本系列第六篇

在FY24双十一，多流的优化已经推广到了大部分的RTP业务上，非常显著的提升了性能，在大部分业务场景上取得了1-3倍的性能提升，降低了业务运行的硬件成本。

AI场景下的导购设计探索

我们的主要需求：现有报错文案亟需治理，要能看懂且有帮助。

阿里妈妈展示广告通过平台化算法和业务能力，提升了广告预估和出价的准确性。他们开发了TFMS召回系统，统一在线和离线召回技术栈，并通过智能算力分配实现资源高利用率。广告出价演进到基于多优化目标的自动出价技术，拍卖技术也发展到Deep GSP和Neural。策略工程体系升级，从精排单阶段出价到多阶段出价，从基于公式到基于模型。策略工程平台包括离线训练系统、实时调控系统和在线出价系统，能稳定、实时地支持广告的策略参数调控和出价算法计算，影响广告的排序和投放效果。

随着AI技术的发展，阿里妈妈将其应用到广告智能决策领域，如基于强化学习出价帮助广告主显著提升广告营销效果，基于学习的拍卖机制更高效的统筹优化多方利益。我们追根溯源，从历史发展的视角重新审视阿里妈妈智能决策技术演化过程，并分享我们工作和思考。

本篇文章通过几个技术点说明日志记录过程中的性能实践，计算机领域的性能往往都遵循着冰山法则，即你能看得见的、程序员能感知的只是其中的一小部分，还有大量的细节隐藏在冰山之下。

MNN对ConvolutionDepthwise Int8量化算子在ARM V8(64位)和ARM V8.2上的性能做了较大的优化，主要优化方法包括改变数据的排列方式以及使用Sdot指令。

本文作者用一个曾经小白学习的视角，来讲解什么是优化问题，以及要如何用这个优化技术。

‍如果你在做设计过程中有一些困惑，如：不会找用例、两个用例图分不清楚、不知道自己画的对不对。那么希望本文能帮助厘清上面几个问题，真正掌握用例图，在后面的设计中能运用的得心应手。

本文主要介绍本次体验优化专项的特点，产品能力体验升级背后的技术思考，以及技术视角优化的关键策略和结果。

在日常的开发中，作者总结了些平常用到的一些低成本、保持扩展性的套路，分享出来，欢迎大家讨论。

作者通过本文聊聊自己写代码的要求及代码的可读性。

通过AI工具使用，让不会设计、手绘的同学也能把想法转换成属于自己的绘本，举一反三实现绘本自由！

在新的JDK版本中，许多新的特性、工具和方法被引入，使得Java编程变得更加简洁、高效和强大。是时候对“八股文”进行一次知识库的清理和更新了。

互联网改变了人与人协作的方式，将信息传播的成本大幅降低。