在Etsy工作期间,Zoe Weil通过改进在线市场的AI排名系统,帮助公司在一年内实现了十亿美元的商品交易额增长。现在,她创立了新公司Sequen,旨在将自己和联合创始人多年的AI研究与产品开发经验带给消费领域的其他企业。
Sequen刚刚完成1600万美元A轮融资,提供实时个性化技术和排名基础设施。这项技术被全球最大的科技公司使用,但由于需要海量数据集,其他大型消费企业一直无法获得。
虽然科技行业外的人可能不理解这项技术的具体内容,但任何使用过TikTok、Instagram或YouTube等消费应用的人都曾是这些系统的目标用户。
Sequen首席执行官Weil解释说:"现代科技实际上不再仅仅是推荐内容。它会随着时间的推移以微妙的方式影响你的意志,让你真正想要某些东西。事实上,这项技术已经变得如此先进,以至于很多人怀疑平台在窃听他们的对话。"
Weil将这种现象归因于"大事件模型"。虽然ChatGPT等聊天机器人使用的大语言模型会概括文本,但大事件模型专门概括事件流和人类行为。这项技术的应用案例远不止构建更好的算法。
Weil认为Sequen最终可以取代cookie——这种个性化网络体验的跟踪技术虽然能为最终用户提供个性化服务,但引发了隐私担忧并触发了监管。
"我们的大事件模型从实时用户行为中学习,不仅仅是点击和滚动,还包括悬停、对话以及特定会话中的内容——而不是静态档案或第三方cookie,"Weil说。"这就是如何实现实时个性化的方法,即使数据稀少也能做到。所以是的,我们确实为那些缺乏基础设施的财富500强公司解锁了TikTok的算法...但我认为我们正在更进一步。"
与Sequen合作的企业通过整合该公司的RankTune平台,可以通过API访问Sequen的前沿排名模型和实时排名模型。(Sequen的客户已经在使用某种内部API来驱动他们的相关性堆栈,所以他们只需将API替换为Sequen的即可。)
更重要的是,Sequen的技术不像cookie那样侵犯隐私,因为它基于实时数据——不需要用户身份就能个性化结果。而且速度很快,决策时间低于20毫秒。
"我们的大事件模型能够概括它们接收到的实时事件流,"Weil说。"执行这些事件的人是谁并不重要——它们能够理解事件并在不依赖用户身份的情况下理解这些事件。所以实际上,用户的身份是完全无关的。"
尽管具有更注重隐私的特点,Sequen表示其技术仍能实现"惊人的收入提升",Weil声称。
在一个例子中,一家大型家具公司在转用Sequen后实现了7%的收入增长,而此前0.4%的增长就被认为是成功。另一个客户Fetch Rewards在不到11天内实现了20%的净收入增长。该公司还与一家流媒体公司和一家在线旅行社合作。
该系统根据每秒请求数(RPS)定价,有不同层级提供最多500 RPS或1000 RPS等,层级越高价格折扣越大。在前五个客户中,合同金额都达到七位数。
"我们在各个领域都看到一个一致现象,就是人们选择最高层级,因为一旦他们在一个用例中看到我们的效果,就想在整个平台上采用我们的服务,"Weil指出。
Weil在这个领域的职业生涯始于研究方面,但很快意识到她更愿意构建产品。她迄今为止的大部分时间都在帮助公司开发这些类型的排名产品以从中产生商业价值,这促使她创立了Sequen。
现在,在不到18个月的时间里,该公司已处理了约100亿次月度请求,并赢得了几家财富500强公司的业务。其产品包括专有技术,包括大事件模型、排名模型、算法等。
在这家初创公司,Weil与曾在Etsy共事的Ethan Benjamin以及联合创始人Mo Afshar和Alexander Thom合作。Raphael Louca最近从Meta加入,成为Sequen的首席产品官。这家总部位于纽约的公司拥有14人团队,成员来自DeepMind、Meta、Anthropic等公司。
Sequen的A轮融资由White Star Capital和Threshold Ventures共同领投,之前的投资者也参与其中,包括领投种子轮的Greycroft。到目前为止,Sequen已筹集2200万美元。
Q&A
Q1:Sequen的大事件模型和大语言模型有什么区别?
A:大语言模型(如ChatGPT使用的)主要概括文本内容,而Sequen的大事件模型专门概括事件流和人类行为。大事件模型能从实时用户行为中学习,包括点击、滚动、悬停、对话等,不依赖用户身份就能实现个性化推荐。
Q2:Sequen的技术如何在保护隐私的同时提供个性化服务?
A:Sequen的技术基于实时数据而非用户身份信息,不需要知道用户是谁就能个性化结果。它从实时事件流中学习,而不是依赖静态档案或第三方cookie,因此比传统cookie技术更注重隐私保护。
Q3:企业使用Sequen能获得什么样的效果?
A:根据案例显示,一家大型家具公司转用Sequen后实现了7%的收入增长,而此前0.4%就被认为是成功。另一客户Fetch Rewards在不到11天内实现了20%的净收入增长。该系统决策速度快,低于20毫秒。
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。