[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-cbamls--AI_Tutorial":3,"tool-cbamls--AI_Tutorial":61},[4,18,26,36,44,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",150037,2,"2026-04-10T23:33:47",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",108322,"2026-04-10T11:39:34",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":32,"last_commit_at":50,"category_tags":51,"status":17},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[52,13,15,14],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":32,"last_commit_at":59,"category_tags":60,"status":17},4721,"markitdown","microsoft\u002Fmarkitdown","MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。\n\n在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。\n\n这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器",93400,"2026-04-06T19:52:38",[52,14],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":66,"readme_en":67,"readme_zh":68,"quickstart_zh":69,"use_case_zh":70,"hero_image_url":71,"owner_login":72,"owner_name":72,"owner_avatar_url":73,"owner_bio":74,"owner_company":75,"owner_location":76,"owner_email":77,"owner_twitter":78,"owner_website":74,"owner_url":79,"languages":78,"stars":80,"forks":81,"last_commit_at":82,"license":78,"difficulty_score":83,"env_os":84,"env_gpu":84,"env_ram":84,"env_deps":85,"category_tags":88,"github_topics":89,"view_count":10,"oss_zip_url":78,"oss_zip_packed_at":78,"status":17,"created_at":101,"updated_at":102,"faqs":103,"releases":133},3191,"cbamls\u002FAI_Tutorial","AI_Tutorial","精选机器学习，NLP，图像识别， 深度学习等人工智能领域学习资料，搜索，推荐，广告系统架构及算法技术资料整理。算法大牛笔记汇总","AI_Tutorial 是一个专注于人工智能领域的开源知识库，致力于系统整理机器学习、自然语言处理、图像识别、深度学习以及搜索推荐广告系统等方向的高质量技术资料。它汇集了来自全球开源项目官网、顶尖技术社区（如 GitHub、StackOverflow）以及国内外知名互联网大厂（如阿里、美团、FAANG）的技术博客与实战笔记。\n\n在信息爆炸的时代，AI_Tutorial 有效解决了从业者难以高效获取权威、前沿且系统化学习资源的痛点，打破了技术信息不对称的壁垒。通过每日自动更新机制和“算法大牛笔记汇总”栏目，它将分散的行业实践与理论综述整合为连贯的知识体系，帮助用户快速对标行业前沿。\n\n该平台非常适合 AI 工程师、数据科学家、学术研究人员以及希望深入理解算法原理的开发者使用。无论是初学者夯实基础，还是资深专家寻找特定场景的解决方案，都能在此获得启发。其独特亮点在于不仅提供静态文档，还通过滚动周报形式实时追踪最新技术动态（如大模型推理加速、RAG 系统优化等），并秉持“坚持做正确的事”的理念，旨在成为人工智能领域长期可信赖的“史家之绝唱”，助力用户在智能时代持续成长。","\u003Cp align=\"center\">\n \u003Cimg width=\"300px\" src=\"https:\u002F\u002Fwww.6aiq.com\u002Fimages\u002Flogo.png\"\u002F>\n \u003Cbr>中文 | \u003Ca href=\"README_en.md\">English\u003C\u002Fa>\n \u003Cbr>全面整理高质量的人工智能、机器学习、大数据等技术资料。内容主要来自开源项目官网、综合技术网站（AIQ 、InfoQ、Stackoverflow、Github 等、国内外知名互联网公司技术博客(FAANG、Alibaba、Meituan etc)、知名技术公众号(DatafunTalk、阿里技术等)。\n\u003Cb>该文档每天自动更新\u003C\u002Fb>\u003C\u002Fp>\n\n**我们有一个梦想**：随着全球工业界在AI道路上的不断探索与沉淀，笔耕不缀，很多很多年后， AIQ终将成为人工智能领域的“史家之绝唱，无韵之离骚”。——“苦练基本功”\u003Cbr>\n**我们有一个梦想**：随着工业界不断的分享实践，未来无数的AI工程师们都能在这里找到解决方案、对标前沿，收获志同道合的朋友。