- 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 AI重构知识管理：如何破解技术团队的6大效率困局
而AI技术的介入，正在让知识管理从“人适应系统”转向“系统适配人”。 某款搭载全链路AI能力的企业级知识库工具，正是通过深度融合大模型与知识管理场景，精准破解技术团队的核心效率困局，成为研发效能提升的关键抓手。 另一支个人开发者团队，专注于开源项目开发，因担心核心代码思路、技术方案泄露，选择了支持私有化部署的该AI知识库工具。 结语：AI重构技术团队的知识管理逻辑对于技术团队而言，知识管理的本质是“让正确的知识在正确的时间触达正确的人”。 在AI技术重构各行各业的今天，知识管理的智能化升级已成为技术团队的必然选择。
24020编辑于 2025-12-26- 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？ 6. 人工智能创业不是简简单单4、5个人就能搞定的事 Sam：人工智能是否将成为创业公司的“最佳市场策略”？ Matt：我认为，大多数的人工智能创企最终都会趋同。 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？ 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。 88%B6%E5%8C%96%E8%AA%9E%E9%9F%B3%E8%AD%98%E5%88%A5-%E9%9B%96%E7%84%B6%E4%BB%96%E5%80%91%E5%8F%AA%E6%9C
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。 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。 启动：开发用npm run dev，生产用npm run build; npm run start6. 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 - 来自专栏新智元
【迅雷创始人程浩】AI创业必知6大核心问题：如何选择赛道、搭配团队和应对巨头挑战
【新智元导读】 迅雷创始人程浩现在是专注科技领域的投资人，他在这篇文章中，聊到了人工智能领域的创业和创新，包括如何选择赛道、团队的搭配、以及如何应对巨头的挑战。 大家好，我是迅雷创始人程浩，现在专注科技领域的投资。今天跟大家聊聊人工智能领域的创业和创新，包括如何选择赛道、团队的搭配、以及如何应对巨头的挑战。 为此我从投资人的视角，给大家总结了人工智能创业的6大核心问题。 第一个问题：互联网 VS 人工智能 首先如果今天大家选择创业，我建议更应该关注人工智能，而非互联网。为什么这么讲？ 1. 像海康威视有近3000亿人民币的市值，每年光净利润就有近百亿。百度在AI方面是不是该考虑进军这个领域。我回答说千万别，因为安防是典型的、有巨大壁垒的“行业+AI”领域。 即使百度技术好，在人脸识别率方面比海康威视高一个百分点（实际不一定，海康背后有几百人的AI研发团队）。但这并不代表百度就能替代海康。
1.1K60发布于 2018-03-21 - 来自专栏全栈程序员必看
腾讯创始人团队_美国it名人
）内核态网络处理模块，以内核模块形式提供服务； 2）大量运用zero-copy思想，在数据传递，编解码时基本达到理论上的最少次数； 3）快速hash； 4）内存快速分配； 5）多队列网卡； 6） 皮皮（Q6）：在朋友圈的相册、QQ空间的相册里，或多或少会有一些个人隐私的数据，一旦丢失，后果很严重，那么它们对应的服务器集群是如何来确保数据的备份与安全性？ Miller(A6)：分布式存储系统都具有主备双机或主备多机架构。备机把更新流水落本地硬盘，并定期把内存镜像到磁盘。后端有统一的冷备系统来保存备份数据。因此数据的安全性是非常强的。 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？ 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 - 来自专栏木东居士的专栏
数据团队思考：小型数据团队发展的6大建议
数据团队思考：小型数据团队发展的6大建议 0x00 前言 最近遇到了不少待在小型数据团队的朋友在吐槽自己的团队如何如何的坑，比如说： 基础建设特别差，用什么没什么！ 人太少，每个人只能忙于提数，基本上没有成长！ 数据没有体现价值，成就感很低！ 总之，这个吐槽内容是挺多的，就不多写了，有过类似工作经历的朋友应该会有很多共鸣。 鉴于这些吐槽的内容，居士将从如下几个方面来分享本篇的主题：小型数据团队发展的6大建议 为什么你的团队是一个小型的数据团队？ 小团队会面临什么样的难题？ 小团队该如何优雅地建设数据体系 0x01 为什么你的团队是一个小型的数据团队？ 另外，数据挖掘本来也是数据团队的工作内容，这里的6个建议同样适用。 补充说明一点：本文是从团队的角度来考虑，并不是个人的角度。 最后，欢迎大家提出你的意见，批评也很欢迎，一起讨论才会有进步。
1.1K10发布于 2019-11-12 - 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 图4 GNoME 预测的材料之一 Ba6Nb7O21 的晶体结构。钡为蓝色，铌为灰色，氧为绿色。 最重要的是，GNoME采用了多种策略，预测出了比以往人工智能系统更多的材料。 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 - 来自专栏AIGC新知
BCG见闻录：AI Agent如何帮助企业实现1人做6人的工作量？
一个曾经每周需要 6 名分析师的项目现在需要一名员工与一名代理合作，在一小时内交付结果。 以下是它的工作原理： 收集数据：每周通过连接的数据管道自主收集和加入营销数据。 不仅仅是工具，他们还是有能力、高绩效的团队成员，为他们支持的团队带来真正的价值。 AI Agent有哪些类型？ AI agent的复杂程度各不相同，从简单的编码助手到复杂的网络，这些网络可以自动化当今需要团队的流程。 与人类协作：AI 中的虚拟Agent充当智能协作者，通过提供可操作的见解、支持决策和执行增强人类专业知识的任务来增强人类团队。 发现数据洞察：在数据丰富的环境中，AI Agent以人类团队无法比拟的规模分析和综合信息，识别模式并提供推动战略决策的洞察。 企业如何使用 AI Agent？
30800编辑于 2025-01-23 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- 来自专栏云计算D1net
安全团队和云计算团队之间更好协作的6个技巧
良好的沟通、对各个团队目标的相互理解以及适当的流程和基础设施，可以确保云计算团队与安全团队之间建立有效的协作关系。 随着云计算技术的成熟，云计算工程师与安全团队之间更好的协作应该自然地随之增长。 如果云计算团队将安全性视为一种难以应对的阻碍，那么需要来自企业管理层和团队成员的共同努力，它们需要通过建立访问关系、数据共享和其他跨团队的工作来完成。 他建议云计算团队与网络安全团队都要提出一些有关如何使安全性更加轻松和减少干扰的问题。Anderson还建议这两个团队讨论如何消除冲突，以便更快地进行身份和访问管理。 同样，安全团队需要与云计算团队合作创建这个过程。 6 保留安全性和云计算文档的硬拷贝 Raju提倡记录企业的主要安全决策和云计算决策，并在勒索软件攻击或其他网络攻击可能会使企业的团队无法访问在后端系统上的在线文档的情况下，使两个团队都可以访问这些文档的硬拷贝版本
66520发布于 2021-05-08 - 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
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