<?xml version="1.0" encoding="UTF-8"?>
<rss version="2.0" encoding="UTF-8" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:sy="http://purl.org/rss/1.0/modules/syndication/" xmlns:admin="http://webns.net/mvcb/" xmlns:atom="http://www.w3.org/2005/Atom/" xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:googleplay="http://www.google.com/schemas/play-podcasts/1.0" xmlns:itunes="http://www.itunes.com/dtds/podcast-1.0.dtd" xmlns:fireside="http://fireside.fm/modules/rss/fireside">
  <channel>
    <fireside:hostname>app03</fireside:hostname>
    <fireside:genDate>Fri, 24 Jul 2026 07:08:50 +0000</fireside:genDate>
    <generator>Fireside (https://fireside.fm)</generator>
    <title>硅谷101 - Episodes Tagged with “记者”</title>
    <link>https://sv101.fireside.fm/tags/%E8%AE%B0%E8%80%85</link>
    <pubDate>Thu, 23 Jul 2026 17:00:00 -0700</pubDate>
    <description>失败、背叛、不被理解，硅谷精神领袖一直都不是完美的存在；他们是科学家，创造者，行动派，他们有独立的价值观。《硅谷101》是由媒体人泓君发起的深度访谈节目，是一档分享当下最新鲜的技术、知识与思想的科技播客。 公众账号：硅谷101 联系邮箱：podcast@sv101.net</description>
    <language>zh-cn</language>
    <itunes:type>episodic</itunes:type>
    <itunes:subtitle>这是一档分享当下最新鲜的技术、知识与思想的科技播客</itunes:subtitle>
    <itunes:author>硅谷101</itunes:author>
    <itunes:summary>失败、背叛、不被理解，硅谷精神领袖一直都不是完美的存在；他们是科学家，创造者，行动派，他们有独立的价值观。《硅谷101》是由媒体人泓君发起的深度访谈节目，是一档分享当下最新鲜的技术、知识与思想的科技播客。 公众账号：硅谷101 联系邮箱：podcast@sv101.net</itunes:summary>
    <itunes:image href="https://media24.fireside.fm/file/fireside-images-2024/podcasts/images/f/f0f20376-8faf-4940-b920-84af6c734e2d/cover.jpg?v=6"/>
    <itunes:explicit>no</itunes:explicit>
    <itunes:keywords>tech, business, SiiconValley, 科技, 泓君, 硅谷101</itunes:keywords>
    <itunes:owner>
      <itunes:name>硅谷101</itunes:name>
      <itunes:email>liuhj60@gmail.com</itunes:email>
    </itunes:owner>
<itunes:category text="Technology"/>
<itunes:category text="Business"/>
<itunes:category text="Business">
  <itunes:category text="Entrepreneurship"/>
</itunes:category>
<item>
  <title>E245｜藏在大模型背后的新闻人：GPT们的回复是这样写出来的</title>
  <link>https://sv101.fireside.fm/258</link>
  <guid isPermaLink="false">5aeaeb64-9165-4271-9884-23329b511e11</guid>
  <pubDate>Thu, 23 Jul 2026 17:00:00 -0700</pubDate>
  <author>硅谷101</author>
  <enclosure url="https://aphid.fireside.fm/d/1437767933/f0f20376-8faf-4940-b920-84af6c734e2d/5aeaeb64-9165-4271-9884-23329b511e11.mp3" length="66272995" type="audio/mpeg"/>
  <itunes:episodeType>full</itunes:episodeType>
  <itunes:season>4</itunes:season>
  <itunes:author>硅谷101</itunes:author>
  <itunes:subtitle>当模型能力逐渐拉平，内容与品味如何成为产品竞争力的关键，而懂人文、懂社科的判断力，又该如何翻译成工程能用的语言。</itunes:subtitle>
  <itunes:duration>46:00</itunes:duration>
  <itunes:explicit>no</itunes:explicit>
  <itunes:image href="https://media24.fireside.fm/file/fireside-images-2024/podcasts/images/f/f0f20376-8faf-4940-b920-84af6c734e2d/cover.jpg?v=6"/>
  <description>&lt;p&gt;&lt;img src="https://imagev2.xmcdn.com/storages/c4ce-audiofreehighqps/29/FA/GAqhI8INmcS2AAHpNQR_oxXw.jpg" alt=""&gt;&lt;/p&gt;

