Speeding up language models for travel applications
结合知识蒸馏与Medusa框架可使语言模型速度提升10-20倍,同时保持质量,适用于旅行应用的实时需求。
入选理由:知识蒸馏+Medusa使11亿参数模型达到700亿参数Llama-3.1质量,速度提升10-20倍
公司
别名:Booking
在线旅游平台,应用优化技术提升搜索功能
已跟踪 3 条高相关材料
最近变化
2026-10-29 · 知识蒸馏+Medusa使11亿参数模型达到700亿参数Llama-3.1质量,速度提升10-20倍
为什么值得关注
Booking.com 被反复提及时,通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
Speeding up language models for travel applications
Amazon Science · 8.5 分
结合知识蒸馏与Medusa框架可使语言模型速度提升10-20倍,同时保持质量,适用于旅行应用的实时需求。
Most companies talk about vector search. Few share what it actually takes to scale to 100M+ embeddi...
Weaviate • vector database(@weaviate_io) · 8.5 分
Weaviate 通过实际案例展示了如何从关键词匹配到大规模生产系统的构建过程,包括使用 OpenSearch、迁移至 Weaviate 处理复杂过滤和高并发需求。
Travel Through the Lens of AI with with Booking.com CEO Glenn Fogel
No Priors · 5 分
该视频为Booking.com CEO Glenn Fogel的访谈,侧重商业战略与个人经历,缺乏技术深度与工程实践价值。
已收录 3 条与 Booking.com 相关的内容,按评分排序。
结合知识蒸馏与Medusa框架可使语言模型速度提升10-20倍,同时保持质量,适用于旅行应用的实时需求。
入选理由:知识蒸馏+Medusa使11亿参数模型达到700亿参数Llama-3.1质量,速度提升10-20倍
大多数公司谈论向量搜索,但很少分享如何在生产环境中扩展到 100M+ 嵌入。
入选理由:Booking.com 使用 OpenSearch 进行初始关键词匹配,后迁移到 Weaviate 处理大规模需求。
该视频为Booking.com CEO Glenn Fogel的访谈,侧重商业战略与个人经历,缺乏技术深度与工程实践价值。
入选理由:AI在旅行行业的应用需基于业务理解而非技术堆砌