
AI X 用户研究:能并行千场访谈的“超级研究员”,正重塑产品决策的未来
AI X 用户研究:能并行千场访谈的“超级研究员”,正重塑产品决策的未来用户体验研究(UXR,User Experience Research)是驱动企业增长的引擎,但核心流程却高度依赖人工。从收集数据、分析客户需求、再到测试产品,需要一段很长的时间线,这个过程常常出现 “企业想做的” 与 “用户真正需要的” 之间的脱节。
用户体验研究(UXR,User Experience Research)是驱动企业增长的引擎,但核心流程却高度依赖人工。从收集数据、分析客户需求、再到测试产品,需要一段很长的时间线,这个过程常常出现 “企业想做的” 与 “用户真正需要的” 之间的脱节。
采访时间不到1小时,信息密度却堪称爆炸! OpenAI首席科学家Jakub Pachocki和首席研究官Mark Chen开启同台爆料模式:氛围编码的下一步或许是氛围研究(Vibe Researching);
谢集,浙江大学竺可桢学院大四学生,于加州大学伯克利分校(BAIR)进行访问,研究方向为统一多模态理解生成大模型。第二作者为加州大学伯克利分校的 Trevor Darrell,第三作者为华盛顿大学的 Luke Zettlemoyer,通讯作者是 XuDong Wang, Meta GenAl Research Scientist、
阿里昨晚放大招,正式开源通义DeepResearch,一举登顶碾压OpenAI、DeepSeek。模型、框架、方案全部开源,背后核心技术报告一同公开了。
通义DeepResearch团队 投稿 量子位 | 公众号 QbitAI 阿里开源旗下首个深度研究Agent模型通义DeepResearch! 相比于基于基础模型的ReAct Agent和闭源Deep
让人熬到头秃的毕业论文有救了! 刚刚,在第12届AI Day开放日上,百度学术官宣全面“AI重构”—— 它将从我们熟悉的查文献、找引用格式的
“搜索调用太贵了。一次 Deep Research 任务可能消耗数百次搜索调用,成本一下子就突破数十美元” ,无论是个人开发者还是AI应用公司都明显有这种感觉。
不卷参数的专业模型,会不会被通用大模型取代? 在医疗领域,这个疑问正在被打破。
尽管 LLM 的能力与日俱增,但其在复杂任务上的表现仍受限于静态的内部知识。为从根本上解决这一限制,突破 AI 能力界限,业界研究者们提出了 Agentic Deep Research 系统,在该系统中基于 LLM 的 Agent 通过自主推理、调用搜索引擎和迭代地整合信息来给出全面、有深度且正确性有保障的解决方案。
华为诺亚方舟实验室最近联合香港大学发了一篇针对"Deep Research Agents"(深度研究代理)的系统性综述,在我的印象中,这是他们第二次发布关于Deep Research的综述论文。上一篇里提供了一个结构导向 (Structure-Oriented) 的视角,核心是“分类”。