DoorDash已为其零工经济工作者推出了一个赚取额外收入的新选择。这家外卖服务公司推出了Tasks功能,该公司将其描述为"外卖员可以在送餐间隙或空闲时间完成的短小任务"。公司举例说明,这些任务包括拍摄餐厅菜品照片或录制非英语的无脚本对话视频。这些材料将用于训练人工智能和机器人模型。
DoorDash的代表向彭博新闻表示,公司将使用Tasks内容来评估其内部AI模型,以及零售、保险、酒店和科技等合作伙伴公司开发的模型。DoorDash正在试点推出Tasks的独立应用程序,外卖员可以通过该应用提交内容。博客文章指出,报酬将提前显示,薪酬将根据任务的复杂程度而有所不同。
这个想法并不新颖。我们已经看到其他AI和机器人领域的初创公司为普通人拍摄的内容提供报酬。考虑到目前有多起针对AI公司未经授权使用受版权保护材料的诉讼正在进行中,至少这种方法让人们能够直接从训练内容中获得补偿。
Q&A
Q1:DoorDash的Tasks功能是什么?
A:Tasks是DoorDash推出的一项新功能,让外卖员可以在送餐间隙或空闲时间完成短小任务来赚取额外收入,比如拍摄餐厅菜品照片或录制非英语对话视频,这些内容用于训练AI和机器人模型。
Q2:Tasks创建的内容会被如何使用?
A:DoorDash表示将使用Tasks内容来评估其内部AI模型,以及零售、保险、酒店和科技等合作伙伴公司开发的模型。这些材料专门用于训练人工智能和机器人模型。
Q3:Tasks的报酬是如何计算的?
A:根据DoorDash的说明,Tasks的报酬将提前显示给外卖员,薪酬会根据任务的复杂程度而有所不同。公司正在试点推出独立的Tasks应用程序供外卖员提交内容。
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。