&lt;p&gt;当你觉得AI“懂你”的那一刻——精准抓住一个你自己都没说清的情绪，问出一个让你陷入沉思的问题——你以为那来自数据中心的芯片、模型里的参数、程序员敲下的代码，但真相是，那些问进你心坎里的问题、让你会心一笑的遣词造句，背后站着一群人：他们曾是记者、编辑和纪录片导演，如今藏在大语言模型之后，有一个鲜为人知的名字——内容工程师（Content Engineer）。&lt;br&gt;
当模型能力日益趋同，真正决定用户去留的，已不再是参数，而是它能否让人觉得“懂我”。那些“只可意会、不可言传”的语感与共情，正被一群文字工作者拆解成一套可以装进AI的规则。&lt;br&gt;
本期《硅谷101》播客，我们邀请到两位从新闻业转身的资深内容工程师——前媒体人、播客《行星酒馆》主播东尼，与NBCUniversal AI战略总监Bianca，深入探讨：什么才算“好”的对话，以及如何把它拆解成可量化、可训练、可评估的工程标准。我们从这个正在各家AI公司裂变扩张的新兴岗位聊起，看看当模型能力逐渐拉平，内容与品味如何成为产品竞争力的关键，而懂人文、懂社科的判断力，又该如何翻译成工程能用的语言。&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;【主播】&lt;/strong&gt;&lt;br&gt;
Faith静远，硅谷101特约研究员&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;【嘉宾】&lt;/strong&gt;&lt;br&gt;
Tony Lin，人工智能实验室模型设计负责人，&lt;a href="https://www.xiaoyuzhoufm.com/podcast/64f71550aa546d46cf6f9f0c" rel="nofollow noopener"&gt;《行星酒馆》&lt;/a&gt;主播&lt;br&gt;
Bianca Consunji，NBCUniversal AI战略总监 &lt;/p&gt;