智能时代里遍地生花、百家争鸣。——“坚持做正确的事，而不是容易的事”\u003Cbr>\n**我们有一个梦想**：随着不断提升人工智能技术信息获取的效率，降低信息不对称壁垒，加速行业周期，助力人类智 能化的翅膀飞的更高更远！——“每天前进三十公里”\u003Cbr>\n\n\u003Cp align=\"center\">\n \u003Ca href=\"https:\u002F\u002Fimg.6aiq.com\u002F2021\u002F10\u002Fqrcode_for_gh_55a79183406f_430-27ebd613.jpg\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FTalk-公众号-brightgreen.svg?style=popout-square\" alt=\"WeiXin\">\u003C\u002Fa>\n \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fcbamls\u002FAI_Tutorial\u002Fstargazers\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fstars\u002Fcbamls\u002FAI_Tutorial.svg?style=popout-square\" alt=\"GitHub stars\">\u003C\u002Fa>\n \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fcbamls\u002FAI_Tutorial\u002Fissues\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fissues\u002Fcbamls\u002FAI_Tutorial.svg?style=popout-square\" alt=\"GitHub issues\">\u003C\u002Fa>\n \u003Ca href=\"https:\u002F\u002Fwww.6aiq.com\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FAIQ-AIQ人工智能社区-red.svg?style=popout-square\" alt=\"AIQ\">\u003C\u002Fa>\n\u003C\u002Fp>\n\u003Cdiv style=\"color: red; font-size: 10px\">推广、广告、招聘、投稿、合作 侵权请联系邮箱\u003C\u002Fdiv>\n\n\n> Github：https:\u002F\u002Fgithub.com\u002Fcbamls\u002FAI_Tutorial\u003Cbr>\n> Website: https:\u002F\u002Fwww.6aiq.com \u003Cbr>\n> Mail: 88cbam@gmail.com \u003Cbr>\n> 加我微信: wx_vchar \u003Cbr>\n---\n\n# 滚动周报\n\n> 注：算法大牛本周发布的笔记汇总，统计区间(2024-04-08 ~ 2024-04-15), 本周报更新时间:2024-04-15 15:03:27\n\n| 序号 | 佳作 | 作者 | 时间 |\n| --- | --- | --- | --- |\n| 1 | [图解大模型计算加速系列：vLLM源码解析2，调度器策略(Scheduler)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F692540949) | 猛猿 | 2024-04-15 13:17:50 |\n| 2 | [大模型高速下载常用的的几种方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F692475654) | 大林 | 2024-04-15 07:59:28 |\n| 3 | [大模型 \\| meta2024 wukong: 推荐模型本身如何做大](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F692460232) | 亦一 | 2024-04-15 00:00:02 |\n| 4 | [揭秘NVIDIA大模型推理框架：TensorRT-LLM](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F692445786) | DataFunTalk | 2024-04-14 21:14:33 |\n| 5 | [ChatBI：基于文心一言的生成式数据分析技术探索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F692442114) | DataFunTalk | 2024-04-14 20:45:05 |\n| 6 | [最新综述 \\| A Review of Graph Neural Networks in Epidemic Modeling](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F692367021) | Houye | 2024-04-14 08:53:09 |\n| 7 | [懂车帝数据指标体系建设和应用实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F692112830) | DataFunTalk | 2024-04-12 14:07:40 |\n| 8 | [DataOps 在联通数科的实践 构建数据治理研发运营一体化能力](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F692109402) | DataFunTalk | 2024-04-12 13:59:03 |\n| 9 | [如何快速提高大模型的向量表征效果能力？