得物推荐评测平台：大模型自动化评测流水线的工程实践
得物推荐评测平台通过大模型自动化评测流水线，将推荐主观体验指标的反馈周期从周级缩短至小时级，并在单周百万级审计需求下实现 91% 的资源成本优化。平台支持 Qwen3-Max 等模型作为评测员，通过可视化提示词版本管理与人工校验闭环，将评测一致性稳定保持在 92% 以上。
#工具与流程
#工具与流程
今日 0 条得物技术（公众号）AI 评分3434
得物技术（公众号）AI 评分2222 得物算法团队论文被 RecSys 2026 录用，两位专家获评 AICon 明星讲师
得物社区搜索团队论文《SPEAR: Selection-aware Personalized End-to-end Adaptive Rewriting and Retrieval for Community Search》被推荐系统顶会 RecSys 2026 主赛道录用，本届长论文有效投稿 361 篇仅录用 65 篇，录取率 18%。
美团技术团队（公众号）AI 评分1717 美团开源 LoHoSearch 搜索智能体评测基准，GPT-5.5 准确率仅 34.74%
美团 LongCat 团队开源搜索智能体评测基准 LoHoSearch，基于覆盖 762 万维基百科实体的知识图谱自动生成题目，含 544 道经人工核验的题目、覆盖 11 个领域。
得物技术（公众号）AI 评分4040 得物技术部出现多起研发"越界"事件：工程师越过岗位边界直接解决用户问题
得物技术部近期出现多起研发人员"越界"事件：数据开发工程师北辰在智链AI平台项目中先与用户沟通、拆解几十个用户场景，将方案从通用问答调整为结构化意图识别加知识库建设；后端工程师东方朔潜入商家运营群翻查客服工单，用AI助手自动解答60%常见问题，客服压力减少30%，新商家上手时间缩短50%。
得物技术（公众号）AI 评分1515 RAG 核心概念与原理：Chunking、Embedding、相似度、HNSW 与多路召回
得物技术梳理了 RAG 的完整检索链路：离线阶段将文档切块（Chunking）后用 Embedding 模型向量化并写入向量库，在线阶段经 Query Rewrite、Metadata Filter、ANN 与 BM25 多路召回、RRF 融合、Rerank 精排后交给 LLM 生成答案。
Google DeepMindAI 评分2121 Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 与 3.5 Flash Cyber
Google DeepMind 推出 Gemini 3.6 Flash、3.5 Flash-Lite 和面向代码安全的 3.5 Flash Cyber。3.6 Flash 输出 token 用量较 3.5 Flash 减少 17%，DeepSWE 得分 49% 对 37%，定价为每百万输入 token 1.50 美元、输出 7.50 美元。
Netflix Technology BlogAI 评分2222 Netflix 如何自建 LLM 推理服务：从 TensorRT-LLM 转向 vLLM
Netflix 自建 LLM 推理全栈，将 vLLM 选为默认推理引擎，替代原先基于 TensorRT-LLM 的方案，理由是自定义模型加载更快、支持自定义解码逻辑且更易调试。平台通过 Triton 的 vLLM backend 打包模型，使模型与前端独立演进，并同时提供 gRPC 与 OpenAI 兼容 API 两种调用入口。
Google DeepMindAI 评分2222 Google DeepMind 推出 Gemini 3.5 Flash Cyber 网络安全模型
Google DeepMind 发布 Gemini 3.5 Flash Cyber，一款基于 3.5 Flash 微调的轻量网络安全模型，专注快速发现、验证和修补漏洞，在 CyberGym 等基准上以低成本多次调用取得接近更大模型的表现。
得物技术（公众号）AI 评分2222 得物“合规哨兵系统”入选工信部2025年度信息通信服务创优典型案例
得物申报的“合规哨兵系统”入选工信部2025年度信息通信服务创优典型案例，成为全国29个典型案例之一，方向为“加强个人信息保护”。该系统构建“用例管理平台-移动端测试体系（UI）-合规检测系统”三位一体闭环，用AI辅助编写隐私合规测试用例并自动校验，相关技术已获国家发明专利，公告号CN114238948B。
Shopify EngineeringAI 评分2222 Shopify 将 Checkout Blocks 应用升级至 Polaris Web Components
Shopify 把 Checkout Blocks 的全部五个 UI 扩展从 React 与旧版 Remote UI 迁移到 remote-dom 加 Polaris web components，改用 Preact 并重写为 TypeScript，API 版本从 2025-07 升至 2026-01。
