公司：阿里巴巴
阿里巴巴集团创立于1999年，是中国大陆一家以提供互联网服务为主的综合企业集团，目前实行位于杭州，上海与北京的双总部制度。
阿里巴巴服务范围包括B2B贸易、网上零售、购物搜索引擎、第三方支付和云计算服务。集团的子公司包括阿里巴巴B2B、淘宝网、天猫、一淘网、阿里云计算、聚划算、全球速卖通、阿里巴巴国际交易市场、饿了么、飞猪、优酷、盒马鲜生、阿里影业、菜鸟网络、高德地图、Lazada、Daraz等。旗下的淘宝网和天猫在2012年销售额达到1.1兆人民币，2015年度商品交易总额已经超过三兆元人民币，是全球最大零售商。
至2012年九月底止的财政年度，以美国会计准则计算，阿里营业额按年增长74%至318.39亿元（港元‧下同），盈利急升80%至37.75亿元。2015年全年，阿里巴巴营收146.01亿美元，净利为74.94亿美元。2017年，根据阿里巴巴集团向美国证券交易委员会提交的IPO招股书显示，雅虎持有阿里巴巴集团22.6%股权、软银持阿里集团34.4%股份，另管理层、雇员及其他投资者持股比例合共约为43%，当中马云持阿里巴巴集团约8.9%、蔡崇信持股为3.6%。
2019年11月，阿里巴巴集团在在港交所二次上市。香港财经界把阿里巴巴、腾讯（港交所：700）、美团点评（港交所：3690）、小米（港交所：1810）四只中国大陆科技股的英文名称首个字母，合称“ATMX”股份。
2019年11月26日，阿里巴巴集团港股上市，总市值超4兆，登顶港股成为港股“新股王”。2020年8月，阿里巴巴集团港股总市值首次超过6万亿。
阿里巴巴拆份出去的蚂蚁集团上市前，网络金服整体遭遇到政府的强力监管，阿里巴巴同样受到影响，2021年4月10日，阿里巴巴集团涉垄断被中国市场监管总局罚款182.28亿元人民币。2023年三家中国最主要的金融机构，再联合开罚71亿元，不过也随着官方宣布最后整顿工作的完成，阿里巴巴股价开始反弹。
大模型综述
本文是一篇关于大模型的综述，介绍了大语言模型在NLP任务中的涌现能力，如上下文学习、指令执行和逐步推理能力。随着模型规模的扩大，这些能力显著增强。文章还讨论了这些模型对NLP的影响，包括中间任务的消亡和技术路线的统一。此外，文章介绍了大模型的训练范式和优化技术，以及未来的研究方向，如多模态、模型稀疏化和复杂推理能力的提升。
MktAI助理：数据与AI结合的营销效率提升利器
MktAI助理通过结合DATA+AI技术，解决了传统数据处理中的效率低下和洞察不足的问题。依托AI Studio等平台，实现了自助查询和分析洞察功能，在速爆和秒杀场景中有效落地。自助查询提升了数据获取效率，分析洞察增强了决策支持能力，优化了数据分析流程。未来将继续拓展功能和应用场景，以更好地满足业务需求和提升运营效率。
终于有人说清楚AI开发的全流程了！
本文深入解析AI需求开发流程，涵盖从需求分析到发布及后续监控和反馈收集。强调AI OPS工具的使用，降低技术门槛，提升团队协作效率。在开发中，需在性能与成本间取得平衡，选择合适的LLM模型。测试阶段采用多维度评估，确保应用效果。上线后，通过用户反馈和实时监控进行优化迭代，使AI应用更贴合业务需求，提升用户满意度。
淘宝直播技术新范式（一）｜实时挂品识别能力实现精准即时的人货匹配
近年来，直播购物逐渐成为电商行业的重要形态，但存在推荐结果单一化等问题。为此，提出“品带直播”策略，通过优化实时挂品识别和商品推荐能力，提升用户体验。改进数据处理、时间轴基准和资源分配，提高识别准确性和效率，并引入多模态对比学习，增强模型鲁棒性，实现挂品识别准确率达85%，特征时效控制在5秒以内。
MySQL索引学习笔记
深入探讨MySQL慢查询分析的关键技术，重点在于优化查询的响应时间、扫描行数和返回行数。通过示例展示索引在查询中的重要性，特别是全表扫描和索引覆盖扫描的对比。介绍聚簇索引及覆盖索引的概念，强调索引列顺序和最左前缀法则对查询优化的影响，并详述文件排序的使用条件及影响。
