公司：阿里巴巴
阿里巴巴集团创立于1999年，是中国大陆一家以提供互联网服务为主的综合企业集团，目前实行位于杭州，上海与北京的双总部制度。
阿里巴巴服务范围包括B2B贸易、网上零售、购物搜索引擎、第三方支付和云计算服务。集团的子公司包括阿里巴巴B2B、淘宝网、天猫、一淘网、阿里云计算、聚划算、全球速卖通、阿里巴巴国际交易市场、饿了么、飞猪、优酷、盒马鲜生、阿里影业、菜鸟网络、高德地图、Lazada、Daraz等。旗下的淘宝网和天猫在2012年销售额达到1.1兆人民币，2015年度商品交易总额已经超过三兆元人民币，是全球最大零售商。
至2012年九月底止的财政年度，以美国会计准则计算，阿里营业额按年增长74%至318.39亿元（港元‧下同），盈利急升80%至37.75亿元。2015年全年，阿里巴巴营收146.01亿美元，净利为74.94亿美元。2017年，根据阿里巴巴集团向美国证券交易委员会提交的IPO招股书显示，雅虎持有阿里巴巴集团22.6%股权、软银持阿里集团34.4%股份，另管理层、雇员及其他投资者持股比例合共约为43%，当中马云持阿里巴巴集团约8.9%、蔡崇信持股为3.6%。
2019年11月，阿里巴巴集团在在港交所二次上市。香港财经界把阿里巴巴、腾讯（港交所：700）、美团点评（港交所：3690）、小米（港交所：1810）四只中国大陆科技股的英文名称首个字母，合称“ATMX”股份。
2019年11月26日，阿里巴巴集团港股上市，总市值超4兆，登顶港股成为港股“新股王”。2020年8月，阿里巴巴集团港股总市值首次超过6万亿。
阿里巴巴拆份出去的蚂蚁集团上市前，网络金服整体遭遇到政府的强力监管，阿里巴巴同样受到影响，2021年4月10日，阿里巴巴集团涉垄断被中国市场监管总局罚款182.28亿元人民币。2023年三家中国最主要的金融机构，再联合开罚71亿元，不过也随着官方宣布最后整顿工作的完成，阿里巴巴股价开始反弹。
大模型加持淘宝搜索体验巡查，异常发现精度达93%
淘宝搜索的模型架构，经过多年持续不断的优化，已处于较为成熟的水平。然而，用户在搜索过程中偶尔会遇到体验不佳的问题。为了更好满足用户的购物体验，淘宝需要具备主动发现线上体验问题的能力。
淘天集团算法技术团队借助反作弊业务常用的异常检测思想，并结合AI大语言模型，将其应用在搜索体验巡查场景中，设计了ADLLM (Anomaly Detection/Adversial LLM) 框架。该框架可对搜索首页结果进行统一巡查，其相关性、丰富性、异常Query和商卡一致性的异常发现能力精度可达到93%以上。
该框架在算法上做到异常检测(Anomaly Detection)，针对搜索大盘的真实日志和对抗模拟等方式，批量发现搜索结果“挂万漏一”的异常Case；同时在业务上做到对抗性(Adversial)，对挖掘到的异常Case进行可解释性归类，并对搜索负向体验问题进行监控；同时为正向算法团队提供异常样本，协助学习更加鲁棒的模型。
RTP支持PyTorch模型预测打分启航
低延时精排预测(Realtime Predict, 以下简称RTP)服务是阿里巴巴智能引擎团队自研、支持集团内搜推算法模型落地服务的工程框架, 当前RTP对接的搜推模型, 训练和部署几乎都是建立在TensorFlow上的....
同一段代码写N遍？通用树结构一次搞定
本文深入探讨了树形结构在实际应用中的广泛使用及其重要性，并提出了一套通用且高效的工具类TreeUtil来处理与树形数据相关的操作。
从原理出发 - 提示词如何影响大模型的输出
本文作者通过对自己的所学所思进行了总结，解析提示词如何塑造AI的响应，揭示了其背后的机制。
面向Workload级别的灵活可配置Serverless弹性解决方案
本文介绍了四种Serverless弹性解决方案组件，分别针对不同场景提供灵活的资源调度和配置能力，帮助企业高效利用弹性算力，降低运维成本并提升服务性能。
Open AI全球宕机思考：谈谈可观测采集稳定性建设
文章探讨了为什么大规模集群中的可观测性服务会产生大量API请求、API服务器为何对DNS解析至关重要以及故障恢复过程为何缓慢的原因。
消息中间件稳定性建设之SLA浅述
最近参与了部门消息服务的架构升级和稳定性保障，以此文总结下当建设和负责维护中间件稳定性时必备的SLA基础知识，一并调研目前国内外商业化云消息中间件产品SLA相关情况，最后附上个人在支持不同业务场景时通用性粗浅思考，有不当的地方欢迎探讨交流。
当leetcode真题上了生产引发的线上问题
记录并分析一次线上支付系统出现OOM（Out Of Memory）故障的排查与解决过程。
编译时插桩，Go应用监控的最佳选择
本文讲解了阿里云编译器团队和可观测团队为了实现Go应用监控选择编译时插桩的原因，同时还介绍了其他的监控方案以及它们的优缺点。
Weex购物车长列表横滑操作优化“编年史”
Weex购物车诞生已经一年有余，在长列表的交互优化上花费了不少时间，本篇文章重点回顾一下长列表下横滑操作的优化历程。
C++11并发：内存模型和原子类型
本文主要参考《C++ Concurrency In Action》 对其内容做了提炼总结。《C++ Concurrency In Action》这本书非常推荐，如果对C++并发有兴趣，非常推荐大家去拜读原版，里面有非常多的无锁编程模型。
AIGC在生鲜领域的落地应用
随着人工智能生成内容技术快速发展与广泛应用，生鲜电商行业迎来新的机遇。本文简述总结2024年AIGC在生鲜领域的实际应用。特别聚焦于生鲜领域业务，通过文本图片以及动图等多种形式，探索生鲜商品更优质契合场景需求的范式，并介绍相应技术实现方案。
如何提升大模型的“深度思维能力”
本文将基于我们的思考，探讨大模型提升思维能力的路径。
什么？CPU消耗要压降80% ——《事件序列化CPU开销压降》揭榜
本文为《事件CPU开销压降》揭榜报告，旨在解决风控系统间信息传递时事件体持续膨胀导致的序列化/反序列化CPU消耗过高的问题。
极简开发，极速上线：构建端到端大模型应用
本文将以一个经典的 RAG（检索增强生成）知识问答系统为例，详细介绍从智能体设计到最终应用部署的全流程。
我在阿里做技术PM-如何做好技术pm
本文作者分享了自己做pm多年的实践经验，从什么是pm到如何做好技术pm做出了详尽的解答。