知鸦日报2025-02-18

企业在58平台招聘时，认证流程复杂导致用户流失。通过调研发现，用户在决策、信息理解和操作上成本高。于是，我们从信息语义、页面结构和认证步骤三方面简化流程：优化认证选择、缩减用户教育内容、提升上传材料效率、改进结果反馈方式。最终，认证提交率和成功率显著提升，用户体验大幅改善。

B站通过算法优化流媒体业务，提升用户体验。点播业务中，利用XGBoost模型预测“头部稿件”，优化转码决策，节省存储和带宽。资源量化模型动态调整转码任务，提升资源利用率。转码耗时预估模型采用xdeepfm，误差小于5分钟。直播弹幕语义分析通过SBERT模型实时识别用户反馈，提升直播质量。各项算法赋能显著提升业务效率和用户满意度。

随着企业业务拓展，API成为攻击者的主要目标，风险敞口扩大。通过流量分析，API异常检测实践聚焦于资产盘点、能力建设和风险防范。方案包括整体框架、事件响应SOP、实践流程，涵盖场景挖掘、特征工程、阈值画像和日常运营。检测手段结合日志分析、用户行为建模和大数据分析，策略分为规则型、模型检测和基线策略，有效应对爬虫、欺诈和中高频访问等异常流量。

京东广告团队基于大语言模型技术，开发了京准通智能助手，应用于广告投放场景。通过RAG和Function Call两大核心技术，智能助手实现了智能客服、数据查询、广告创编等功能。团队还构建了Agent搭建平台，提升工程复用率和应用搭建效率，支持多Agent架构升级，持续优化商家服务体验。

本文分享了作者在2024年初接手内容风控团队稳定性工作后的经验总结，探讨了系统稳定性的定义、面临的挑战及解决方案。通过事前降发生、事中降影响、事后优改进的三步策略，成功提升了系统稳定性，实现了上游请求成功率和应急时效的显著提升，解决了卡单问题，并完成了单元化架构的升级。

rsync通过增量传输算法实现高效文件同步，核心在于文件级和数据块级的增量传输。发送端计算校验码，接收端根据校验码重组文件，实现同步。rsync适用于大量小文件的实时同步，但对频繁更改的大文件如数据库，更适合用于备份而非实时同步。合理配置工具可提升实时同步效率。

生成式推荐大模型在京东联盟广告业务中优化UCTR与UCVR指标，通过DPO对齐范式实现多目标优化。商品离散化和行为序列建模简化了推荐流程，提升了模型泛化能力。Softmax-DPO和β-DPO方法分别处理多负例和参数敏感问题，线上实验显示转化率显著提升。未来探索方向包括多目标优化和多场景建模。

Qunar酒店搜索排序模型从LambdaMart升级到LambdaDNN，通过深度学习提升泛化能力。多目标模型MMOE引入CTR和CTCVR任务，缓解样本偏差，提升点击率。多场景融合优化中，特征分类建模增强场景差异学习，提升转化率。特征选择采用变分dropout，剔除冗余特征，提升模型效果。整体演进验证了深度模型在搜索排序中的有效性。

本文探讨了优化本地部署大模型性能的方法，重点介绍了提升吞吐量和响应时间的关键技术。通过CPU与GPU分离设计、Paged Attention解决显存碎片、Radix Attention减少重复计算、Chunked Prefill避免请求卡顿、多卡推理加速、预测解码等技术，显著提高了大模型推理效率。最后分享了Deepseek-R1模型的高效部署步骤。

百度网盘在应对高并发场景下的系统雪崩问题中，设计了一套防雪崩机制。通过动态熔断和流量隔离减少过载流量，结合请求有效性和socket有效性判断，避免处理无效请求。该机制有效防止了系统崩溃，保障了业务的可用性，提升了用户体验。这套架构为复杂链路下的高并发场景提供了可靠的解决方案。

在AI大模型应用中，Prompt是引导模型解决实际问题的关键。通过明确指令、上下文、输入数据和输出指示，Prompt能精准调用模型能力。RTF、RISEN等框架帮助优化Prompt设计，提升模型在客服、推理等场景的表现。少样本提示、思维链提示等技术进一步增强模型理解与推理能力，确保输出准确可靠。掌握Prompt撰写原则，如明确指令和充足思考时间，能显著提升大模型的业务价值。