square
PulseAugur coverage of square — every cluster mentioning square across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
开源工具Playground让非技术团队在生产代码上进行原型设计
Playground是一款新推出的开源工具，旨在让非技术团队成员直接在生产代码库上进行原型设计。该工具由Kshitij Dhoble和Rahul开发，通过提供一个安全的探索环境而不影响实时代码，来弥合设计和开发之间的差距。它集成了Claude和Codex等AI模型，支持Next.js项目，并提供一键代码生成和协作等功能，解决了独立模拟存储库的维护开销问题。
-
ReGuide框架通过自改进引导来改进扩散策略
研究人员开发了ReGuide，一个旨在提高行为克隆扩散策略性能的新框架，这类策略通常容易受到协变量偏移的影响。ReGuide利用相位条件引导（PCG）通过在任务执行的特定阶段应用定向引导来生成纠正性推广。然后，通过微调（ReGuide-FT）或从头开始重新训练（ReGuide-FS）将这些成功的引导式推广整合回策略中，从而实现自我改进。在RoboMimic Can、Square、Transport和Tool Hang等基准测试上的实验…
-
ElevenLabs在加州扩张，创造173个就业岗位并获得州税收抵免
ElevenLabs正扩大其在加州的业务，计划在全州创造173个新的高薪就业岗位。此次扩张得到了加州竞争力税收抵免计划的激励支持，该计划由州长商业和经济发展办公室管理。该公司旨在深化其在美国加州的业务布局，加州被公认为全球科技和AI创新的中心，并将与州政府在公共服务可及性和AI安全举措方面进行合作。
-
亚马逊2015年对Square的让步凸显了创新栈的价值
作者认为，公司的独特创新栈是其抵御大型竞争对手的最强防御。他们引用亚马逊2015年对Square的让步，作为一家大公司向更专业的创新者屈服的例子。核心信息是，大型科技公司无法复制小型、专注公司的特定能力。
-
Arc 为 AI 得来速点餐技术融资 1076 万美元
Arc 是一家专注于得来速的语音 AI 初创公司，已获得 1076 万美元的种子轮融资，由 Andreessen Horowitz 领投。该公司旨在通过使用高度准确、品牌特定的 AI 模型来提高快餐店的点餐准确性和业务绩效。与以往侧重于减少劳动力的尝试不同，Arc 的方法优先考虑客户和业务的胜利，声称点餐准确率超过 95%，平均订单价值增加 4-5%。
-
新框架通过对比图像预测来评估LVLM置信度
研究人员开发了一个名为BICR（盲图对比排名）的新框架，用于评估大型视觉语言模型（LVLM）的置信度。该方法有助于区分真正由视觉输入驱动的预测和仅依赖语言先验的预测。BICR训练一个轻量级探针，用于对比有无图像时LVLM的隐藏状态，在图像被遮挡时降低置信度。BICR在多个LVLM和各种任务上进行了评估，证明其具有优越的校准和区分能力，并且参数量远少于现有基线。
-
如何招聘 AI 工程师 — Elicit 的 James Brady 和 Adam Wiggins
人工智能和机器学习岗位的招聘经理应专注于结构化面试流程，以评估技术和非技术技能。关键领域包括软件工程熟练度（通过编码练习来证明）和数据素养（涉及有效理解、尊重和分析数据）。虽然“AI 工程师”不一定需要深厚的机器学习专业知识，但对语言模型和提示工程的扎实理解对于将这些技术应用于实际问题至关重要。
-
Nyckel 发布面向开发者的 ML 分类器工具
Nyckel 是一家获得 Y Combinator 支持的初创公司，已推出一个平台，旨在简化机器学习分类器的创建和部署，让没有 ML 经验的开发者也能轻松上手。该服务允许用户使用最少的标记数据，在几分钟内训练图像和文本分类模型，从而抽象化复杂的 ML 概念。Nyckel 的 AutoML 引擎利用元迁移学习和并行处理来实现快速训练，部署后的模型可通过 REST API 访问。
-
Chip Huyen：从斯坦福拒绝到机器学习生产领导者
Eugene Yan 采访了 Chip Huyen，一位专注于将机器学习研究投入生产的计算机科学家和作家。Huyen 分享了她从一个小村庄走出来的历程，克服了童年时不会说英语和最初被斯坦福拒绝等挑战。她的坚持不懈、对写作的投入以及主动学习（包括教授 TensorFlow 课程）为她在 Primer.ai 和 NVIDIA 带来了机会。