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F692009751) | 刘聪NLP | 2024-04-11 22:36:46 |\n| 10 | [尺寸魔方：AIGC赋能下的视觉创意智能延展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691972924) | 阿里妈妈技术 | 2024-04-11 18:08:12 |\n| 11 | [时间序列 AI 技术与大模型：蚂蚁集团的实践与应用探索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691920410) | DataFunTalk | 2024-04-11 14:58:03 |\n| 12 | [导师：瞒着我发水刊，你退学吧！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691823700) | Houye | 2024-04-11 06:20:35 |\n| 13 | [我发现了两个很好用的kimi插件](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691575336) | 大林 | 2024-04-09 20:24:25 |\n| 14 | [大模型微调方案设计和能力整合](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691561328) | DataFunTalk | 2024-04-09 18:37:24 |\n| 15 | [Apache Spark在小米的生产实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691487374) | DataFunTalk | 2024-04-09 13:54:06 |\n| 16 | [轻量微调技术：如何运用有限数据实现高效微调](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691456279) | DataFunTalk | 2024-04-09 11:50:13 |\n| 17 | [迈向公平图学习的新基准：电子科大等发布全新综合数据集和统一评估方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691405551) | Houye | 2024-04-09 05:37:24 |\n| 18 | [RAG系统中答案无关片段对LLMs生成答案有何影响？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691370554) | 刘聪NLP | 2024-04-08 20:50:36 |\n| 19 | [理想汽车基于Flink on K8s的数据集成实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691295601) | DataFunTalk | 2024-04-08 15:01:04 |\n| 20 | [大数据安全治理与防范——网址反欺诈实战](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691280368) | DataFunTalk | 2024-04-08 14:03:49 |\n| 21 | [当大语言模型遇见推荐系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691246967) | DataFunTalk | 2024-04-08 11:03:26 |\n| 22 | [自那之后，heygen更新了蛮多功能的](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691201705) | 大林 | 2024-04-08 07:34:48 |\n# 大牛笔记\n * [DataFunTalk](#datafuntalk)\n * [朱翔宇](#朱翔宇)(「炼丹笔记 」「阿里云天池大赛赛题解析」作者,《阿里云天池大赛赛题解...)\n * [机智的叉烧](#机智的叉烧)(OPPO对话算法，公众号：CS的陋室,个人微信公众号：CS的陋室，N...)\n * [大师兄](#大师兄)(《深度学习高手笔记》系列丛书作者,通过和 @人民邮电出版社 的合作，...)\n * [刘聪NLP](#刘聪nlp)(专业炼丹师，专治疑难杂症,NLP算法工程师，个人微信：logCong...)\n * [北冥乘海生](#北冥乘海生)(大数据仁波切 公号“计算广告”(Comp_Ad),《计算广告》作者，...)\n * [李rumor](#李rumor)(公众号「李rumor」，AI算法小姐姐，谷歌开发者专家,还没呢。...)\n * [鱼遇雨欲语与余](#鱼遇雨欲语与余)(公众号：Coggle数据科学，《机器学习算法竞赛实战》作者,一对一学...)\n * [亦一](#亦一)(公众号：播播笔记(推荐算法)，吾之(生活思考),在不堪一击的现实里还...)\n * [张小磊](#张小磊)(小小又大大的梦想,小小又大大的梦想。...)\n * [sliderSun](#slidersun)(https:\u002F\u002Fgithub.com\u002FsliderSun,https...)\n * [绝密伏击](#绝密伏击)(九天惊雷撼乾坤，一指破空九万里,一位篮球爱好者。...)\n * [Houye](#houye)(化学本，计算机博。私信不看，有问题付费咨询。,微信Houye93 公...)\n * [Microstrong](#microstrong)(微信公众号：Microstrong，大规模分布式算法工程师,欢迎关注...)