&lt;p&gt;&lt;strong&gt;【你将听到】&lt;/strong&gt;&lt;br&gt;
02:54 内容工程师是什么？&lt;br&gt;
05:55 内容工程师如何拆解好内容&lt;br&gt;
10:42 如何训练AI理解提问者的言下之意&lt;br&gt;
13:42 内容工程师如何“翻译”语言和文化&lt;br&gt;
16:45 新闻训练和AI对话训练都需要给到“上下文”&lt;br&gt;
18:42 语境破碎：AI对话和“网络互喷”的相似之处&lt;br&gt;
19:59 记者和内容工程师的技能重合点&lt;br&gt;
23:44 一篇爆火文章背后，文科生的AI恐慌&lt;br&gt;
26:45 基于共识训练出来的AI，不会产生伟大的艺术&lt;br&gt;
28:56 媒体影视从业者失业，罪魁祸首是AI吗？&lt;br&gt;
31:37 东尼如何在养病期间做出震惊谷歌的voice agent &lt;br&gt;
37:02 AI谄媚是产品设计问题，本质是人想要的太多了&lt;br&gt;
39:20 人除了智商情商，还会需要“AI商”&lt;br&gt;
43:33 职业价值迁移：“曾经我出卖成果，现在我展示过程”&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;【延伸阅读和相关术语】&lt;/strong&gt;&lt;br&gt;
&lt;strong&gt;系统提示词（System Prompt）：&lt;/strong&gt;写给模型、用于设定其身份、语气与行为边界的底层指令。本质是一种既要有创造力、又要让模型"听得懂"的技术性写作，是内容工程师的核心工作之一。&lt;br&gt;
&lt;strong&gt;少样本示例（Few-shot Example）：&lt;/strong&gt;在与模型交互时，随机提供几条相关案例作为参考，让模型据此理解"什么是好问题、好内容、好语气"的方法。&lt;br&gt;
&lt;strong&gt;语音智能体（Voice Agent）：&lt;/strong&gt;能够以语音方式进行多轮对话的AI智能体，相比文本交互更强调对话的流动感与自然度。&lt;br&gt;
&lt;strong&gt;多轮对话（Multi-turn Conversation）：&lt;/strong&gt;用户与AI连续来回交互的对话形式，通常是AI的弱项。当缺乏足够上下文时，AI会不断"脑补"，答案越来越臃肿，中途出错则如滚雪球般放大。&lt;br&gt;
&lt;strong&gt;意图理解（Intent Understanding）：&lt;/strong&gt;理解提问者的“言下之意”，而非仅仅回答字面问题。它要求模型捕捉话语背后未被直接说出的真实需求，而不止于表面的信息拼接。&lt;br&gt;
&lt;strong&gt;来源归属（Source Attribution）：&lt;/strong&gt;在回答中注明信息出处、并承认现有信息不确定性的做法，是判断一则回答质量高低的重要维度之一。&lt;br&gt;
&lt;strong&gt;拟社会关系（Parasocial Relationship）：&lt;/strong&gt;传播学经典概念，指人对一个遥远实体（书中人物、电视形象，乃至AI）单向建立的情感关系。人在这种关系里依然拥有agency（能动性），可自行决定与对方的关系、并在互动中创造意义。&lt;br&gt;
&lt;strong&gt;AI谄媚（Sycophancy）：&lt;/strong&gt;指AI顺着谈话对象的价值取向和信息茧房去迎合、讨好用户的倾向。它本质上是一个产品设计问题——为了留住用户、提升engagement，产品往往会做出迁就。&lt;br&gt;
&lt;strong&gt;事实核查（Fact Check）：&lt;/strong&gt;新闻业的核心技能，即在信息发布前核实其真实性。AI在事实核查上效率极高，能快速交叉验证信息、呈现不同立场，帮助人跳出单一信息流。&lt;br&gt;
&lt;strong&gt;零工经济（Gig Economy）与AI训练师（AI Trainer）：&lt;/strong&gt;AI trainer指按小时、按项目为AI生成的内容打分、改写、示范的临时工作。这类工作依托零工经济而存在，而零工经济对媒体与艺术从业者的冲击在AI出现之前便已发生。&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;【硅谷101正在招聘】&lt;/strong&gt;&lt;br&gt;
《硅谷101》招聘多个全职岗位，欢迎加入我们的超酷的深度内容工作团队！&lt;br&gt;
👉🏻&lt;a href="https://mp.weixin.qq.com/s/BuDJBj_RVy7eI5PKr2uGOQ" rel="nofollow noopener"&gt;点击查看招聘详情&lt;/a&gt;&lt;br&gt;
&lt;img src="https://imagev2.xmcdn.com/storages/3a42-audiofreehighqps/02/F9/GAqhuykOAY4qAASHsgSnjx80.jpg" alt=""&gt;&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;【监制】&lt;/strong&gt;&lt;br&gt;
泓君&lt;br&gt;
&lt;strong&gt;【采访 &amp;amp; 制作】&lt;/strong&gt;&lt;br&gt;
Faith&lt;br&gt;
&lt;strong&gt;【配音】&lt;/strong&gt;&lt;br&gt;
Yiwen&lt;br&gt;
&lt;strong&gt;【后期】&lt;/strong&gt;&lt;br&gt;
Faith Amei&lt;br&gt;
&lt;strong&gt;【运营】&lt;/strong&gt;&lt;br&gt;
朱婕&lt;br&gt;
&lt;strong&gt;【BGM】&lt;/strong&gt;&lt;br&gt;
The Detective - Christoffer Moe Ditlevsen&lt;br&gt;
Reclaim - Megan Wofford&lt;br&gt;
Paper wings &lt;br&gt;
Hangover by ruiqizhao &lt;br&gt;
The  light from within—howard harper-bames &lt;br&gt;
Overture - dozeoff &lt;br&gt;
New car smell—bagel &lt;br&gt;
Quiet down—Ryan connors&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;【在这里找到我们】&lt;/strong&gt;&lt;br&gt;
公众号：硅谷101&lt;br&gt;
收听渠道：Apple Podcast｜Spotify｜小宇宙｜喜马拉雅｜蜻蜓FM｜荔枝FM｜网易云音乐｜QQ音乐&lt;br&gt;
其他平台：YouTube｜Bilibili 搜索「硅谷101播客」&lt;br&gt;
联系我们：&lt;a href="mailto:podcast@sv101.net" rel="nofollow noopener"&gt;podcast@sv101.net&lt;/a&gt;&lt;br&gt;
 Special Guests: Bianca Consunji and Tony Lin.&lt;/p&gt;
</description>
  <itunes:keywords>AI, 内容工程师, 大模型, 聊天, 新闻, 影视, 创意, 记者, 文科生</itunes:keywords>
  <content:encoded>
    <![CDATA[<p><img src="https://imagev2.xmcdn.com/storages/c4ce-audiofreehighqps/29/FA/GAqhI8INmcS2AAHpNQR_oxXw.jpg" alt=""></p>

