DoorDash 相关 AI 资讯 · AI 热点

7月8日

19:19

19:19

The Rundown AI@therundownai

Meta发布了新的内部AI图像模型，但未公布具体名称。北京考虑对中国AI实施新限制。DoorDash使用AI工具评审其代码。帖子中还列出了4个新AI工具和社区工作流。该帖获得7个点赞和2732次查看。

行业 Meta 北京 DoorDash AI工具代码评审

推荐理由：今天AI圈挺热闹，Meta搞了个内部图像模型，北京也在出新规，还有DoorDash用AI评代码，4个新工具也挺实用。

01:39

01:39

The Rundown AI@therundownai

精选

DoorDash 发布 DashBench 测试，用 105 个历史代码变更评估 AI 代码审查。双模型架构中，Kimi K2.6 负责快速扫描，Claude Fable 5 深入分析。组合方案捕获 65.2% 的真实问题（全 Anthropic 方案为 53.6%），并抓住 8/10 的关键 bug。成本从每变更 $3.91 降至 $3.81。

AI模型 DoorDash Kimi K2.6 Claude Fable 5 DashBench 代码审查开源模型

推荐理由：DoorDash 搞了个新基准，用开源 Kimi K2.6 配合 Claude，更便宜还能多抓 bug，做代码审查的可以试试这个搭配。

6月12日

10:18

10:18

官方账号arXiv cs.AI@Haochen Wu, Yi Hou, Shiguang Xie

DoorDash 部署了一套基于离线强化学习的系统，通过延迟的市场反馈（如配送速度、骑手利用率、商家拥堵）来动态调整配送调度目标的权重。该系统不替换原有的组合优化调度器，而是在门店层面学习一个策略，选择离散乘数来调整调度器在配送质量与批处理效率之间的权衡。通过集中式离线数据和分散式门店执行训练共享价值函数，并采用 Double Q-learning 和保守正则化减少过估计。生产环境切换实验表明，该策略在不降低客户配送质量的前提下，提高了批处理效率并减少了骑手时间成本。这项工作展示了如何利用真实经济物流系统的反馈安全地在线调整决策策略。

论文强化学习调度优化多智能体离线学习 DoorDash

推荐理由：DoorDash 用离线强化学习解决调度权重调整难题，做物流调度或平台经济的团队可以借鉴其安全部署思路。

5月30日

11:26

11:26

Y Combinator@ycombinator

Varun Vummadi 是 GigaAI 的联合创始人，该公司为 DoorDash、美国最大加密交易所之一以及全球前三的电信运营商构建 AI 客服代理。在 Startup School India 上，他分享了为何放弃高薪量化工作去创业，经历多次转型才找到正确方向，以及他们8人团队如何击败400人竞争对手赢得 DoorDash 合同。视频还涵盖早期故事、YC 面试失败、定价策略、AI 驱动公司运营等话题。

行业 AI客服创业故事 GigaAI DoorDash YC

推荐理由：做 AI 客服或 ToB 创业的团队值得看——8人小团队靠产品力和策略击败大公司，看完会有启发。