得物技术（公众号）AI 评分3636 得物高可控智能客服的 Agent 工程实践：从机械应答到服务伙伴
得物智能客服 Agent 从基于 Qwen 的 Single-Agent 演进到 AutoGen Multi-Agent，再升级为跨场景 Harness 架构，通过 PE 自动化与 DPO 训练构建数据飞轮。
Shopify EngineeringAI 评分2222 Shopify Hack Days 内部：为商品页打造可播放音乐的音频原型
Shopify 在 Hack Days 39 上由 13 人团队用三天做出音乐播放原型 Shop Sounds，包含支持音频上传的 Audio 媒体类型、逐曲购买按钮的曲目播放器、6 个由实时音频驱动的 GLSL 着色器和同步歌词生成。团队还验证了平台原生音频支持，使 `{{ product.media | media_tag }}` 能像渲染 3D 模型一样渲染音频播放器。
得物技术（公众号）AI 评分3838 得物推荐系统诊断 Agent「推查查」：从调接口到会思考的 AI Harness 工程化实践
得物技术团队自研推荐系统诊断 Agent「推查查」，采用 Highway 与 ATV 混合智能体架构：Highway 以 Story 剧本驱动确定性执行，覆盖 80% 常见问题；ATV 基于 OpenClaw 框架的 ReAct 循环处理 20% 长尾异常，最多迭代 6 步并设工具白名单与置信度阈值。
美团技术团队（公众号）AI 评分2222 美团正式开源万亿参数大模型 LongCat-2.0，同步开放国产卡推理代码
美团本周正式开源万亿参数大模型 LongCat-2.0，总参数 1.6T、平均激活约 48B，是业界首个在五万卡国产算力集群上完成推理的万亿参数模型。该模型引入 LongCat 稀疏注意力和 N-gram Embedding，面向真实 Agentic Coding 任务，并同步开源针对国产算力优化的推理代码及 BF16、FP8、INT8 多精度版本。
得物技术（公众号）AI 评分2222 得物 OceanBase 落地实践：从 MySQL 迁移到多模数据库的性能与降本复盘
得物将多套 MySQL 集群迁移至 OceanBase 4.4.2 LTS，某业务团队 SQL 平均耗时下降 88.3%、业务超时接口清零、总体降本 43%，存储压缩率超 80%。
Google DeepMindAI 评分1515 Google DeepMind 与 A24 宣布首个此类研究合作
Google DeepMind 与影视公司 A24 宣布达成首个此类研究合作，双方将围绕多个项目展开长期研发协作，让 A24 及其电影人参与塑造新技术。Google 同时已对 A24 进行投资。合作初期聚焦打通前沿技术与下一代娱乐之间的差距，具体目标与技术产出将随时间演进。
Google DeepMindAI 评分1818 Google DeepMind 发布 Nano Banana 2 Lite 与 Gemini Omni Flash
Google DeepMind 推出 Nano Banana 2 Lite（gemini-3.1-flash-lite-image）与 Gemini Omni Flash（gemini-omni-flash-preview）两款模型。
Netflix Technology BlogAI 评分2222 Netflix 提出 GenPage：用单一生成式 Transformer 端到端构建个性化首页
Netflix 提出 GenPage，用单个生成式 Transformer 将用户历史与请求上下文作为提示词，自回归地一次性生成首页的行、内容实体与布局，替代原有的多阶段推荐流水线。
Google DeepMindAI 评分2222 Google DeepMind 在 Gemini 3.5 Flash 中内置 computer use 能力
computer use 现已成为 Gemini 3.5 Flash 的内置工具，此前仅以独立的 Gemini 2.5 computer use 模型提供。开发者可通过 Gemini API 和 Gemini Enterprise Agent Platform 构建能跨浏览器、移动端和桌面环境看、推理并执行操作的智能体，用于持续软件测试等长周期与企业自动化任务。
Shopify EngineeringAI 评分2222 Shopify 如何用 Catalog API 为智能体电商聚类数十亿商品
Shopify 推出 Catalog API，通过商品聚类把不同商家的同一实物商品归入统一 Universal Product Identifier（UPI），供开发者和 AI 智能体调用。其方案先做店内聚类、再做跨店聚类，并采用精度优先策略：设定硬性精度阈值后最大化召回，用人工标注数据集和 LLM 评判器持续衡量精度与召回。
Google DeepMindAI 评分5050 Google DeepMind 与英国政府共建 Gemini 规划原型，目标将住宅规划审批时间减半
