Bài thuyết trình: Từ mô hình đến tác nhân: Xây dựng AI tiêu dùng nhận biết ngữ cảnh ở quy mô lớn tại DoorDash

Trang chủ InfoQ Các bài thuyết trình Từ mô hình đến tác nhân: Xây dựng AI tiêu dùng nhận biết ngữ cảnh ở quy mô lớn tại DoorDash AI, ML & Kỹ thuật dữ liệu Từ mô hình đến tác nhân: Xây dựng AI tiêu dùng nhận biết ngữ cảnh ở quy mô lớn tại DoorDash Thích Danh sách đọc Xem bài thuyết trình Dọc Ngang Toàn màn hình Tốc độ: 1x 1.25x 1.5x 2x 50:30 Tóm tắt Sudeep Das chia sẻ cách DoorDash chuyển đổi từ các dự đoán một lần truyền thống sang nền tảng đề xuất dựa trên tác nhân. Ông thảo luận về việc tận dụng bộ nhớ người tiêu dùng bản địa ngôn ngữ, ID ngữ nghĩa RQ-VAE cho việc biểu diễn danh mục và tìm kiếm có căn cứ để tăng đáng kể mức độ liên quan và các chỉ số chuyển đổi. Tiểu sử Sudeep Das hiện là Trưởng bộ phận Học máy & AI cho các Lĩnh vực kinh doanh mới tại DoorDash, nơi ông lãnh đạo các hệ thống cá nhân hóa, tìm kiếm, thông minh danh mục và ra quyết định trên các trải nghiệm người tiêu dùng đang mở rộng nhanh chóng bao gồm tạp hóa, cửa hàng tiện lợi, đồ uống có cồn và bán lẻ. Về hội nghị QCon AI là một sự kiện do các chuyên gia thực hành dẫn dắt, tập trung hoàn toàn vào kỷ luật kỹ thuật cần thiết để mở rộng quy mô các khối lượng công việc này một cách an toàn. Sự kiện cung cấp quyền truy cập trực tiếp vào các kế hoạch kiến trúc và số liệu thất bại mà các tổ chức đồng cấp sử dụng trong sản xuất. Được ghi hình vào: Ngày 15/8/2026 bởi Sudeep Das Nội dung này thuộc chủ đề AI, ML & Kỹ thuật dữ liệu Các chủ đề liên quan: Kiến trúc & Thiết kế AI, ML & Kỹ thuật dữ liệu AI tạo sinh (Generative AI) QCon AI Boston 2026 Mô hình ngôn ngữ lớn (Large language models) Thương mại điện tử (E-Commerce) Tìm kiếm (Search) Hội nghị phát triển phần mềm QCon Kiến trúc AI Cơ sở dữ liệu vector (vector databases) Trí tuệ nhân tạo (Artificial Intelligence) Xếp hạng (Rankings) Cơ sở dữ liệu (Database) Học máy (Machine Learning) Tác nhân (Agents) Kiến trúc (Architecture) Nội dung được tài trợ Bài viết liên quan Nhà tài trợ liên quan Phổ biến trên InfoQ Netflix áp dụng hệ thống xếp hàng công việc gốc đám mây Kueue để thay thế giải pháp nội bộ MCP trở nên phi trạng thái, và các nhà phát triển đặt câu hỏi liệu điều đó có biến nó thành một API nữa không Bản xem trước đầu tiên của Project Valhalla: JEP 401 định nghĩa lại == cho các đối tượng Java Stripe sử dụng tìm kiếm đồ thị và máy trạng thái để tự động khắc phục cơ sở dữ liệu Astro 7: Trình biên dịch Rust, quy trình Rust Markdown và Vite 8 cho các bản dựng nhanh hơn tới 61% Báo cáo xu hướng InfoQ về đám mây và DevOps 2026: AI, khả năng phục hồi, nền tảng, FinOps và chủ quyền