话题公司 › 得物

公司:得物

得物,原名“毒”,是中华人民共和国上海市上海识装信息科技有限公司推出的一个电商手机应用。第三方商家和个人可以入驻得物平台与其他用户进行交易。

模型量化与量化在LLM中的应用

模型的推理加速早已成为AI工程化的重要内容,而近年基于Transformer架构的大模型继而成为主流,大模型推理面临内存需求和并行性挑战,常见的推理优化方式中量化因可大大降低显存需求以及计算速度的提升成为神经网络及LLM的首选。

如何做配置链接的质量保障?看这篇就对了

B端后台的配置在业务快速迭代过程中起到了重要的作用,若链接配置有误或未及时更新,会严重影响用户体验以及业务,那么业务侧的正确配置需特别关注和重点保障。技术侧各方链接都有对应的保障手段,通过梳理现有各端的保障手段,对其进行分析并不断优化完善。

大模型下B端前端代码辅助生成的思考与实践

B端前端代码开发过程中开发者总会面临重复开发以及代码规范的痛点,而目前AI大模型的不断发展,已可以满足日常基础页面搭建的需要,提升通用场景业务开发效率。现分享大模型下B端前端代码辅助生成的思考与实践。

你的debug包在Android 14变卡了吗

我的App怎么这么卡,谁在代码里下毒了!

有一天突然发现debug包运行变的特别卡顿,经过下面的简单测试发现debug包在Android 14上出了问题。 就开始了一系列的问题排查并尝试解决。

深入理解Transformer技术原理

谷歌在2007年发布Transformer架构的论文时,论文的标题是:Attention Is All You Need。重点说明了这个架构是基于注意力机制的。那么一起跟着笔者的脚步来深入理解Transformer的技术原理吧!

秒开率破90%-交易后台渲染性能优化

一直以来,体验都是得物技术部的关键词之一,对于前端开发而言,提高用户体验更是一项至关重要的工作。本文从本次交易后台性能优化实践出发,同时介绍应用整体架构和设计,希望可以给参与网站性能建设的同学提供一定的学习和参考价值。

得物 Zookeeper SLA 也可以 99.99%

在接管部分自建集群的过程中,发现ZooKeeper在运行一段时间后,内存占用率会不断增加,容易导致内存耗尽(OOM)的问题。我们对这一现象非常好奇,因此参与了解决这个问题的探索过程。

基于Java代码模型生成质量平台自动化用例方案与实践

自动化用例的开发和维护成本一直是自动化测试领域老生常谈的话题,本次分享结合了低代码思想和Java代码模型快速的生成质量平台自动化测试用例方案与实践,主要是为了解决:提升自动化用例开发效率、降低自动化用例维护成本和“重设计,轻实现”设计驱动。

得物千人规模敏捷迭代实践分享

文章从得物技术团队的发展不同阶段遇到的挑战出发,PMO在不同阶段的工作方向重心,实践沉淀,能力建设演进进一步与大家做深入的详解。

“不知今夕是何年”的周基年解法

从“周基年”这个小场景,可以发现编程基础的扎实与否多么重要,很多同学认为八股文没有价值,恰恰就是这种坚实的基础保证下,才能够让我们的业务系统运行顺畅无问题。

Monkey自动化工具结合B端组件可行性探索

为了保障系统的稳定性和强壮性,以及应对迭代变更带来的挑战,需要寻找更灵活有效的自动化回归方案。我们研发了一款创新的测试工具—Monkey Testing。本文将深入阐述Monkey的出发点、创新过程以及落地情况,探讨其可行性和价值。

同城双活:交易链路的稳定性与可靠性探索

双活过程中遇到了非常多的问题,我们只能给出我们认为偏合理的方案,希望给大家展示出来的这个正确答案,能够有更积极的参考价值。本文仅聚焦在业务团队及中间件组件的设计及改造上。

GitLab稳定性工程建设(多区多活架构)

GitLab的稳定性建设一方面要从架构上升级,另一方面也要持续治理使用场景,规避那些不合理的使用行为。今天在这里将GitLab系统的稳定性建设过程通过文字的形式分享给大家,欢迎大家一起交流探讨!

得物App灰度&全量发布效率提升实践

最近我们针对发布流程做了整个链路的优化,通过调整发布节奏、提升双端发布系统自动化能力等措施,帮助业务触达用户效率(每版本提前1天)

如何扩展大模型的上下文长度

本文通过剖析Llama模型结构,解析上下文扩展的关键层RoPE,并概述各种扩展方法的原理,希望能够帮助大家对大模型上下文扩展有一个系统的了解。

深入理解Sora技术原理

笔者参考了大量的资料,试着深入理解Sora的技术原理,就此篇文章与大家分享。

ホーム - Wiki
Copyright © 2011-2024 iteam. Current version is 2.139.0. UTC+08:00, 2024-12-25 14:31
浙ICP备14020137号-1 $お客様$