2022年来，AIGC概念迅速出圈并快速形成产业生态，成为继PGC、UGC之后新的数字内容创作形式。QQ影像中心提出了自研的AI画画技术方案——QQGC，本文作者富宸、王锐将介绍在QQGC基础大模型训练中的实践和探索。

随着 ChatGPT、Midjourney、Stable Diffusion 等现象级应用的广泛使用，大模型的安全性受到了学术界和产业界的广泛关注。现有的研究热点主要围绕两方面：

（1）利用 SFT 与 RLHF 等技术将大模型与人类偏好对齐，从而提升大模型自身的安全性。

（2）针对不同场景设计专用内容过滤器。除了大模型服务系统自身的安全性之外，如何防止大模型引发其他类型的风险也是值得注意的方向，本研究全面地讨论了大模型对于现有数字黑灰色产业的革新以及如何利用大模型自身的能力构建下一代的风控系统，针对一些具体的案例，我们给出了详细的上下游作恶手法还原，以此警示大家注意防范生成式 AI 引发的新型风险。

本文由 AI lab，SSV 公益平台部，PCG 画像平台中心，三方合作完成，旨在吸引对于 AIGC 在风控场景引发的风险的重视及提出一些解决思路。

从代码技巧、设计模式、高可用架构到职场发展。

推荐系统对“个性化体验”的强烈诉求，推动了“亚秒级”分析系统的诞生。微信大数据平台基于ClickHouse内核打造了WeOLAP亚秒级查询引擎，本文介绍​系列性能优化之BitBooster。

“AI 的 iPhone 时刻到来了”。非算法岗位的研发同学'被迫'学习 AI，产品岗位的同学希望了解 AI。但是，很多自媒体文章要么太严谨、科学，让非科班出身的同学读不懂；要么，写成了科幻文章，很多结论都没有充分的逻辑支撑，是‘滑坡推理’的产物。这篇文章从底层讲起，却不引入太多概念，特别是数学概念，让所有人都能对大模型的核心概念、核心问题建立认知。文章末尾也为需要严肃全面地学习深度学习的人给出了建议。

王者荣耀的地图是怎样开发出来的？

Pulsar 作为微信大数据平台 Gemini-2.0 的消息队列，支持了微信实时大数据及推荐场景的业务。经过我们一系列的改造优化，Pulsar在高性能、高可用、易维护、低成本等方面，都有很大的提升。

最近在处理iOS crash 防护时，发现Unrecognized Selector的防护存在一些日常开发被忽略的情况。若直接使用业内防护方案的话，有可能存在相对隐蔽不易发现的功能失效。本文就针对Unrecognized Selector防护中遇到的问题进行分析，揭秘整个防护过程隐藏的问题。

AIGC 热潮正猛烈地席卷开来，可以说 Stable Diffusion 开源发布把 AI 图像生成提高了全新高度，特别是 ControlNet 和 T2I-Adapter 控制模块的提出进一步提高生成可控性，也在逐渐改变一部分行业的生产模式。惊艳其出色表现，也不禁好奇其背后技术。本文整理了一些学习过程中记录的技术内容，主要包括 Stable Diffusion 技术运行机制，希望帮助大家知其所以然。

在腾讯成长守护IP的设计实践中，如何多维度，策略性的推进IP外观的设计并落地。

虽然官方文档记录了 ClickHouse 物化视图很多详细信息，但是使用物化视图还是有很多小细节需要注意，更别说一些最佳实践。本文总结了 ClickHouse 物化视图使用上的各种问题，并展示三个实际案例。

对于复杂多元的海外市场来说，discod社群为端外引流裂变后承接潜在玩家进私域社群大盘的长线运营方案搭建了健康的长线价值营销底座。本文引用多份资料，对Discord软件进行详尽具体的介绍，为游戏出海的社群运营建设提供参考。

动图加载是客户端比较难处理的点, 加载大量动图时, 如何在 CPU 和内存的调度上达到更好的平衡点?

本文探讨微信NLP算法微服务治理方案，针对微服务自动扩缩容，采取任务积压感知的方案。围绕DSL开发一系列工具，可视化构建、压测和部署上层服务。构建了Trace系统，追踪每个请求，发现性能瓶颈。微服务分为稳定和实验性服务，性能优化需兼顾服务稳定性和质量。此外，考虑到变更和迭代的需求，文章提到了Infer框架和Kernel等方法用于快速开发和上线。

MySQL使用分区剪枝来确定哪些分区符合查询条件，根据不同的分区类型进行判断。使用SEL_TREE描述区间范围进行剪枝，每个SEL_ARG包含一个或多个分区键。SEL_TREE可以分为三种情况，其中第三种情况是多个index merge tree，可以描述成merge_tree1 AND merge_tree2 ... AND merge_treeN，每个merge tree类似于第二种情况。在find_used_partitions中，根据分区类型和剪枝条件是否为一个等值查询进行剪枝，剪枝的结果取并集。如果无法只创建一个SEL_ARG，则会创建一个index_merge tree。

本文介绍了 Stable Diffusion 算法在图像生成领域的应用，包括图像生成、ControlNet、脚本使用等方面。其中，Dreambooth 是一种模型微调方法，可以合成不同场景、姿势、视角和光照条件下的主体。该方法通过先微调低分辨率模型，再通过低-高分辨率的配对微调超分辨率组件来实现。同时，提供了 Dreambooth 插件和参数设定指南。使用 Stable Diffusion 算法时，需要选择模型参数和采样器，点击 Create Model 后等待。若 Output 处显示 successfully，左边 Model Selection 处会出现自己刚创建的模型。