桔妹导读：车联网时代，由于驾驶舱环境中视觉与触觉都受到高度约束，语音交互成为了车载场景下最自然的交互方式。通过车机/手机的语音助手，车主只需要说说话就可以完成车辆控制、信息查询、导航娱乐...

近年来，基于观测数据的因果推断在补贴定价等领域得到广泛的应用，其旨在评估不同处理变量（ Treatment，例如优惠券金额）对结果变量（Outcome，例如GMV）所能带来的处理效应（Treatment effect），进而我们能够根据不同处理效应选择最优的处理变量。进一步地，为了消除可观测混淆偏差。首先在生成数据和半生成数据（News、TCGA）上验证模型LEARN的有效性，使用测试集上Long

前者筛选前20%的优势词元进行训练，而STAPO则通过剔除极少数虚假词元（仅0.01%），确保数据纯洁度和训练稳定性。以六个基准测试（AIME24、AIME25、AMC23、MATH500、Minerva 和 OlympiadBench）和三个大模型（Qwen3 1.7B、8B 和 14B）的实验表明，正成为自动驾驶端到端模型、机器人具身智能模型、语言类多模态模型的重要训练算法，尤其是在大规模神经

在 64K / 128K 级别的长序列训练中，显存的主要消耗来自“中间状态”，包括 attention 的中间激活（如 softmax 相关中间量、Q/K/V 张量等），以及反向传播必须保留的激活，包括 EAGLE-3 特有的多层特征参与训练所带来的额外激活存储，与 TTT 多步展开引入的 k 轮中间态堆叠。为缓解这一问题，EAGLE-3 在训练阶段引入 TTT 机制（见图 2），按照真实 dec

它兼具技术、商业与历史视角，能帮读者建立宏大产业格局，提升认知高度。从 LoRA/QLoRA 轻量微调、RAG，到服务化部署、监控迭代，每一个技术要点都搭配可视化图表，易懂、易落地、可复用。尤其适配支付、金融等高并发场景的工程化落地，轻松打通大模型「从理解到应用」的第一步，是技术岗从入门到实战的高效进阶手册。它不只教你调 API，更聚焦如何构建健壮、可扩展的 AI 生产系统，是技术人转型 AI 工

与此同时，在一个滴滴大规模网约车应用场景中的实验进一步显示，本文方法相较于现有基线方法取得了显著提升，其效果可与使用显著更多 RCT 数据训练得到的模型相仿。广泛的实验表明，当前最先进的智能体在这些任务中表现远不如人类，且无法通过简单的扩大规模来提升，其失败的主要原因在于上下文锁定（in-context locking）和基础能力的缺失。通过将记忆构建为一个不断进化的生态系统，DMS在无需任何额外

在复杂场景中，AI 不再只是执行工具调用，而是开始具备一定的推理能力，例如：能够根据“22:20 落地”推算实际用车时间、主动补全你缺失的起点信息，并对整体行程进行合理规划。当你说出“帮我叫车”时，OpenClaw 会识别触发条件，并加载 didi-ride-skill 的相关内容，使 AI 能够懂得并调度滴滴的出行能力。根本的问题在于：IM 通道的异步特性本身就引入了额外复杂度，包括轮询等待、消

导读：滴滴开源又双叒发布新开源项目啦——夜莺（Nightingale）是滴滴基础平台联合滴滴云研发和开源的企业级监控解决方案。旨在满足云原生时代企业级的...

桔妹导读：每天滴滴都会为上千万人提供出行服务，在这一过程中积累了海量轨迹数据。这些轨迹数据来自于公共服务，本文介绍如何利用这些数据回馈大众，改善出行体验。1.背景首先简要介绍一下什么是...

桔妹导读：LogicFlow 脱胎于滴滴技术团队在客服业务下的实践，是由滴滴智能中台体验平台研发的一款流程可视化的前端框架，提供了一系列流程图交互、编辑所必需的功能和灵活的节点自定义、插件...