本文主要介绍了百度在推荐排序方面的思考与实践，以及特征、算法和架构三个角度的介绍。百度采用了离散化特征设计，平衡了记忆和泛化效果，特别是对头部用户和稀疏长尾的处理方式不同。文章强调了用户的点击和消费决策序列在模型设计中的重要性。百度通过分层设计和联训提高模型效率，采用弹性计算法保证模型复杂性和性能。精排模型精度高，重排模型在此基础上做list wise。百度希望通过这些措施实现推荐公平和数据分布的平衡。

本文介绍了如何通过将Spark的计算模式改为按列计算，并使用C++语言重写逻辑，来提升Spark计算引擎的性能。文章详细讨论了重写Spark SQL内核的工作量和Databricks已实现的闭源C++版本SQL内核。同时，也提出了可以选择一个性能强大的开源引擎，并改造为符合要求的SQL内核，以减少人力成本。最后，文章展示了将ClickHouse作为Spark SQL的示意图。通过改造Spark引擎并利用ClickHouse的优势，可以显著提高性能。

Figma & AI相结合生成开发代码的一站式解决方案。

基于日志中台实时架构实现准确、可扩展、低成本的日志埋点监控。

本文从打点平台角度，描述日志中台在打点治理方面提供的解决方案与实践经验。

文章详细介绍了 Spring AI 的使用方法，并将 Spring AI 与 Spring Boot 集成，结合检索增强生成技术，帮助读者轻松开发出一个 AI 原生应用。

爱速搭是一个前端页面可视化模块，它提供了上百种功能组件，解放了前端研发人员的样式微调和兼容工作。它支持多种技术栈的自定义组件扩展，如Vue、React、jQuery等。用户可以使用AKFun提供的工具进行自定义组件的编码和编译，并将其打包成静态js脚本发布成一个NPM包。开发NPM组件扩展包时需要注意避免重复加载第三方依赖的代码。

本文阐述了一种大模型应用-智能CommitMessage小助手，帮你按照提交规范自动生成符合规范的CommitMessage，从此告别CommitMessage的烦恼。

简介先来看一下官方介绍：雪花算法“雪花算法（Snowflake）是一种生成分布式全局唯一 ID 的算法，生成

本文整理自 2024 年 4 月 QCon 全球软件开发大会（北京站） 性能优化专题的同名主题分享。当前数据中心的服务器中部署着各类 CPU（Intel/AMD/Ampere 等），这些平台的差异，使得运行在上面的程序无法

文章介绍了一种降低动效研发成本的视觉增强前端方案。

1. 向量检索应用简介向量是多维数学空间里的一个点，在各维度上的坐标的一串数字。这个点就是来源于真实世界的物体进行数字化之后在数学空间的投影。那么不同点之x

标签虽小，但能为用户提供关键信息，辅助决策。本文以爱采购为例，简述B2B平台标签体系的设计优化思路。

新一代自助分析BI，基于主题宽表实现自由拖拽分析，自定义生成仪表盘，一键订阅发送，辅助分析提效。

本文介绍了如何通过场景化端到端托管加速百度商业业务实时化取得增收

本文将帮助Golang学习的同学以完整，直观的方式掌握Golang的IO基础库的设计与使用。