Google DeepMind 正与英国政府、Google Cloud、Faculty 及 Barnet、Camden、Dorset 地方规划部门共同开发一款基于 Gemini 的 AI 规划原型，目标将住宅规划申请审批时间缩短 50%。
Google DeepMindAI 评分4040 Google DeepMind 发布 AI Control Roadmap，为 AI 智能体构建系统级安全防线
Google DeepMind 推出 AI Control Roadmap，用"纵深防御"思路在模型对齐之外增加系统级安全层，将内部 AI 智能体视为潜在"内部威胁"来防范。
Shopify EngineeringAI 评分3838 Shopify 如何用 LLM 评审团共识为 Sidekick 自动筛选训练数据，教会模型拒绝不可能请求
Shopify 为商家 AI 助手 Sidekick 的客户分群技能构建自动化数据筛选流程，用四个前沿 LLM 组成评审团，对生产语料中的查询做拒绝标注。此前训练数据全部来自数万条成功查询，模型从未学会拒绝，遇到不可能请求时会生成返回零结果的查询。评审团经 Toloka 约 600 条标准查询与 602 条拒绝标注校准，要求四个模型在结论和推理上完全一致才接受标签，优先保证精确率。
Google DeepMindAI 评分2222 Google DeepMind 发布 DiffusionGemma：文本生成最高提速 4 倍
Google DeepMind 推出实验性开源模型 DiffusionGemma，采用文本扩散方式并行生成整块文本，在 GPU 上最高实现 4 倍推理提速。该模型为 26B MoE 架构、推理时仅激活 3.8B 参数，量化后可运行于 18GB 显存消费级显卡，单张 NVIDIA H100 上超过 1000 tokens/秒。
Shopify EngineeringAI 评分5353 Shopify 内部托管平台 Quick：5 万个站点跑在一台月费 200 美元的 VM 上
Shopify 工程团队介绍其内部托管平台 Quick，员工上传一个 HTML 文件夹即可获得仅限员工访问的 URL，无需框架、部署流水线或配置文件。Quick 于 2025 年 7 月上线，目前托管超过 5 万个站点，公司一半以上员工至少创建过一个，全部运行在一台每月 200 美元的 VM 上。
Shopify EngineeringAI 评分5656 Shopify 详解 River 智能体底层平台 Aquifer 的构建思路
Shopify 工程团队公开了内部 AI 智能体 River 的底层平台 Aquifer，River 上线约两个月后，Shopify 每八个合并的 PR 中就有一个由它共同撰写。
Google DeepMindAI 评分2222 Google DeepMind Co-Scientist 加速逆转细胞衰老的基因研究
Google DeepMind 的 Co-Scientist 正帮助生物学家 Omar Abudayyeh 和 Jonathan Gootenberg 加速衰老研究：它扫描数万篇论文后提出 20 多个可测试的新遗传因子，其中数个经实验室验证能驱动细胞进入更年轻状态并改善整体功能。Co-Scientist 还将原本需长达六个月的筛选数据分析缩短至几天。
Google DeepMindAI 评分1212 Google Project Genie 接入 Street View，向全球 Google AI Ultra 订阅用户开放
Google DeepMind 为实验性世界模型 Project Genie 加入 Street View 实景锚定能力，可基于美国地点生成可交互世界，并提供“Desert Sands”“Stone Age”“Ocean World”“B&W film”等风格。
Google DeepMindAI 评分2222 Google 发布 Gemini for Science：面向科研的 AI 实验与工具
Google 推出 Gemini for Science，包含 Google Labs 上三款实验工具：基于 Co-Scientist 的 Hypothesis Generation、基于 AlphaEvolve 与 ERA 的 Computational Discovery，以及基于 NotebookLM 的 Literature Insights，即日起逐步开放访问。
Google DeepMindAI 评分3030 Google 扩展 SynthID 与 C2PA 内容透明度工具，覆盖 Search、Gemini、Chrome、Pixel 和 Cloud
Google 在 Search、Gemini、Chrome、Pixel 和 Cloud 中扩展内容透明度与验证工具，SynthID 已为超 1000 亿张图片和视频、6 万年音频嵌入水印。
