Swiggy利用350多项功能以及多任务神经网络模型来预测客户的终身价值。
Swiggy开发了一套自主研发的预测生命周期价值模型，该模型采用了超过350个预订单相关特征，并结合了多任务MLP算法来分析Food业务及Instamart业务的数据。通过将订单数量作为辅助训练指标，模型的参数数量减少了63%，同时其预测性能也得到了提升。目前，Swiggy正在将这种预测生命周期价值的方法与Google的Target ROAS竞价系统相结合，以优化客户获取策略。 作者：Leela Kumili
Swiggy开发了一套自主研发的预测生命周期价值模型，该模型采用了超过350个预订单相关特征，并结合了多任务MLP算法来分析Food业务及Instamart业务的数据。通过将订单数量作为辅助训练指标，模型的参数数量减少了63%，同时其预测性能也得到了提升。目前，Swiggy正在将这种预测生命周期价值的方法与Google的Target ROAS竞价系统相结合，以优化客户获取策略。
作者：Leela Kumili相关文章
WhatsApp正在测试利用设备上的机器学习技术来进行诈骗检测，并同时采用能够保护用户隐私的分析方法。
WhatsApp正在有限范围内进行Scam Alert功能的测试。该功能利用设备上的机器学习技术，来识别来自非联系人的潜在诈骗信息。Meta的架构能够将消息内容保留在用户设备上；同时，通过使用保密计算、不可察觉的HTTP传输方式、差分隐私技术以及模型透明度机制，来评估这一功能的性能并确保模型数据的安全传输。 作者：Leela Kumili
阅读全文
这家制造模型路由器的公司将其业务范围从两个地区扩展到了28个地区，从而更新了自身的产品型号库。
微软将Foundry的模型路由器所支持的区域数量从2个增加到了28个：其中28个区域适用于全球范围内的标准部署，21个区域则用于数据区域的部署。同时，微软还新增了Claude Opus 4.8和GPT-5.6这两个模型，并移除了4个已被弃用的模型。在默认配置下，系统会自动应用这些模型变更；而对于那些被特别配置为不使用新模型的环境，新的模型需要被明确添加后才能被使用。实际上，系统中可使用的模型范围始终取决于池中规模最小的那个模型。 作者：Steef-Jan Wiggers
阅读全文
创造了现代人工智能的那篇论文：Transformer背后的故事
每次你与现代人工智能模型进行交互时，其实都在使用一种源于2017年那篇名为《注意力才是关键》的研究论文所提出的架构。 我们在freeCodeCamp.org的YouTube频道上发布的最新视频，详细讲述了八位谷歌研究人员是如何着手改进Google Translate的，最终又如何彻底改变了整个科技领域的格局的。 在这一突破性成果出现之前，人工智能领域主要依赖循环神经网络。这类模型会按顺序逐词处理文本，但这带来了两个巨大的障碍： “上下文丢失”：当处理长句或长段落时，模型会忘记开头那些重要的信息。 “训练速度缓慢”：由于需要顺序处理数据，各个步骤无法并行执行，因此即使使用庞大的GPU集群，模型的
阅读全文
使用 Meta Muse Code 与 Muse Spark 来构建人工智能代理程序、API 以及全栈应用程序。
随着人工智能开发工具的不断扩展，那些采用垂直集成架构的生态系统为软件的开发提供了强大的解决方案。在freeCodeCamp.org的YouTube频道上，讲师Andrew Brown在这个长达三小时的课程中详细讲解了如何利用Meta公司的Muse生态系统来构建应用程序以及自主智能体工作流程，其中涵盖了Muse Spark模型和Muse Code终端工具的使用方法。 这个课程内容涵盖了很多方面，从低级别的API集成，到使用这些工具进行的全栈项目开发，无一不包括： 模型概述与性能评估 了解Muse Spark模型以及开源的Glimmer模型在成本、性能和多语言推理能力方面的优势。 API集成与兼容
阅读全文