本次分享题目为货拉拉利用大模型打造多场景个人、办公助理实践，主讲老师杨丹来自货拉拉。货拉拉是一家专注于物流和货运的科技公司，自成立以来一直致力于通过科技手段提升物流效率。

AI团队经常会使用GPU利用率来代表GPU性能。但一项最新报告表明，即使GPU显示100%%的利用率，实际上可能还有大量未被充分利用的计算能力。一些与基础模型公司合作的研究人员发现，他们在优化LLM训练过程中，尽管GPU利用率达到了100%%，但实际的模型浮点运算使用率（MFU）仅为20%%，远低于行业平均水平。

成本和效率在这些年来逐渐成为了游戏基础设施领域热烈讨论的话题。传统机器运维模式在业务规模化部署的情况下将带来巨大的人力与资源的成本投入，已然不符合当下游戏精细化运营的时代趋势。

在数字化转型浪潮中，数据分析和商业智能（BI）工具成为企业洞察数据、优化决策的关键，场景化应用也日益广泛。伴随生成式AI发展，新一代BI与大模型深度融合，引领商业智能的新变革。

转转每一台‘官方验’的设备，都会经过质检站点对其进行全方面的检测。在检测流水线中，质检工程师对每台设备进行检测作业；这过程中除了产生对应的检测结果外，检测过程的动作、硬件参数、耗时等数据目前没有系统性的利用起来。

随着数据存储规模的增长和查询环境的复杂化，数仓面临着查询性能与稳定性的挑战。为了实现查询加速，哔哩哔哩在 Iceberg 基础上进行了功能拓展，包括多维排序、多种索引和预计算等。然而，现有优化手段对用户的技术门槛较高，需要手动配置或组织培训提供指导，限制了优化技术的推广使用。

合规域在电商平台中扮演着重要的角色，它相当于电商体系中的“免疫系统”，通过识别恶意的商品、商家以及UGC内容，确保电商生态的健康、有序和可持续发展。

服务端质量保障是确保服务器端应用程序在开发、部署和运行过程中达到预期性能和可靠性的关键步骤。一个全面的服务端测试策略不仅能提高系统的稳定性和安全性，还能提升用户体验和满意度。

视频场景分类算法是计算机视觉领域研究的热门内容，并作为复杂任务系统的前置算法，能够应用于我们多媒体实验室多项业务，如内容自适应转码、画质智能修复和视频质量评估（VQA）中。

数据中心即服务先驱ECL宣布，在其位于加州山景城的MV1设施中，交付了世界上第一个使用氢气作为主要电源的数据中心。该公司还宣布，由Hyperwise Ventures领投的额外1000万美元资金将用于加速研发，扩大公司的全球足迹。

在携程旅游度假的线路类商品系统中，由于商品结构复杂，涉及底层数据表上千张，在日常供应商以及业务维护过程中，每日产生6亿+的数据变动记录。这些数据的变动留痕，不但可供录入方查看，也对日常产研的排障起着至关重要的作用，同时也可以提供给BI做数据进一步分析。本文将介绍线路商品日志系统的演进过程以及在其中遇到的问题。

货拉拉作为货运交易平台，需要对司机行为进行规范，提升服务质量。所以我们会对取消单进行事后判责找出取消的责任方，从而给出对应的补偿或者教育措施。

在当今互联网时代，高效的用户服务是提升用户体验的关键。转转自研的客服IM系统作为用户与客服沟通的桥梁，承担着传递信息、解决问题的关键角色。然而，消息数据的流转并非一帆风顺，本文将深入探讨IM系统在消息传递过程中遇到的问题和挑战，以及相应的技术解决方案。

随着大数据技术的不断发展，数据治理和自治能力的提升变得尤为重要。本次分享题目为“天穹数仓自治能力新实践”。

在降本增效的大背景下，为满足业务对更高性能的需求，流式计算团队对 FlinkSQL 进行了深度优化。本文将聚焦这一实践，详解主要优化思路。

本文从如何节省多业务场景部署大模型的成本入手，逐步介绍了Lora的概念、如何对大模型进行Lora微调，以及微调后如何合并Lora参数以部署大模型。接着，我们提出了一个问题：在多个业务场景的部署中，如何降低大模型的部署成本。

首先，我们来探讨排序公式在推荐系统中的重要地位。对于眼界广阔的算法工程师来说，他们在各种大公司中的工作可能看起来像是在进行数据分析，或者进行开发，或者策略制定，但实际上他们所做的一切都是为了一件事——服务于最终的排序。这是因为，推荐系统的最终输出就是排序结果。

支撑 RAG 的向量数据库市场竞争愈加激烈。然而从当前向量数据库的实现来看，无论是插件形式，还是专门的向量数据库，底层实现上很多都是采用诸如 HNSW 之类的公开算法，因此一些关键指标例如召回率并不会有太大的区别。

随着业务规模的不断扩张和日常需求的快速迭代，即使是最优秀的业务架构、最完善的生产体系也无法确保系统100%%的可用性，参考墨菲定律，会出错的事总会出错，故障在生产环境中不可避免。为了在故障发生时能够快速定界定位，采取有效措施止损，避免同根因故障重复发生，我们需要对故障全生命周期进行统一管理。

本文介绍了前端自动化任务中的难题，讲解了Taskhub如何通过拆分核心和辅助模块来应对这些挑战，并结合两个实际场景展示了Taskhub在提升自动化任务排障效率等方面的表现。最后，讨论了Taskhub使用的RPC BFF框架如何提升整体开发效率，并分享了使用RPC BFF的经验。