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。

长尾数据分类面临多数类主导问题，解耦训练范式通过特征学习与分类器再训练分离取得进展。创新指标Logits Magnitude和Regularized Standard Deviation揭示了分类器优化的关键。提出的标签过度平滑（LOS）方法软化类间差异，有效抑制多数类干扰，在多个长尾数据集上实现最佳性能。

AI在软件开发中日益重要,但大模型仍存在幻觉等问题。智能体系统通过模块化、自主决策等特性,提升AI应用的可靠性。本文以Code Review任务为例,探讨了从简单复制粘贴到使用LangChain框架构建智能体系统的全过程,分享了工程化方法与最佳实践,并分析了智能体系统面临的挑战与解决方案。

本系列文章将从客户端、服务器和音视频编码优化三个层面介绍如何基于WebRTC构建视频连麦系统。B站开发的系统使用UDP协议确保低延迟,结合前向和后向纠错解决丢包问题,并动态调整码率和发送速率。通过标准API重构,提升维护性和兼容性。详细解析信令交换、选择性转发服务器和数据通道在连麦中的应用,支持多平台一致性操作。

B站直播用户带宽需求增加，推动了对CDN边缘节点的优化。通过分层调度设计，将节点分为多个资源池，根据不同计费方式和用户需求优化带宽利用。采用区域借调策略解决供需不均，通过成本规划和启发式资源规划提高资源利用率。资源调度层进一步细化节点资源分配，确保每个业务有足够节点支持，提升直播稳定性和资源利用效率。

在2024年全球机器学习大会上，大模型推理效率成为关注焦点。推理面临高计算成本、内存需求及延迟与吞吐量的权衡等挑战，多模态任务加剧资源消耗。为应对这些问题，提出多层次优化策略，包括算子融合、量化技术、框架优化等。华为MindIE-LLM框架通过FlashAttention、Continuous Batching等技术显著提升推理性能，未来需探索更极致的压缩算法、硬件优化及异构加速策略。

B站团队设计并实现了一种用于批量查询的分布式查询架构，显著提高了推荐系统的性能。

历时近两年的重新设计和迭代重构，用户技术中心的新活动平台建设bilibili活动中台终于落地完成！

本文将从工程实践的视角出发，深入介绍B站搜推召回系统的架构设计与实现。

随着B站业务的飞速发展，数据规模呈指数级增长，计算集群也逐步从单机房扩展到多机房部署模式。

B站网络团队基于业务需求和特性出发，并结合业界对于AI网络的落地实践方案，设计并落地了自己的AI计算网络。本文将简单介绍B站网络团队在建设AI计算网络上的一些设计关键因素和选择。

为了解决上述的“数据不一致”和“计算不一致”，我们将B站推荐模型数据流升级成一致性架构。

B站提出了一个专为动漫视频生成设计的综合系统AniSora，包括数据飞轮、可控的生成模型和一个评估基准。

本文将详细介绍 B 站装机系统的演进过程，以新交付装机和复杂网络装机两个装机场景为例，重点探讨我们在装机实践中面临的挑战和提出的解决方案。

在 B 站 我们引入了 Gravitino，本次分享将介绍 Gravitino 在 b 站的最佳实践。

评论是 B站生态的重要组成部分，涵盖了 UP 主与用户的互动、平台内容的推荐与优化、社区文化建设以及用户情感满足。