Skip to content

搞英语 → 看世界

翻译英文优质信息和名人推特

Menu
  • 首页
  • 作者列表
  • 独立博客
  • 专业媒体
  • 名人推特
  • 邮件列表
  • 关于本站
Menu

Apple 的内部聊天机器人🤖、SpaceX 的太空港🚀、开放社交的兴起💬

Posted on 2025-09-30

徽标-jpg.jpg

5分钟了解科技动态 2025-09-29

Apple 的内部聊天机器人🤖、SpaceX 的太空港🚀、开放社交的兴起💬

CMO 们声称全力投入 AI,但他们的预算却讲述了一个不同的故事……(赞助商)

Contentful 的新研究调查了 425 名营销决策者(包括 103 名 CMO),以揭示营销中采用 AI 背后的现实。

调查结果揭示了巨大的“乐观与执行之间的差距”,这正迅速成为营销的断层线。尽管几乎每位首席营销官都声称优先考虑人工智能,但大多数公司仍然将其视为一项实验,而非基础设施。了解成功者与失败者的区别:

  • 高管们对 50 万美元以上投资重塑营销运营的看法
  • 来自顶尖人才的工作流程洞察
  • 权衡速度/质量/个性化的预算框架

→ 获取报告↗️

→ 收听点播SEO 到 GEO 网络研讨会,其中有来自 Contentful、Vercel 和 Apply Digital 的领导者

📱

大型科技公司和初创企业

苹果打造类似 ChatGPT 的应用,助力测试新版 Siri(阅读时间 7 分钟)

苹果目前正在使用一款代号为 Veritas 的内部 iPhone 应用,类似 ChatGPT,用于测试和准备计划于明年进行的 Siri 全面升级。该应用用于快速评估新功能,包括搜索个人数据和执行应用内操作的功能。这款内部工具标志着苹果 Siri 改版准备工作进入新阶段,这可能有助于重塑外界对其人工智能 (AI) 工作的认知。

Meta 想要成为人形机器人的“骨干”(阅读时间 2 分钟)

Meta 首席技术官安德鲁·博斯沃思 (Andrew Bosworth) 最近在一次会议上表示,他希望专注于将 Meta 的软件授权给其他制造商,而不是成为一家硬件制造商。Meta 的新超级智能 AI 实验室正在与该公司的机器人团队合作,构建一个“世界模型”,该模型可以通过软件模拟来制作灵巧的动作动画。博斯沃思表示,机器人技术将是 Meta 下一个“AR 规模”的押注。迄今为止,该公司已在其增强现实和虚拟现实产品组合上累计投资超过 1000 亿美元。
🚀

科学与未来技术

发展多用户太空港(阅读时间 15 分钟)

SpaceX 目前平均每两天发射并降落一次猎鹰系列火箭,且不会中断其他发射供应商的运营。未来的发射场需要像机场一样全面投入运营,每天可从多家供应商进行多次发射。SpaceX 正与联邦监管机构、联邦靶场以及行业合作伙伴合作,以实现这一愿景。其目标将提升整个发射行业快速可靠地飞行的能力,理想情况下,可从多个发射地点发射,从而增强其韧性。

为什么当今的类人机器人无法学习灵巧性(阅读时间 52 分钟)

目前开发人形机器人的项目无法教会它们灵巧性,因为要想成功,它们既需要正确的数据,也需要机器人学习正确的知识。人类的灵巧性依赖于丰富的触觉,通常涉及肘部、身体前部、腿部和脚部。仅仅使用视觉数据是不够的。未来可能会出现许多形态各异的机器人,用于人类可以完成的不同专业工作。它们看起来可能不像人类,但它们可能仍然被称为人形机器人。
💻

编程、设计与数据科学

✂️ 通过自动化测试将 QA 周期从数小时缩短至数分钟(赞助商)

如果缓慢的 QA 流程成为您或您的软件工程团队的瓶颈,并且因此导致发布速度变慢 — — 您需要查看 QA Wolf。

他们使工程团队实现了80% 的自动化端到端测试覆盖率,并通过将 QA 周期从数小时缩短到数分钟,帮助他们将交付速度提高 5 倍。

QA Wolf帮您完成测试。他们可以帮您:

  • 无限并行测试运行
  • 24 小时维护和按需测试创建
  • 人工验证的错误报告直接发送给您的团队
  • 保证零碎屑

结果如何? Drata 的 80 多名工程师团队实现了 4 倍以上的测试用例和 86% 更快的 QA 周期。

没有瑕疵,没有延迟,只有更好的 QA — 这就是 QA Wolf。

安排演示以了解更多信息

软件工程中的“良好品味”是什么?(阅读时间 11 分钟)

品味是指采用适合当前项目的一套工程价值观的能力。它不同于技能——你有可能技术过硬但品味不佳,也可能技术薄弱但品味良好。软件工程中几乎每个决策都是一种权衡。通常,你必须在工程价值观之间做出权衡,例如弹性、速度、可读性、正确性和灵活性,而这正是品味发挥作用的地方。而品味不佳则是指你偏好的价值观与项目不匹配。

小数据(阅读时间 5 分钟)

小数据是远离大数据、转向更简单、更经济的解决方案的一种趋势。它的推动力来自硬件的改进,以及那些使用数据量较小的组织。分布式系统比以往任何时候都更加“矫枉过正”。开发人员应该考虑选择哪些技术是他们熟悉的、足够好用的,并且对于手头的任务来说最省力的。现代硬件应该能够很好地处理这些工作负载。
🎁

