世界上平庸的产品数以亿计，任何人终其一生都不可能体验得尽。而其中绝大多数都是庸品，人们不需要庸品，人们需要的是少数真正好的精品。而打造精品需要专注，专注意味着你要向好东西说不，因为它阻碍了你打造精品。
保持联系，关注我获取更多内容
标准 A/B 测试在应用于 AI 功能时会违反其核心假设。本文介绍如何使用能够处理污染、溢出效应和长期行为变化的因果推断方法来衡量真实影响。
AI 功能需要用户数据才能运作，但又需要运作良好才能吸引用户。这里介绍了如何在不浪费数月时间进行机器学习研发的情况下，在你的产品赢得这一权利之前跳出冷启动陷阱。
LLM 精通数十种语言，但往往仅针对一种文化进行了校准。本文将探讨翻译所忽略的内容，以及如何通过工程手段解决这一问题。
聚合满意度评分和点赞率会掩盖 AI 自信出错的情形。以下是能真正告诉你模型改进是否有效的行为信号体系。
数据网络效应在 LLM 产品中比传统 ML 更难复利。四个信号可以区分真正构建护城河与仅仅从 Anthropic 租用能力并添加 UI 界面。
