即刻App年轻人的同好社区
下载
置顶大家好，我是 Liz，新人报道！🥳
我是应用数学出身，这些年在大型国企、互联网大厂、顶级咨询公司都打过卡，算是把国内大厂生态体验了一轮。早年沉迷算法，从传统机器学习一路卷到 NLP 和图算法，最近几年又扎进了生成式 AI。虽然是 90 后，但从本科起就开始研究数据和算法，也算是完整见证了大数据和 AI 十多年的风云变幻（叉腰.jpg）。
一路走来，我做过算法工程师、全栈工程师、架构师，再到 AI 产品负责人。现在在一家外企担任 Data Science Manager，带团队从业务需求出发，用一年时间把 GenAI 数据产品从 0 到 1 落地上线。我关注模型性能，更关注产品价值和用户体验，需求定义、用户访谈、交互设计，这些我工作中的常态，致力于打造真正“好用”的 AI 产品🥰。
工作之外，我也热衷于探索更多可能性：参与开源项目、构建内部工具、写脚本提升效率。我喜欢健身与户外运动，十多年跑步爱好者，跑过几场马拉松😄，正在学咏春，运动带来的专注与节奏感也深刻影响了我的工作方式。
目前我和 @Xinran.Z 共同发起了非营利社区Research AI+ ，聚集了一群来自全球的 AI 4 Science / Engineering 青年研究者。我们专注于 AI for Research 的实践与讨论，也在推动产业与学术的深度交流。近期我们正在长三角组织线下沙龙与论文共读等活动，欢迎感兴趣的朋友一起参与交流！
微信公众号：Liz的AI冰美式（mp.weixin.qq.com）
我是应用数学出身，这些年在大型国企、互联网大厂、顶级咨询公司都打过卡，算是把国内大厂生态体验了一轮。早年沉迷算法，从传统机器学习一路卷到 NLP 和图算法，最近几年又扎进了生成式 AI。虽然是 90 后，但从本科起就开始研究数据和算法，也算是完整见证了大数据和 AI 十多年的风云变幻（叉腰.jpg）。
一路走来，我做过算法工程师、全栈工程师、架构师，再到 AI 产品负责人。现在在一家外企担任 Data Science Manager，带团队从业务需求出发，用一年时间把 GenAI 数据产品从 0 到 1 落地上线。我关注模型性能，更关注产品价值和用户体验，需求定义、用户访谈、交互设计，这些我工作中的常态，致力于打造真正“好用”的 AI 产品🥰。
工作之外，我也热衷于探索更多可能性：参与开源项目、构建内部工具、写脚本提升效率。我喜欢健身与户外运动，十多年跑步爱好者，跑过几场马拉松😄，正在学咏春，运动带来的专注与节奏感也深刻影响了我的工作方式。
目前我和 @Xinran.Z 共同发起了非营利社区Research AI+ ，聚集了一群来自全球的 AI 4 Science / Engineering 青年研究者。我们专注于 AI for Research 的实践与讨论，也在推动产业与学术的深度交流。近期我们正在长三角组织线下沙龙与论文共读等活动，欢迎感兴趣的朋友一起参与交流！
微信公众号：Liz的AI冰美式（mp.weixin.qq.com）
33 71
最近带一个实习生，给了他一个不算复杂的小项目，前后端加点部署。我本来很开心，觉得他能趁这个机会，把一个完整的项目从 0 跑通，对工程能力是很好的锻炼。
他是学计算机的，我知道学校里更多教的是理论，真正实战的经验还是要靠项目来补。也正是因为这样，我更希望他能通过这个任务，真正学点东西。
结果他一上来就直接让llm 写代码，demo 很快跑出来了，界面看着也“像那么回事”。但一看细节，全是 bug，还有很多edge cases 完全不考虑。我问他为什么逻辑这么设计，他也很直白：“我也不清楚，是 llm 写的。”
我当时有点沉默，说不出是失望还是担心。最后我只能帮他从头把代码一行行捋一遍，才勉强交付。还好项目够小，重写不算太难。