<p>当你觉得AI“懂你”的那一刻——精准抓住一个你自己都没说清的情绪，问出一个让你陷入沉思的问题——你以为那来自数据中心的芯片、模型里的参数、程序员敲下的代码，但真相是，那些问进你心坎里的问题、让你会心一笑的遣词造句，背后站着一群人：他们曾是记者、编辑和纪录片导演，如今藏在大语言模型之后，有一个鲜为人知的名字——内容工程师（Content Engineer）。<br>
当模型能力日益趋同，真正决定用户去留的，已不再是参数，而是它能否让人觉得“懂我”。那些“只可意会、不可言传”的语感与共情，正被一群文字工作者拆解成一套可以装进AI的规则。<br>
本期《硅谷101》播客，我们邀请到两位从新闻业转身的资深内容工程师——前媒体人、播客《行星酒馆》主播东尼，与NBCUniversal AI战略总监Bianca，深入探讨：什么才算“好”的对话，以及如何把它拆解成可量化、可训练、可评估的工程标准。我们从这个正在各家AI公司裂变扩张的新兴岗位聊起，看看当模型能力逐渐拉平，内容与品味如何成为产品竞争力的关键，而懂人文、懂社科的判断力，又该如何翻译成工程能用的语言。</p>

<p><strong>【主播】</strong><br>
Faith静远，硅谷101特约研究员</p>

<p><strong>【嘉宾】</strong><br>
Tony Lin，人工智能实验室模型设计负责人，<a href="https://www.xiaoyuzhoufm.com/podcast/64f71550aa546d46cf6f9f0c" rel="nofollow noopener">《行星酒馆》</a>主播<br>
Bianca Consunji，NBCUniversal AI战略总监 </p>

<p><strong>【你将听到】</strong><br>
02:54 内容工程师是什么？<br>
05:55 内容工程师如何拆解好内容<br>
10:42 如何训练AI理解提问者的言下之意<br>
13:42 内容工程师如何“翻译”语言和文化<br>
16:45 新闻训练和AI对话训练都需要给到“上下文”<br>
18:42 语境破碎：AI对话和“网络互喷”的相似之处<br>
19:59 记者和内容工程师的技能重合点<br>
23:44 一篇爆火文章背后，文科生的AI恐慌<br>
26:45 基于共识训练出来的AI，不会产生伟大的艺术<br>
28:56 媒体影视从业者失业，罪魁祸首是AI吗？<br>
31:37 东尼如何在养病期间做出震惊谷歌的voice agent <br>
37:02 AI谄媚是产品设计问题，本质是人想要的太多了<br>
39:20 人除了智商情商，还会需要“AI商”<br>
43:33 职业价值迁移：“曾经我出卖成果，现在我展示过程”</p>

