓库、数据分析都应该具备 Sql 能力，这点不用多做解释。那么数据产品和数据运营是否应该掌握 Sql 呢？ 0x04 大数据 掌握指数：4.5颗星 掌握人群：所有数据人 大数据时代，所有数据人都应该具备一定的大数据知识！因为大数据相关技术已经侵入了互联网行业的方方面面，传统行业也都逐渐往大数据靠拢。 数据产品和运营亦是类似，只有了解大数据相关的一些知识，才能更好地和数据团队的各个工种站在同样的知识理解层面上对话。
58520发布于 2019-11-21 - 来自专栏DevOps
AI数字人：AI数字人制作初探及相关开源简介
广义上讲可以说是计算机模拟出的具有人的形态的虚拟人都叫做数字人，在平常的观感上，数字人是整合了人物形象模拟、人物声音克隆、自然语言处理、知识图谱解析等众多世界领先的人工智能技术的可视化数字虚拟人。 通俗的讲所谓数字人，本质上是AI的一种进化，是通过计算机图形学技术进行虚拟制作的类人形象，没有现实世界中的身体。 它具备人类的外观和行为模式，数字人具有人类身体的外观形体结构，表现出来的行为模式是与人类相仿的，数字人的影像通常是呈现出某种人类的活动。 下面收集了几个开源的数字人项目，整理出来了，大家一起学习，希望对大家有所帮助。 因此，你会看到，包括不久前的character AI，拥有相当多的角色人物，但是只能响应文本内容… 其他 参考：https://www.toutiao.com/article/7242460144024732195
1.4K10编辑于 2024-03-29 - 来自专栏Golang语言社区
体育竞技游戏的团队AI
硬派游戏AI，就是状态机和行为树。状态机是基本功，行为树可选（早年AI没行为树这东西，大家都是hard code的）。大部分人说到这里也就没了，各位读完还是无法写代码。 因为没有把最核心的三个问题讲清楚，即：分层状态机、决策支持系统、以及团队角色分配。下面以我之前做的篮球AI为例，简单叙述一下： 何为分层状态机？ 最高层的角色状态机的工作由团队AI来掌控，即角色分配的工作。而行为状态机以上的状态抉择，比如回防，到底是跑到哪一点，射球，到底在哪里起跳，路径是怎样的，则由决策支持系统提供支持。 何为决策支持系统？ 这些势力图都是为了给上面的三层状态机和团队状态机提供决策支持的。 何为团队角色分配？ 每一层状态机为下一层设定一个目标，让下层自动工作，顶层角色层的目标则由最高层的团队ai进行战术指导。 话题总结 其实团队AI没那么玄乎，任何问题就是一个编程的建模问题，而最复杂的体育竞技类游戏的AI策略，上文已经给出模型，相信各位略加修改即可使用。
1.4K50发布于 2018-07-26 - 来自专栏量子位
独家 | Google正在北京组建AI团队
作为技术主管，还将帮助制定AI/ML解决方案，带领团队打造机器学习 (ML) 解决方案，推动AI相关技术的创新。 应聘要求 硕士以上，博士优先。8年以上管理经验，3年以上软件工程团队工作经验。 ■ 机器学习软件工程师 职位描述 机器学习解决方案团队将和研究团队合作，推动与Google云端平台相关的AI/ML技术的开发。 AI人才抢夺 最后，在AI人才争夺如此激烈的当前，Google在中国设立机器学习团队，主观上不知道，但客观上肯定能抢夺到不少优秀的AI人才。 比如主管创新工场投资业务的合伙人汪华、主管运营的合伙人陶宁、任职CMO的合伙人黄蕙雯、创新工场AI工程院副院长王咏刚，创新工场AI工程院VP吴卓浩等，均是Google的中国“毕业生”。 此次Google在北京建立机器学习研发团队，会在AI时代里再培养出多少人才？ 值得期待。
1K70发布于 2018-03-27 - 来自专栏啄木鸟软件测试
团队转型：AI安全测试实战指南
这背后暴露出一个关键断层：传统软件测试团队正站在AI安全测试的‘能力悬崖’边缘——懂测试，不懂模型；懂AI，不擅验证；懂开发，难建防线。 这不是工具替代问题，而是团队认知、流程与能力的系统性转型。 本文基于啄木鸟软件测试团队为三家金融、医疗与智能驾驶客户落地的AI安全测试实践，拆解一条可复用、可度量、可进化的转型路径。 三、打造AI安全测试‘最小可行团队’（MVTT） 拒绝‘组建全新AI安全部’的资源幻觉。 我们帮助客户以3人小组启动转型：1名资深测试工程师（主导流程重构）、1名数据科学家（提供模型知识与评估方法）、1名DevOps工程师（打通MLflow/Kubeflow测试流水线）。 啄木鸟团队坚信：未来的质量保障体系，将不再区分‘AI测试’与‘软件测试’，而只有一种能力——在不确定性中构建确定性保障的能力。这条路没有终点，但每一步都算数。
18610编辑于 2026-03-31
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号