\n * [石塔西](#石塔西)(CDA持证人，推荐算法说书人～公众号：推荐道,如果有问题咨询，请走“...)\n * [阿水](#阿水)(公众号【Coggle数据科学】,数据挖掘\u002F计算机视觉从业者\n数据竞赛...)\n * [吴海波](#吴海波)(机器学习,蘑菇街VP，WeShop全球化。...)\n * [王喆](#王喆)(广告\u002F推荐 Engineering Manager,广告\u002F推荐, E...)\n * [zenRRan](#zenrran)(公众号：「深度学习自然语言处理」，小小NLPer~,不做螺丝钉，学以...)\n * [琦琦](#琦琦)(一个爱跳舞 的程序猿,建议尽量不要私信我，极有可能漏看。\n有疑问可在...)\n * [吴恩达](#吴恩达)\n * [阿里妈妈技术](#阿里妈妈技术)\n * [蘑菇先生](#蘑菇先生)(个人公众号: 蘑菇先生学习记 & 某大厂算法工程师。,胜不骄，败不馁...)\n * [张俊林](#张俊林)(你所不知道的事,Heil Hydra！嗯。...)\n * [大林](#大林)\n * [缄默笔记](#缄默笔记)(公众号\"缄默笔记\"，分享推荐系统学习笔记,...)\n * [King James](#king-james)(公众号：KingJames讲策略，算法出身的策略产品；,1. 专注于...)\n * [猛猿](#猛猿)(公众号：大猿搬砖简记,学习和职业历程：\n会计➡️算法➡️大数据➡️算...)\n * [李沐](#李沐)(https:\u002F\u002Fgithub.com\u002Fmli。...)\n * [策略产品Arthur](#策略产品arthur)\n * [Keep Learning](#keep-learning)\n * [何枝](#何枝)(欣赏每一个用逻辑阐述观点的人，不喜欢无论据的情绪输出。,笑一个吧，功...)\n * [潘润琦](#潘润琦)(一只菜鸡 木有学上,...)\n * [衣介书生](#衣介书生)(打工人，公众号：后厂村搬砖工，欢迎关注,#打工人 #互联网 #推荐算...)\n * [姚凯飞](#姚凯飞)(喜欢数学的算法工程师,码农，欢迎关注我的微信公众号: data_al...)\n * [JioNLP团队](#jionlp团队)(开源JioNLP千星作者，公众号JioNLP，数据分析,jionlp...)\n * [Ostrich](#ostrich)(厚积薄发,分享互联网技术和成长经验。...)\n * [Young](#young)(公众号【Young样说】探索前沿有趣的科技AI见闻,- 清华大学本科...)\n * [冯伟](#冯伟)(推荐系统,混迹推荐系统的小码农。...)\n * [杨旭东](#杨旭东)\n * [iwtbs](#iwtbs)(公众号：推荐广告算法小木屋,推荐算法工程师。...)\n * [萧瑟](#萧瑟)(王哲，广告\u002F推荐\u002F深度学习\u002FNLP，知乎专栏：炼丹实验室,http:...)\n * [风控大鱼](#风控大鱼)(互联网风控\u002F风险模型\u002F反洗钱（公众号：风控大鱼）,Nothing w...)\n * [一两赘肉无](#一两赘肉无)(和鲸社区运营，heywhale.com,...)\n * [Peter PanXin](#peter-panxin)(AI 大数据 分布式系统,Colossus, Spanner, IA...)\n * [归来仍是少年](#归来仍是少年)(欢迎大家关注公众号《我爱自然语言处理》,做自然语言处理方向，kagg...)\n * [Tang AI](#tang-ai)(在机器学习中欲仙欲死,神经病王子，佛系，网瘾少年。...)\n * [Andy Yang](#andy-yang)(生活、学习、思考和观察世界,自由之精神 独立之思想。...)\n * [机器学习推荐算法](#机器学习推荐算法)\n * [yanianthe](#yanianthe)(炒股被抄家的前大厂程序员@不掉发就是胜利。,你好呀，交个朋友。...)\n * [王峰](#王峰)(http:\u002F\u002Fhappynear.wang\u002F。...)\n * [kaiyuan](#kaiyuan)\n * [北冥有鱼](#北冥有鱼)(zepengzhang.com。...)\n * [九老师](#九老师)\n * [黑猫白猫cutecat](#黑猫白猫cutecat)\n * [arXivDaily](#arxivdaily)\n * [bytecoder](#bytecoder)\n * [PaperWeekly](#paperweekly)(欢迎关注同名微信公众号：PaperWeekly,厚积薄发。...)\n * [网络人工智能园地](#网络人工智能园地)(华为网络AI平台(NAIE)官方帐号,公众号：网络人工智能园地\n官网...)\n * [小潄](#小潄)\n * [阿泽](#阿泽)(公众号：阿泽的学习笔记,程序员 摄影师 \n爱健身 高颜值 五迷 暖男...)\n * [朱小强](#朱小强)(技术探险者,正在开启新的旅程。。...)\n * [Aston Zhang](#aston-zhang)(《动手学深度学习》 https:\u002F\u002Fzh.d2l.ai,...)