<p><strong>【延伸阅读和相关术语】</strong><br>
<strong>系统提示词（System Prompt）：</strong>写给模型、用于设定其身份、语气与行为边界的底层指令。本质是一种既要有创造力、又要让模型"听得懂"的技术性写作，是内容工程师的核心工作之一。<br>
<strong>少样本示例（Few-shot Example）：</strong>在与模型交互时，随机提供几条相关案例作为参考，让模型据此理解"什么是好问题、好内容、好语气"的方法。<br>
<strong>语音智能体（Voice Agent）：</strong>能够以语音方式进行多轮对话的AI智能体，相比文本交互更强调对话的流动感与自然度。<br>
<strong>多轮对话（Multi-turn Conversation）：</strong>用户与AI连续来回交互的对话形式，通常是AI的弱项。当缺乏足够上下文时，AI会不断"脑补"，答案越来越臃肿，中途出错则如滚雪球般放大。<br>
<strong>意图理解（Intent Understanding）：</strong>理解提问者的“言下之意”，而非仅仅回答字面问题。它要求模型捕捉话语背后未被直接说出的真实需求，而不止于表面的信息拼接。<br>
<strong>来源归属（Source Attribution）：</strong>在回答中注明信息出处、并承认现有信息不确定性的做法，是判断一则回答质量高低的重要维度之一。<br>
<strong>拟社会关系（Parasocial Relationship）：</strong>传播学经典概念，指人对一个遥远实体（书中人物、电视形象，乃至AI）单向建立的情感关系。人在这种关系里依然拥有agency（能动性），可自行决定与对方的关系、并在互动中创造意义。<br>
<strong>AI谄媚（Sycophancy）：</strong>指AI顺着谈话对象的价值取向和信息茧房去迎合、讨好用户的倾向。它本质上是一个产品设计问题——为了留住用户、提升engagement，产品往往会做出迁就。<br>
<strong>事实核查（Fact Check）：</strong>新闻业的核心技能，即在信息发布前核实其真实性。AI在事实核查上效率极高，能快速交叉验证信息、呈现不同立场，帮助人跳出单一信息流。<br>
<strong>零工经济（Gig Economy）与AI训练师（AI Trainer）：</strong>AI trainer指按小时、按项目为AI生成的内容打分、改写、示范的临时工作。这类工作依托零工经济而存在，而零工经济对媒体与艺术从业者的冲击在AI出现之前便已发生。</p>

<p><strong>【硅谷101正在招聘】</strong><br>
《硅谷101》招聘多个全职岗位，欢迎加入我们的超酷的深度内容工作团队！<br>
👉🏻<a href="https://mp.weixin.qq.com/s/BuDJBj_RVy7eI5PKr2uGOQ" rel="nofollow noopener">点击查看招聘详情</a><br>
<img src="https://imagev2.xmcdn.com/storages/3a42-audiofreehighqps/02/F9/GAqhuykOAY4qAASHsgSnjx80.jpg" alt=""></p>

<p><strong>【监制】</strong><br>
泓君<br>
<strong>【采访 &amp; 制作】</strong><br>
Faith<br>
<strong>【配音】</strong><br>
Yiwen<br>
<strong>【后期】</strong><br>
Faith Amei<br>
<strong>【运营】</strong><br>
朱婕<br>
<strong>【BGM】</strong><br>
The Detective - Christoffer Moe Ditlevsen<br>
Reclaim - Megan Wofford<br>
Paper wings <br>
Hangover by ruiqizhao <br>
The  light from within—howard harper-bames <br>
Overture - dozeoff <br>
New car smell—bagel <br>
Quiet down—Ryan connors</p>

