知鸦日报2023-08-22

我们不单需要解决今天的可见需求，同时还需要解决明天潜在的问题。实现更少的投入，更聪明的办法，建设更好的产品，产生更大的价值。

本文将从“样本处理”，“模型开发”，“实验管理”，“工具链及可视化“ 几个角度介绍基于 tranformers 库做的重新设计，并简单聊聊个人对“软件2.0”的看法。

传统的数据分析方法往往无法满足日益增长的数据分析需求的数量和复杂性。而ChatGPT-4作为一种先进的自然语言处理技术，能助力企业和组织更高效地挖掘数据价值。本文将探讨ChatGPT-4在数据分析中的应用及该技术提高数据分析的效率和洞察力。

在转转的产品研发体系中，tapd用来管理需求，bug，任务的流程和生命周期。在devops流中，多项操作都需要和tapd打交道，如：拉起分支-关联需求，部署测试和部署线上后改变需求的状态。这些操作都需要通过tapd提供的api进行通信。

可以说tapd和转转的整个研发管理流程是紧密贴合的。tapd服务的波动都会给转转的devops流程带来一定的影响。在日常的使用中，我们发现如下问题。

随着得物业务规模的不断增加，推荐业务也越来越复杂，对推荐系统也提出了更高的要求。我们于2022年下半年启动了DGraph的研发，DGraph是一个C++项目，目标是打造一个高效易用的推荐引擎。

生成式模型的解码方法主要有2类：确定性方法（如贪心搜索和波束搜索）和随机方法。

传统的 GUI 测试工具只是简单地重新运行每个版本的应用，并没有充分利用之前测试运行中的知识来加速当前正在进行的测试。为了解决这个问题，字节跳动软件工程实验室团队提出了一种基于强化学习的可复用的基于模型的自动化安卓测试工具 Fastbot。

视频时序动作定位（Temporal Action Localization，TAL）是视频理解领域一个重要的任务。这个任务需要对于给定的视频，识别出其中所有发生的动作，同时定位出每个动作发生的起始时间。视频时序动作定位的方法可以广泛应用于高光检测、行为监控以及短视频分析等领域。

在过去对这个任务的处理中，大多数方法或是建立整体的时序提议，再对其做分类和定位；或是直接对不同帧同等地进行预测。但事实上，我们发现视频中动作内部的帧是有不同重要性的。以图1为例，对于晾衣服动作，描绘“把衣服晾到衣架上”的帧对于识别出这个动作最重要，描绘“拿出衣服”的帧对于定位出这个动作的开始最重要。而一些例如转场或模糊的帧则不具有很高的重要度。

因此我们提出用动作敏感度来表征帧的重要度，提出动作敏感性学习（action sensitivity learning），对于每一帧的动作敏感度进行建模，并将学习到的敏感度应用于损失函数中，以促进模型更关注重要的帧，从而更好的训练。