Uber 与 OpenAI 合作，将 ChatGPT Work 推向全体员工
Uber
文章
不限日期
共 12 篇第 1–12 篇
法律领域的AI扩展：构建Uber的红线审查智能体
深入了解Uber法务团队如何利用智能体AI帮助律师更快地审阅合同、标记风险并改进每一次谈判。
设计 MCP 网关：Uber 的 MCP 管理平台
Uber 已采用 MCP，通过高质量上下文为 AI 驱动的开发者工作流注入强大动力。了解 Uber 如何从社区驱动的解决方案扩展到管理数百个 MCP 服务器。
驯服机器学习数据洪流：扩展特征一致性
了解 Uber 如何设计出高度可扩展的特征日志管道，以确保训练/服务的数据一致性，并提升大规模模型的性能。 #MachineLearning #MLOps #UberEngineering #DataEngineering #Scaling
在 Uber 规模下高效运行软件工厂
我们刚刚发布了一篇深度文章，介绍我们如何在 Uber 控制 AI 编码成本，即使使用量持续攀升。自 2 月以来，我们智能体产品在所有职能部门的每周活跃员工数增长了 7 倍，每周智能体请求量增长了 9.4 倍。在同一时期，总支出相对稳定。我们将总支出分解为一个等式：用户数、每用户会话数、每会话轮次、每轮请求数、每请求令牌数、每令牌价格，并将每一项视为可以单独衡量和缩减的因素。几个例子：基于基准测试的模型选择，而不是单一固定默认值；提示缓存的生命周期与工程师在会话中实际暂停的时长相匹配；MCP 工具通过 CLI 解析，而不是预加载到每个会话的上下文中；以及一个会话仪表板，自动标记出十几类浪费支出的情况。
在 Uber 运行高性价比的导出工作负载
了解 Uber 如何利用 #ApacheHudi 列统计信息和表排序来优化 #GCS 存储成本和出口流量，并提升选择性 #DSAR 和隐私合规导出工作负载的延迟表现。#Engineering #DataLakehouse #CloudOptimization #ApacheSpark #Parquet
在分布式数据管道中扩展高基数非汇总指标的精确 COUNT(DISTINCT)
Uber 本季度服务了多少独立用户？对于这类关键任务指标，我们过去的标准工程答案是：近似计算。了解我们如何在大规模场景下实现精确计数。#DataEngineering #BigData #ApacheSpark #Uber #DistributedSystems
购物助手：Uber Eats 上的智能杂货购物
了解 Uber 的智能 AI 助手如何将购物清单、食谱和膳食计划的文本或照片转化为可直接下单的 Uber Eats 购物车。
构建文件语义分析器：借助 AI 大规模守护出站数据
如何大规模保护数据？Uber 的文件语义分析器使用生成式 AI 对文件内容进行语义分类和摘要，从而提升安全性并减少误报。
解决 AI 智能体的身份危机
AI 智能体可以执行强大的操作，但你能证明是谁执行了操作以及为什么执行吗？以下是 Uber 如何为安全、可审计的工具调用构建智能体身份和端到端溯源。
利用图感知 Transformer 扩展实时交通预测
了解 Uber 如何部署带有图数据管道的深度 Transformer 模型来解决实时交通预测问题，从而改善全球数百万客户的路线质量和到达时间，并释放出 1 亿美元的年化长期价值。
在 Uber 构建初版 AI PRD 审阅器的经验教训
如果每位产品经理在 PRD 进入评审室之前，都能拥有一个快速、上下文丰富的初审员，会怎样？我们在 Uber 构建了一个 AI PRD 评估器，以便尽早发现盲点、挖掘既有资料，并为产品评审提供更高价值的信息。
第 1–12 篇/共 12 篇