<p><strong>【在这里找到我们】</strong><br>
公众号：硅谷101<br>
收听渠道：Apple Podcast｜Spotify｜小宇宙｜喜马拉雅｜蜻蜓FM｜荔枝FM｜网易云音乐｜QQ音乐<br>
其他平台：YouTube｜Bilibili 搜索「硅谷101播客」<br>
联系我们：<a href="mailto:podcast@sv101.net" rel="nofollow noopener">podcast@sv101.net</a></p><p>Special Guests: Bianca Consunji and Tony Lin.</p>]]>
  </content:encoded>
  <itunes:summary>
    <![CDATA[<p><img src="https://imagev2.xmcdn.com/storages/c4ce-audiofreehighqps/29/FA/GAqhI8INmcS2AAHpNQR_oxXw.jpg" alt=""></p>

<p>当你觉得AI“懂你”的那一刻——精准抓住一个你自己都没说清的情绪，问出一个让你陷入沉思的问题——你以为那来自数据中心的芯片、模型里的参数、程序员敲下的代码，但真相是，那些问进你心坎里的问题、让你会心一笑的遣词造句，背后站着一群人：他们曾是记者、编辑和纪录片导演，如今藏在大语言模型之后，有一个鲜为人知的名字——内容工程师（Content Engineer）。<br>
当模型能力日益趋同，真正决定用户去留的，已不再是参数，而是它能否让人觉得“懂我”。那些“只可意会、不可言传”的语感与共情，正被一群文字工作者拆解成一套可以装进AI的规则。<br>
本期《硅谷101》播客，我们邀请到两位从新闻业转身的资深内容工程师——前媒体人、播客《行星酒馆》主播东尼，与NBCUniversal AI战略总监Bianca，深入探讨：什么才算“好”的对话，以及如何把它拆解成可量化、可训练、可评估的工程标准。我们从这个正在各家AI公司裂变扩张的新兴岗位聊起，看看当模型能力逐渐拉平，内容与品味如何成为产品竞争力的关键，而懂人文、懂社科的判断力，又该如何翻译成工程能用的语言。</p>

<p><strong>【主播】</strong><br>
Faith静远，硅谷101特约研究员</p>

<p><strong>【嘉宾】</strong><br>
Tony Lin，人工智能实验室模型设计负责人，<a href="https://www.xiaoyuzhoufm.com/podcast/64f71550aa546d46cf6f9f0c" rel="nofollow noopener">《行星酒馆》</a>主播<br>
Bianca Consunji，NBCUniversal AI战略总监 </p>

<p><strong>【你将听到】</strong><br>
02:54 内容工程师是什么？<br>
05:55 内容工程师如何拆解好内容<br>
10:42 如何训练AI理解提问者的言下之意<br>
13:42 内容工程师如何“翻译”语言和文化<br>
16:45 新闻训练和AI对话训练都需要给到“上下文”<br>
18:42 语境破碎：AI对话和“网络互喷”的相似之处<br>
19:59 记者和内容工程师的技能重合点<br>
23:44 一篇爆火文章背后，文科生的AI恐慌<br>
26:45 基于共识训练出来的AI，不会产生伟大的艺术<br>
28:56 媒体影视从业者失业，罪魁祸首是AI吗？<br>
31:37 东尼如何在养病期间做出震惊谷歌的voice agent <br>
37:02 AI谄媚是产品设计问题，本质是人想要的太多了<br>
39:20 人除了智商情商，还会需要“AI商”<br>
43:33 职业价值迁移：“曾经我出卖成果，现在我展示过程”</p>