8G的容器Java堆才4G怎么就OOM了？
最近，一例Java应用的OOM问题引起了关注。尽管Java堆外内存限制在1G，多个ClassLoader加载的netty实例导致实际使用超出限制。通过详细分析发现，netty直接使用UNSAFE.allocateMemory分配内存，绕过Java直接内存API，导致内存未被监控。建议短期内调整Java堆大小以缓解问题，并考虑优化rocketmq-client的内存占用。未来，排查堆外内存问题时，应优先检查netty。
从春运抢火车票思考数据库设计
春节临近，火车票销售进入旺季，购票系统面临高并发查询、购票写操作、路径规划等挑战。PostgreSQL提供多核并行计算、资源隔离、递归查询等特性，有效应对购票系统需求。使用varbit和数组优化座位管理，降低锁冲突，提升购票效率。路径规划帮助用户找到最佳中转方案，余票统计减少实时查询压力。分库分表和其他特性支持大规模数据处理，确保系统稳定运行。
记一次细思极恐的FastJson差点引发的大面积故障
作者分享了一次因FastJson导致故障的排查经历。工程使用Kotlin、Java和Groovy混编，某次更新后，预发环境出现大面积报错。经过详细排查，问题出在FastJson反序列化Kotlin data class时的兼容性问题。最终发现是由于一个误用的lambda表达式导致的全局异常。通过调整代码和依赖，问题得到解决。同时提醒多语言混编需注意语法差异，FastJson使用需谨慎。
代码优化实战：圈复杂度治理之函数抽离技巧
在软件开发中，代码圈复杂度影响程序质量和维护性。通过函数抽离和使用IDEA插件CodeMetrics，可有效降低复杂度。重构时，避免过度依赖IDEA自动化，需深入思考函数设计，提升代码复用性。对于复杂的代码块，逐步提取小函数，理清变量依赖关系。运用异常处理和函数替代布尔表达式，简化代码逻辑。函数设计不仅是拆分代码，更是提高代码质量和开发效率的关键。
如何快速定位并优化CPU 与 JVM 内存性能瓶颈？
面对Java应用中的CPU和JVM内存热点问题，掌握快速定位和优化手段至关重要。CPU使用率高常与代码相关，可通过监控工具和火焰图定位热点代码进行优化。JVM内存热点主要因频繁对象创建、大对象分配等引发，需通过监控和内存快照分析快速排查。合理配置内存参数与使用缓存技术也能有效提升系统性能，确保应用高负载下稳定运行。
架构思考与实践：从通用到场景的转变
在当今复杂多变的商业环境中，企业架构的设计与优化成为了一个关键议题。本文探讨了业务架构的价值、从通用架构到场景架构的转变等问题。通过对多个实际案例的分析，作者揭示了架构设计不仅仅是技术问题，更是对企业现状和未来发展的深度理解与把握。
认知推荐（二）：基于LLM的淘宝推荐算法显著提升发现性比例
认知推荐是深入了解用户需求的窗口，淘天集团算法技术团队致力于摒弃平台固有属性的束缚，从用户的角度出发，全面审视推荐链路中的潜在问题。本文深入分析如何通过一系列技术改进，将大模型无缝集成到现有的推荐系统中，从而实现更精准、更个性化的推荐结果。
一文彻底讲透GPT架构及推理原理
本篇是作者从开发人员的视角，围绕着大模型的正向推理过程，对大模型的原理的系统性总结，希望对初学者有所帮助。
AI驱动全端开发：淘宝信息流效率提升的探索
2023年，在淘宝App部分购后场景，我们将运行多年的Native信息流切换为Weex信息流。如今面对这个多达四套以上代码的业务，我们是如何解决不同端之间开发和协同效率的棘手问题呢？
1 行命令引发的Go应用崩溃
这篇文章分析了Go编译时插桩工具导致go build -race竞态检测产生崩溃的原因。
“日志＝数据库”？聊一聊日志背后的抽象
本文从思考日志的本质开始，一览业界对日志使用的最佳实践，然后尝试给出分布式存储场景下对日志模块的需求抽象，最后是技术探索路上个人的一点点感悟。