Google DeepMindAI 评分2222 剑桥大学教授用 Google DeepMind Co-Scientist 寻找跨物种传染病的分子开关
剑桥大学教授 Clare Bryant 用 Google DeepMind 的 Co-Scientist 研究流感等病原体跨物种传播时引发脓毒症等重症的分子开关。Co-Scientist 从她已发表的基金申请中生成并排序假设，优先锁定一个她此前未关注的蛋白，并随数据补充将假设细化到具体氨基酸。她称原本需两到三年的实验工作，如今有望在六个月内完成。
Google DeepMindAI 评分2424 Gemini 3.5 发布：兼顾前沿智能与行动能力
Google DeepMind 发布 Gemini 3.5 模型系列，首发 Gemini 3.5 Flash，在 Terminal-Bench 2.1 得分 76.2%。
Google DeepMindAI 评分2828 Google DeepMind 发布 Co-Scientist：基于 Gemini 的多智能体科研搭档
Google DeepMind 在 Nature 发布 Co-Scientist，一个基于 Gemini 的多智能体 AI 系统，可迭代生成、辩论并演化复杂科学问题的新假设。
Google DeepMindAI 评分3636 Google DeepMind 的 AlphaEvolve 如何用 Gemini 驱动的编程智能体扩大跨领域影响
Google DeepMind 披露 Gemini 驱动的编程智能体 AlphaEvolve 的最新落地成果：它优化 DeepConsensus 使变异检测错误减少 30%，将电网 AC Optimal Power Flow 的可行解比例从 14% 提升至 88%以上，并已用于下一代 TPU 设计。
Google DeepMindAI 评分3434 Google DeepMind 推出 AI co-clinician 医疗研究计划
Google DeepMind 发布 AI co-clinician 研究计划，探索 AI 在医生临床监督下作为护理团队成员与患者互动。在 98 个真实初级保健查询的盲测中，该系统 97 例零关键错误，表现优于两款医生常用 AI 系统；在 OpenFDA 的 RxQA 开放式用药问答上超越现有前沿模型。该计划还基于 Gemini 和 Project Astra 探索实时多模态远程医疗能力。
Google DeepMindAI 评分2222 Google DeepMind 宣布与韩国科学技术信息通信部达成 AI 合作
Google DeepMind 与韩国科学技术信息通信部（MSIT）达成合作，将在首尔办公室设立 AI Campus，向韩国学界开放 AlphaEvolve、AlphaGenome、AlphaFold、AI co-scientist 和 WeatherNext 等前沿模型。
Shopify EngineeringAI 评分3434 Shopify 如何用微调 Qwen3-32B 将自然语言生成 Flow 工作流
Shopify 微调 Qwen3-32B 工具调用智能体，把自然语言转成 Shopify Flow 工作流，用于其 AI 商务助手 Sidekick，速度提升 2.2 倍、成本降低 68%，并优于闭源模型。团队将 Flow 的 JSON DSL 转译为语义等价的 Python 表示后重新训练，同一批数据下语法正确率提升 22 个百分点、语义正确率提升 13 个百分点。
Google DeepMindAI 评分2222 Google DeepMind 与埃森哲、贝恩、BCG、德勤、麦肯锡合作加速企业 AI 转型
Google DeepMind 与埃森哲、贝恩、BCG、德勤、麦肯锡达成合作，推动前沿 AI 在企业规模化落地。合作方将获得包括 Gemini 系列在内的前沿模型早期访问权限，并直接对接 Google DeepMind 技术团队，聚焦金融、制造、零售、媒体娱乐等行业的智能体化转型。目前仅 25% 的组织成功将 AI 规模化投入生产。
Shopify EngineeringAI 评分5353 Shopify 工程师如何用 Autoresearch 循环把构建时间缩短 65%
Shopify Polaris 团队工程师把 Andrej Karpathy 提出的 Autoresearch 从模型训练迁移到工程指标优化，为它写了 Pi 扩展，让智能体围绕单一指标反复提出假设、测试、保留或丢弃，构建时间从 19.1 秒的基线下降 65%。
Google DeepMindAI 评分2222 Google DeepMind 发布 Gemini Robotics-ER 1.6，强化机器人具身推理
Google DeepMind 推出 Gemini Robotics-ER 1.6，一款面向机器人的推理优先模型，在空间与物理推理（指向、计数、成功检测）上较 Gemini Robotics-ER 1.5 和 Gemini 3.0 Flash 显著提升。