各种各样的

再次未能理解指数(阅读时间 5 分钟)

许多人审视人工智能的现状,看到它犯下的错误,然后不知何故就得出结论,认为人工智能永远无法完成人类级别的任务。几年前,我们现有的人工智能模型还只是科幻小说。如今,人工智能正以指数级的速度进步。如果这些进步突然停止,那将是令人惊讶的。即使是相对保守的趋势推断,到2027年底,模型在许多任务上的表现也将超越专家。

开放社交(阅读时间 27 分钟)

开源显然已经胜利了,但这在35年前并非定局。当时有很多强大的力量希望开源失败。如今,社交应用也正处于类似的境地。像Bluesky的AT协议这样的项目正在改变用户、开发者和项目之间的关系。开源之于代码,开放社交之于数据,正是如此。
⚡

快速链接

改善您的 IT + 安全性,获得 Electric(赞助商)的 200 美元礼物

Electric 是一个集设备、用户、采购和安全管理于一体的平台,专为拥有 50 至 1000 名员工的公司打造。此外,他们还将为符合条件的潜在客户赠送 200 美元的礼品,让他们参与演示。 立即领取优惠!

想要在收件箱中获得更多 AI 吗?(赞助商)

TLDR AI 是您 LLM、GenAI 和深度学习的日常补充。TLDR 格式相同。仍然免费。

立即订阅。

美国军方正在努力部署人工智能武器(阅读时间 7 分钟)

这些系统不可靠、价格昂贵、制造速度慢,或者无法购买到所需的数量。

Avalanche Studios 纽约回顾展——一家雄心勃勃的公司因糟糕的开发实践而毁于一旦(阅读时间 73 分钟)

Avalanche Studios 的诞生源于雄心壮志,但它未能实现这一雄心壮志并于一年前关闭。

埃森哲计划在重组战略中“淘汰”那些无法接受人工智能技能培训的员工(阅读时间 3 分钟)

埃森哲的主要战略是提升技能,它会退出一些员工,以便获得更多所需的技能。

人工智能热潮需要计算市场(阅读时间 6 分钟)

将计算转化为可交易的商品将是推动人工智能下一阶段发展的必要条件。

名为:反 Adob​​e 联盟来了(阅读时间 8 分钟)

Figma 证明设计不需要 Illustrator,Descript 证明编辑不需要 Premiere,Omarchy 和 Framework 证明开发人员不需要 macOS。

通过每日免费邮件获取最重要的科技、科学和编程新闻。超过 1,250,000 名软件工程师和技术人员阅读了我们的新闻。

订阅

每天接收一封电子邮件,与 1,250,000 名读者一起

原文: https://tldr.tech/tech/2025-09-29

本站文章系自动翻译,站长会周期检查,如果有不当内容,请点此留言,非常感谢。
  • Abhinav
  • Abigail Pain
  • Adam Fortuna
  • Alberto Gallego
  • Alex Wlchan
  • Anil Dash
  • Answer.AI
  • Arne Bahlo
  • Ben Carlson
  • Ben Kuhn
  • Bert Hubert
  • Big Technology
  • Bits about Money
  • Brandon Skerritt
  • Brian Krebs
  • ByteByteGo
  • Chip Huyen
  • Chips and Cheese
  • Christopher Butler
  • Colin Percival
  • Cool Infographics
  • Dan Sinker
  • David Walsh
  • Dmitry Dolzhenko
  • Dustin Curtis
  • eighty twenty
  • Elad Gil
  • Ellie Huxtable
  • Ethan Dalool
  • Ethan Marcotte
  • Exponential View
  • FAIL Blog
  • Founder Weekly
  • Geoffrey Huntley
  • Geoffrey Litt
  • Greg Mankiw
  • HeardThat Blog
  • Henrique Dias
  • Herman Martinus
  • Hypercritical
  • IEEE Spectrum
  • Investment Talk
  • Jaz
  • Jeff Geerling
  • Jonas Hietala
  • Josh Comeau
  • Lenny Rachitsky
  • Li Haoyi
  • Liz Danzico
  • Lou Plummer
  • Luke Wroblewski
  • Maggie Appleton
  • Matt Baer
  • Matt Stoller
  • Matthias Endler
  • Mert Bulan
  • Mind Matters
  • Mostly metrics
  • Naval Ravikant
  • News Letter
  • NextDraft
  • Non_Interactive
  • Not Boring
  • One Useful Thing
  • Phil Eaton
  • Product Market Fit
  • Readwise
  • ReedyBear
  • Robert Heaton
  • Rohit Patel
  • Ruben Schade
  • Sage Economics
  • Sam Altman
  • Sam Rose
  • selfh.st
  • Shtetl-Optimized
  • Simon schreibt
  • Slashdot
  • Small Good Things
  • Steph Ango
  • Stephen Wolfram
  • Steve Blank
  • Taylor Troesh
  • Telegram Blog
  • The Macro Compass
  • The Pomp Letter
  • thesephist
  • Thinking Deep & Wide
  • Tim Kellogg
  • Understanding AI
  • Wes Kao
  • 英文媒体
  • 英文推特
  • 英文独立博客
©2025 搞英语 → 看世界 | Design: Newspaperly WordPress Theme