转转面向二手电商业务，在搜索推荐、智能质检、智能客服等场景落地了AI技术。在实践的过程中，也发现了存在GPU执行优化不充分，浪费计算资源，增加应用成本等问题。

此外还存在线上线下处理逻辑需要分别开发的情况，造成额外的开发成本和错误排查成本，对一些需要高速迭代的业务场景的负面影响不可忽视。本文将会重点介绍基于Torchserve进行推理服务部署架构优化的工程实践。

Astro具有轻量级与高性能、卓越的SEO优化、兼容性与灵活性、简洁的开发体验、出色的社区支持、成本效益高等优势。

拍卖是一种常见的交易形式，那么在二手机领域如何给商品定起始价格呢？

随着产业化的深入，商业搜索场景需要更深入理解业务，与业务结合。本文将介绍商业搜索场景中，围绕用户体验和商业收入提升，所做的技术迭代和升级。

本文给大家介绍海报生成相关知识以及使用中常见的问题。希望能够抛砖引玉，为遇到类似需求或问题的伙伴们提供参考。

搜索是转转主要的流量分发入口，搜索场景覆盖了App首页搜索、App频道页搜索以及小程序搜索等各种服务入口。意图理解旨在准确地解读用户输入的搜索关键词背后的真正需求，对搜索体验的好坏至关重要。通过意图理解，搜索引擎可以调整搜索策略，提供与用户意图匹配的搜索结果，提高搜索结果的相关性和用户体验。此外，意图理解还可以帮助搜索引擎提供更多的个性化服务，如推荐相关内容、智能提示等，从而进一步提高搜索的效果和用户满意度。

意图理解简单来说就是从词法、句法、语义三个层面对 Query 进行结构化解析。在电商场景的首要问题是query的类目预测，例"iphone 15 pro 128 白色"的结构化类目为手机(类目)-苹果(品牌)-15 pro(型号)。转转的类目体系庞大、类目层级间存在关联，且query可能属于多个类目。转转的类目预测可理解为三个有关联性的任务。

本文主要介绍多任务学习在转转搜索意图理解的类目预测中的实践。首先介绍多任务学习的基本概念；其次介绍业界类目预测的方法；最后展示多任务学习在转转意图理解类目预测场景下的探索。

我们将实际演示如何搭建一个简单的 1v1 音视频通话 demo，让理论知识真正应用于实践。同时，还将介绍多路通信架构，探索如何在 WebRTC 中处理复杂的通信需求。

我们在转转推荐中尝试结合因果推断来解决流行度偏差问题。本文首先讲解因果推断的基本概念，其次介绍因果推断在推荐系统中的一个代表性工作MACR，最后展示因果推断在转转场景下的探索。

做开发这么久，学习过很多概念，也看过不少的书，但今天回过头来看自己实际工作中所负责的系统， 除了具体的编码技巧，术的层面外，在系统的设计上，真的是一言难尽，似乎一直都达不到满意的状态，经常幻想着要是能够从零开始构建就好了。理论和实践是有不同，但究竟在那个点上造成的？

为了提升搜索推荐系统的效率和服务质量，我们的系统架构被拆分为中控、召回、排序三个独立模块。然而，接入新排序服务后，微详情页和搜索场景的响应时间分别增加了10毫秒和20毫秒，导致性能下降，因此需要进一步优化和解决延迟问题。

履约时效，简称Promise，对于消费者来说，可以让他们更好地规划自己的时间和需求，知道自己购买的商品能够在特定时间内到达，有助于消费者做出合理的决策，并减少等待的焦虑。

InnoDB默认的事务隔离级别是REPEATABLE-READ，它为了解决该隔离级别并发情况下的幻读问题，使用了LBCC（基于锁的并发控制）和MVCC（多版本的并发控制）两种方案。其中LBCC解决的是当前读情况下的幻读问题，MVCC解决的是快照读情况下的幻读问题，那既然如此，该隔离级别下是否仍然还存在幻读的问题呢？幻读问题到底有没有完全解决呢？

本文详细介绍了58同城邀约业务系统的架构设计和实践经验。文章涵盖了系统的业务背景、整体架构、核心组件设计、技术实现细节等。

实时通信技术正在迅速改变我们的沟通方式，WebRTC（Web Real-Time Communications）作为这场变革的核心，为开发者和用户带来了无限可能。

转转每一台‘官方验’的设备，都会经过质检站点对其进行全方面的检测。在检测流水线中，质检工程师对每台设备进行检测作业；这过程中除了产生对应的检测结果外，检测过程的动作、硬件参数、耗时等数据目前没有系统性的利用起来；而这些操作过程中的数据可以较好的体现质检工程师的整个质检过程。基于此，我们希望能通过技术手段获取到这个过程的数据。

MySQL死锁问题大家或多或少都有了解，但是面对实际场景该如何排查呢，本文将通过实际的例子来带大家一起揭秘。