<p><strong>【延伸阅读和相关术语】</strong><br>
<strong>系统提示词（System Prompt）：</strong>写给模型、用于设定其身份、语气与行为边界的底层指令。本质是一种既要有创造力、又要让模型"听得懂"的技术性写作，是内容工程师的核心工作之一。<br>
<strong>少样本示例（Few-shot Example）：</strong>在与模型交互时，随机提供几条相关案例作为参考，让模型据此理解"什么是好问题、好内容、好语气"的方法。<br>
<strong>语音智能体（Voice Agent）：</strong>能够以语音方式进行多轮对话的AI智能体，相比文本交互更强调对话的流动感与自然度。<br>
<strong>多轮对话（Multi-turn Conversation）：</strong>用户与AI连续来回交互的对话形式，通常是AI的弱项。当缺乏足够上下文时，AI会不断"脑补"，答案越来越臃肿，中途出错则如滚雪球般放大。<br>
<strong>意图理解（Intent Understanding）：</strong>理解提问者的“言下之意”，而非仅仅回答字面问题。它要求模型捕捉话语背后未被直接说出的真实需求，而不止于表面的信息拼接。<br>
<strong>来源归属（Source Attribution）：</strong>在回答中注明信息出处、并承认现有信息不确定性的做法，是判断一则回答质量高低的重要维度之一。<br>
<strong>拟社会关系（Parasocial Relationship）：</strong>传播学经典概念，指人对一个遥远实体（书中人物、电视形象，乃至AI）单向建立的情感关系。人在这种关系里依然拥有agency（能动性），可自行决定与对方的关系、并在互动中创造意义。<br>
<strong>AI谄媚（Sycophancy）：</strong>指AI顺着谈话对象的价值取向和信息茧房去迎合、讨好用户的倾向。它本质上是一个产品设计问题——为了留住用户、提升engagement，产品往往会做出迁就。<br>
<strong>事实核查（Fact Check）：</strong>新闻业的核心技能，即在信息发布前核实其真实性。AI在事实核查上效率极高，能快速交叉验证信息、呈现不同立场，帮助人跳出单一信息流。<br>
<strong>零工经济（Gig Economy）与AI训练师（AI Trainer）：</strong>AI trainer指按小时、按项目为AI生成的内容打分、改写、示范的临时工作。这类工作依托零工经济而存在，而零工经济对媒体与艺术从业者的冲击在AI出现之前便已发生。</p>

<p><strong>【硅谷101正在招聘】</strong><br>
《硅谷101》招聘多个全职岗位，欢迎加入我们的超酷的深度内容工作团队！<br>
👉🏻<a href="https://mp.weixin.qq.com/s/BuDJBj_RVy7eI5PKr2uGOQ" rel="nofollow noopener">点击查看招聘详情</a><br>
<img src="https://imagev2.xmcdn.com/storages/3a42-audiofreehighqps/02/F9/GAqhuykOAY4qAASHsgSnjx80.jpg" alt=""></p>

<p><strong>【监制】</strong><br>
泓君<br>
<strong>【采访 &amp; 制作】</strong><br>
Faith<br>
<strong>【配音】</strong><br>
Yiwen<br>
<strong>【后期】</strong><br>
Faith Amei<br>
<strong>【运营】</strong><br>
朱婕<br>
<strong>【BGM】</strong><br>
The Detective - Christoffer Moe Ditlevsen<br>
Reclaim - Megan Wofford<br>
Paper wings <br>
Hangover by ruiqizhao <br>
The  light from within—howard harper-bames <br>
Overture - dozeoff <br>
New car smell—bagel <br>
Quiet down—Ryan connors</p>

<p><strong>【在这里找到我们】</strong><br>
公众号：硅谷101<br>
收听渠道：Apple Podcast｜Spotify｜小宇宙｜喜马拉雅｜蜻蜓FM｜荔枝FM｜网易云音乐｜QQ音乐<br>
其他平台：YouTube｜Bilibili 搜索「硅谷101播客」<br>
联系我们：<a href="mailto:podcast@sv101.net" rel="nofollow noopener">podcast@sv101.net</a></p><p>Special Guests: Bianca Consunji and Tony Lin.</p>]]>
  </itunes:summary>
</item>
  </channel>
</rss>