我不是反对用 AI 写代码，相反我自己也在用。但我一直相信：工具是辅助，不是替代；理解是根本，而不是跳过。
LLM 可以提高效率，但它不能替我们成长。如果一上来就把整个逻辑交给模型，最后连自己写了什么都搞不懂，那我们永远都不会是那个能独立完成项目的人。
我不是在批评这个实习生——他是个聪明的同学。我只是突然意识到，也许我们正身处一个危险的习惯转折点：
年轻工程师太早依赖模型，而不愿花时间理解代码背后的结构与逻辑。这，真的很危险。
总结一下思考吧，也算是共勉，毕竟现在技术更新很快，每个人在某些地方都会是新手：
· AI 的强大不应该成为“偷懒”的理由，而是应该成为我们加深思考的辅助；
· Vibe coding 也要看修改了什么代码，如果是不熟悉的语言，也要尝试去理解，让模型解释，久而久之就能理解了
· 成长一定是“痛感 +打磨”的结合，模型不能替代这两个部分。
他是学计算机的，我知道学校里更多教的是理论，真正实战的经验还是要靠项目来补。也正是因为这样，我更希望他能通过这个任务，真正学点东西。
结果他一上来就直接让llm 写代码，demo 很快跑出来了，界面看着也“像那么回事”。但一看细节，全是 bug，还有很多edge cases 完全不考虑。我问他为什么逻辑这么设计，他也很直白：“我也不清楚，是 llm 写的。”
我当时有点沉默，说不出是失望还是担心。最后我只能帮他从头把代码一行行捋一遍，才勉强交付。还好项目够小，重写不算太难。
我不是反对用 AI 写代码，相反我自己也在用。但我一直相信：工具是辅助，不是替代；理解是根本，而不是跳过。
LLM 可以提高效率，但它不能替我们成长。如果一上来就把整个逻辑交给模型，最后连自己写了什么都搞不懂，那我们永远都不会是那个能独立完成项目的人。
我不是在批评这个实习生——他是个聪明的同学。我只是突然意识到，也许我们正身处一个危险的习惯转折点：
年轻工程师太早依赖模型，而不愿花时间理解代码背后的结构与逻辑。这，真的很危险。
总结一下思考吧，也算是共勉，毕竟现在技术更新很快，每个人在某些地方都会是新手：
· AI 的强大不应该成为“偷懒”的理由，而是应该成为我们加深思考的辅助；
· Vibe coding 也要看修改了什么代码，如果是不熟悉的语言，也要尝试去理解，让模型解释，久而久之就能理解了
· 成长一定是“痛感 +打磨”的结合，模型不能替代这两个部分。
25 92
刚认真看完《AI代理的上下文工程：构建Manus的经验教训》，强烈推荐，文章不长，句句精华。第一点关于围绕KV缓存做设计，真的很有共鸣，以前的项目上也靠kv缓存设计省下了不少钱，也提了速度。
Context Engineering for AI Agents: Lessons from Building Manus
4 11
最近强化学习(Reinforcement Learning)频繁刷屏，趁有点时间，把它的直觉理解、身边类比、经典应用，以及在大模型时代的新角色系统梳理了一下。RL不只是对齐工具，更正在成为推理能力的塑造者。
欢迎大家看看，期待和更多朋友交流，也欢迎大家关注我的公众号😝
欢迎大家看看，期待和更多朋友交流，也欢迎大家关注我的公众号😝
从小狗学坐下到下一代 LLM：强化学习的新使命不是驯化，而是塑造思维
8 42
最近，Meta 高调从 OpenAI 挖走多位研究员，传言开出了“亿元级”薪酬，引发行业热议。
我发现其中有三位研究员的经历和关系特别有意思：Lucas Beyer、Alexander Kolesnikov 和 Xiaohua Zhai过去十年几乎始终作为一个团队协作，从 Google Deepmind → 创建OpenAI 苏黎世办公室 → Meta，几乎从未分开。
