服务器·存储

最新文章

京东广告创意：高质量创意生成和千人千面的创意推荐

吸引人的广告图片对于电子商务的成功至关重要。由于手动设计图片需要大量的人工成本，因此对自动广告图像生成的需求正在上升。尽管生成模型有潜力创造出吸引人的背景，但我们观察到其经常会生成质量欠佳的广告图片，因此需要大量人工来检查生成的图像。

分享到：

异地多活架构进阶：如何解决写后立即读场景问题？

本文不展开讨论各种一致性模型，只关注“写后立即读”的要求是数据写入后短时间内到来的读请求能够读取到最新写入的值这一具体问题，这是互联网应用中数据读取中比较独特和典型的场景，值得深入探讨，本文尝试分析一下这个问题的细节并探讨相应的解决思路。

分享到：

探秘西安人工智能创新发展中心，剑指未来“智”高点

近日，“昇腾新动力 DeepSeek新纪元西安站”盛大举行。作为受邀媒体，笔者深入参与其中，参观西安雁塔人工智能创新发展中心后，对西安人工智能产业的发展有了诸多思考。这座城市正凭借自身独特的优势，在人工智能领域全力奔跑。

分享到：

商家域稳定性建设之原理探索｜得物技术

稳定性建设在当今技术驱动的时代至关重要，但它常常被视为“重要但不紧急”的任务，导致在排期过程中得不到必要的优先级支持。许多时候，团队甚至不得不依赖于故障的驱动才能艰难推进稳定性建设。这一现象的根源，可以归结为以下几个方面。

分享到：

阿里云资深架构师经验分享：DevSecOps优秀实践

本文将分享阿里云在DevSecOps中设计环节的实践经验，希望能够让大家理解阿里云是如何保障产品安全水位，并希望这些经验能够帮助到正在尝试落地DevSecOps解决方案的企业。

分享到：

23招教你掌握大模型提示词技巧

当模型越来越懂人话，我们还需要学习提示语（Prompt）吗？本文总结了23招向AI提问的好方式。过去一个月，全球AI领域接连引爆"深水炸弹"：推理成本直降80%的Deepseek-R1横空出世，OpenAI对GPT-4o进行了迭代更新，马斯克的xAI推出Grok 3模型并声称性能超越ChatGPT ......在这场技术地震中，最引人注目的当属完全开源的DeepSeek。

分享到：

服务性能防腐体系：基于自动化压测的熔断机制

在系统架构的演进过程中，项目初始阶段都会通过压力测试构建安全护城河，此时的服务性能与资源水位保持着黄金比例关系。然而在业务高速发展时期，每个冲刺周期都被切割成以业务需求为单位的开发单元，压力测试逐渐从必选项退化为奢侈品，使得系统在每一次需求迭代中都积累着架构熵增的风险。

分享到：

B站票务抢购下单流程演进

bilibili 会员购票务从2017年从0-1开始，目前业务覆盖全国绝大部分2次元及2.5次元的展览、演出等项目。比如展览方面，有B站自己主办的BiliBili World（简称BW），Bilibili Macro Link（简称BML），和各种协作承办的漫展等。目前会员购票务在漫展垂直的市场率在行业中处于TOP级领先地位。

分享到：

转转运营系统之商品标签平台

转转作为国内领先的二手电商平台，商品品类横跨数码3C、家电家居乃至奢品、汽车，用户群体与需求呈现显著差异化。例如，学生群体侧重性价比，白领阶层偏好品质服务。为了实现商品与用户的精准匹配，就需要精细化的运营策略，然而，精细化的运营却面临以下难题：

分享到：

LLM增强语义嵌入的模型算法综述

近年来，大语言模型（LLM）的兴起为语义嵌入技术开拓了新的方向。本文介绍了LLM在提升语义嵌入效果的最新模型与算法，聚焦在如何利用LLM生成合成数据以及如何作为模型骨干来优化语义嵌入。文章概述了当前研究的主要方向和先进成果，展示了LLM在学习语义嵌入方面的独特优势，并展望了其在搜索、推荐等下游任务的广阔应用前景。

分享到：

大会员交易系统建设实践

在数字化浪潮席卷的当下，业务的高效运营与创新发展离不开强大的技术支撑。对于各类线上业务而言，交易系统作为连接用户与服务的关键枢纽，其成熟度与完整性直接决定了业务的竞争力。一套卓越的交易系统，不仅是业务流程的数字化载体，更是提升运营效率、优化用户体验、推动业务创新的核心驱动力。

分享到：

大模型在房产推荐业务上的探索与实践

自从ChatGPT问世以来，大模型凭借其强大的语义理解和生成能力开始在多个领域引领技术变革。但大模型在房产推荐场景的应用上仍存在一些瓶颈：其一，数据形态的适配难题。房产推荐依赖房源价格、户型、地理位置等强结构化数据，而大模型则更适配自然语言文本，这要求构建起推荐特征与大模型输入之间的有效转换。

分享到：

AI变革药物研发：深势科技的云原生实践之路

近日，阿里云与深势科技联合推出创新的Bohrium科研云平台和Hermite药物计算设计平台，实现了分子模拟技术的飞跃。这两项先进的工业设计与仿真基础设施成果通过AI技术赋能科学研究和工业研发，不仅大幅缩短了药物研发周期，降低了成本，还显著提高了研发成功率，为生物医药行业带来了前所未有的变革，这是AI for Science领域的重大突破。

分享到：