美团到店研发平台质量工程部与复旦大学计算机学院周扬帆教授团队展开了大前端智能化测试领域的科研合作，从UI界面内容一致性校验入手，并实现了一套自动化智能检测流程，相关论文被软件工程领域具有国际影响力的会议ICSE 2024（CCF-A）收录。

有没有办法让动态化容器的性能尽可能接近原生？美团金服大前端团队给出了一种解决方案，尝试突破动态化容器的天花板。

本文详述了全域建模技术在美团首页推荐系统的发展和演进。

新一代实验分析引擎，该引擎对核心实验框架进行了标准化，并融合了众多先进解决方案，有效解决小样本挑战。同时，提供了多样化的溢出效应应对策略，并针对不同业务场景提供了精准的方差和P值计算方法，以规避统计误差。

本文分享了美团信息流广告业务以及预估技术的现状，从决策路径、超长超宽建模和全还原建模等多个维度介绍了信息流广告预估在美团的具体实践。

本文将介绍美团在视觉AIGC技术落地过程中遇到的挑战以及解决思路。

本篇文章将深入探讨多线程编程的基本概念（原子操作、CAS、Lock-free、内存屏障、伪共享、乱序执行等）、常见模式和最佳实践。

Sonic是美团内部研发设计的一款用于热部署的IDEA插件，本文其实现原理及落地的一些技术细节。

整个系统主要是通过更高效的数据结构和更合理的系统架构，达到了3个数量级的性能提升。

外卖美食知识图谱系列第二篇，本文介绍了外卖从零到一建设菜品标准化体系的过程及方案，涉及的主要技术包括NLP领域的实体抽取、文本匹配、关系分类，以及CV领域的图像匹配等。

美团开放平台为整个美团提供了20+业务场景的开放API，为了使开发者能够快速且安全的接入美团开放平台，美团开放平台提供了多种语言的SDK来提高开发者的接入效率。本文介绍了美团开放平台如何自动生成SDK代码的相关技术实现方案，希望对大家能够有所帮助或者启发。

本次分享的内容是美团酒旅图谱的构建与应用。在美团酒旅业务的垂直搜索中，用户的需求大致可分为两类：明确找店、找具有某些属性的同类商户（泛场景需求）。为解决传统文本检索对于泛场景需求效果不佳的问题，我们以生活服务领域海量评论数据、搜索日志等作为主要数据源，通过标签挖掘、标签关系判别及标签商户关联等技术，梳理用户的场景需求，完成初版图谱构建；并将图谱应用到搜索场景中，提升用户体验和场景认知能力。

本文重点介绍了生成式关键词召回、多模态生成式向量召回、生成式相关性判断在美团的实践。

本文从小程序的质量保障需求出发，分析小程序的测试难点，引出小程序可测性的基本概念，介绍美团到店研发平台针对小程序可测性改进的通用化方案。

图灵平台是美团配送技术团队搭建的一站式算法平台。

Apache Spark是一个优秀的计算引擎，广泛应用于数据工程、机器学习等领域。向量化执行技术在不升级硬件的情况下，既可获得资源节省和加速作业执行。