更有意思的是，他们的研究也不是零散项目，而是一条高度连续、影响深远的技术主线：从 S4L，到BiT 、ViT、MLP-Mixer，再到PaLI，几乎串起了视觉 AI 向多模态演进的关键路径。
这篇文章，我尝试从他们的研究脉络出发，理解 Meta 为何要一口气挖下这组“铁三角”。围绕以下三个问题展开分析：
1. 他们是谁？为何长期绑定合作？
2. 他们做了哪些实质性突破，影响了整个视觉 AI 方向？
3. Meta 这波“抱团挖角”，背后可能在布局什么？
我发现其中有三位研究员的经历和关系特别有意思：Lucas Beyer、Alexander Kolesnikov 和 Xiaohua Zhai过去十年几乎始终作为一个团队协作，从 Google Deepmind → 创建OpenAI 苏黎世办公室 → Meta，几乎从未分开。
更有意思的是，他们的研究也不是零散项目，而是一条高度连续、影响深远的技术主线：从 S4L，到BiT 、ViT、MLP-Mixer，再到PaLI，几乎串起了视觉 AI 向多模态演进的关键路径。
这篇文章，我尝试从他们的研究脉络出发，理解 Meta 为何要一口气挖下这组“铁三角”。围绕以下三个问题展开分析：
1. 他们是谁？为何长期绑定合作？
2. 他们做了哪些实质性突破，影响了整个视觉 AI 方向？
3. Meta 这波“抱团挖角”，背后可能在布局什么？
Meta 一亿元挖角背后：AI视觉“铁三角”如何重塑机器视觉
7 01
最近看到 Andrew Ng 的一句话让我印象深刻：“While some things in AI are overhyped, voice applications seem underhyped right now.”（尽管 AI 中有些领域被过度炒作，语音应用却似乎被低估了）。的确，在大模型、大生成的热潮中，Voice Agent 这一领域相比之下略显低调，但背后的技术变革与落地潜力正在悄然加速。
上周末，Research AI+ 作为小红书邀请的开发者代表，我和@Xinran.Z 参加了Founder Park 在北京的 AGI 大会，进而有机会结识了RTE社区 @傅丰元 ——一个关注 Voice Agent 和实时互动新范式的开发者社区。后续我们又参加了RTE 社区组织的几场关于 Voice Agent 的技术讨论，讨论内容深入到了唤醒词检测（Wake Word Detection）、语音活动检测（VAD）、说话结束检测（Turn Detection）、全双工交互 (Full-Duplex)等话题。这让我重新意识到，Voice Agent 不再只是简单的 ASR（语音识别）+ TTS（文本转语音），而是一个融合了多模态、多任务学习与实时交互的复杂系统。
于是我想借此机会梳理关于Voice Agent 发展脉络，希望对关注多模态与 Agent 的小伙伴有所帮助。
上周末，Research AI+ 作为小红书邀请的开发者代表，我和@Xinran.Z 参加了Founder Park 在北京的 AGI 大会，进而有机会结识了RTE社区 @傅丰元 ——一个关注 Voice Agent 和实时互动新范式的开发者社区。后续我们又参加了RTE 社区组织的几场关于 Voice Agent 的技术讨论，讨论内容深入到了唤醒词检测（Wake Word Detection）、语音活动检测（VAD）、说话结束检测（Turn Detection）、全双工交互 (Full-Duplex)等话题。这让我重新意识到，Voice Agent 不再只是简单的 ASR（语音识别）+ TTS（文本转语音），而是一个融合了多模态、多任务学习与实时交互的复杂系统。
于是我想借此机会梳理关于Voice Agent 发展脉络，希望对关注多模态与 Agent 的小伙伴有所帮助。
从语音识别到智能助手：Voice Agent 的技术进化与交互变革
9 43