微软LinkedIn部门正在为LinkedIn新闻文章推出一项新的翻译功能,该功能依赖微软的一些核心人工智能技术。
鉴于超过一半的LinkedIn用户不在美国,LinkedIn官员认为需要简化新闻Feed中的跨语言交流。该公司的官员们表示,翻译会员发表的帖子是LinkedIn最为需要的功能之一。
尽管LinkedIn在开发新的动态翻译功能——被称为“参见翻译”( See Translation)——时大量使用了自己的技术和资源,但LinkedIn的官员指出,他们确实与微软的一些团队进行了合作并使用对方的一些技术。
“参见翻译”( See Translation)使用了微软的Azure文本分析程序接口,它可以检测多达120种语言,还使用了微软的翻译文本(Microsoft Translator Text)程序接口,这是微软另一项认知服务(Cognitive Services)。LinkedIn在6月28日发布的消息称,翻译文本API可以为特定域提供定制化翻译模板的功能,例如新闻Feed。
LinkedIn的官员们表示,“参见翻译”( See Translation)功能还建立在LinkedIn最初开发的各种开放源代码框架之上,包括Kafka、Samza和Rest.li,用于内容语言检测和标记。
LinkedIn工程团队撰写了一篇博客文章,扼要介绍了“参见翻译”( See Translation)功能是如何开发出来的。
LinkedIn官员们还于6月28日宣布在全球推出全新的LinkedIn QR号码功能,该功能允许用户快速查找他们刚刚遇到的人,以代替交换名片或电话号码。LinkedIn QR号码功能可在全球LinkedIn iOS和安卓版应用程序中使用。
微软在2016年收购了LinkedIn,并允许该业务在很多方面继续保持独立运营。微软和LinkedIn已经在各种产品和服务之间进行了一些整合,但LinkedIn在使用自己的数据中心和自己开发工具来构建其产品和服务。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。