\n * [其它](#其它)\n\n\n# 工业案例\n * [亚马逊](#亚马逊)\n * [苏宁](#苏宁)\n * [丁香园](#丁香园)\n * [作业帮](#作业帮)\n * [VIVO](#vivo)\n * [OPPO](#oppo)\n * [58同城](#58同城)\n * [知乎](#知乎)\n * [贝壳找房](#贝壳找房)\n * [第四范式](#第四范式)\n * [明略科技](#明略科技)\n * [饿了么](#饿了么)\n * [滴滴](#滴滴)\n * [微软](#微软)\n * [UC](#uc)\n * [联想](#联想)\n * [今日头条](#今日头条)\n * [陌陌](#陌陌)\n * [货拉拉](#货拉拉)\n * [去哪儿网](#去哪儿网)\n * [vivo](#vivo-1)\n * [美团](#美团)\n * [携程](#携程)\n * [唯品会](#唯品会)\n * [华为](#华为)\n * [360](#360)\n * [神策数据](#神策数据)\n * [哔哩哔哩](#哔哩哔哩)\n * [爱奇艺](#爱奇艺)\n * [大疆](#大疆)\n * [新浪](#新浪)\n * [搜狗](#搜狗)\n * [搜狐](#搜狐)\n * [小红书](#小红书)\n * [CVTE](#cvte)\n * [拼多多](#拼多多)\n * [科大讯飞](#科大讯飞)\n * [微众银行](#微众银行)\n * [蘑菇街](#蘑菇街)\n * [新东方](#新东方)\n * [快手](#快手)\n * [小米](#小米)\n * [金山](#金山)\n * [Hulu](#hulu)\n * [优酷](#优酷)\n * [eBay](#ebay)\n * [虎牙](#虎牙)\n * [字节跳动](#字节跳动)\n * [汽车之家](#汽车之家)\n * [腾讯](#腾讯)\n * [VIPKID](#vipkid)\n * [好未来](#好未来)\n * [谷歌](#谷歌)\n * [百度](#百度)\n * [网易](#网易)\n * [蚂蚁金服](#蚂蚁金服)\n * [凤凰网](#凤凰网)\n * [有赞](#有赞)\n * [微信](#微信)\n * [京东](#京东)\n * [乐视](#乐视)\n * [米哈游](#米哈游)\n * [趋势科技](#趋势科技)\n * [阿里](#阿里)\n\n## DataFunTalk\n\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [揭秘NVIDIA大模型推理框架：TensorRT-LLM](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F692445786) | 2024-04-14 21:14:33 |\n| 2 | [ChatBI：基于文心一言的生成式数据分析技术探索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F692442114) | 2024-04-14 20:45:05 |\n| 3 | [懂车帝数据指标体系建设和应用实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F692112830) | 2024-04-12 14:07:40 |\n| 4 | [DataOps 在联通数科的实践 构建数据治理研发运营一体化能力](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F692109402) | 2024-04-12 13:59:03 |\n| 5 | [时间序列 AI 技术与大模型：蚂蚁集团的实践与应用探索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691920410) | 2024-04-11 14:58:03 |\n| 6 | [大模型微调方案设计和能力整合](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691561328) | 2024-04-09 18:37:24 |\n| 7 | [Apache Spark在小米的生产实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691487374) | 2024-04-09 13:54:06 |\n| 8 | [轻量微调技术：如何运用有限数据实现高效微调](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691456279) | 2024-04-09 11:50:13 |\n| 9 | [理想汽车基于Flink on K8s的数据集成实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691295601) | 2024-04-08 15:01:04 |\n| 10 | [大数据安全治理与防范——网址反欺诈实战](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691280368) | 2024-04-08 14:03:49 |\n| 11 | [当大语言模型遇见推荐系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691246967) | 2024-04-08 11:03:26 |\n| 12 | [货拉拉大数据新一代基础架构实践与思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691146401) | 2024-04-07 18:18:57 |\n| 13 | [指标平台加速零售数字化转型--Kyligence Zen 智能一站式指标平台](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691142970) | 2024-04-07 17:59:11 |\n| 14 | [一文看懂什么是强化学习?(基本概念+应用场景+主流算法+案例)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691133200) | 2024-04-07 17:21:28 |\n| 15 | [大模型分布式训练的第四种境界](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691121130) | 2024-04-07 16:37:56 |\n| 16 | [如何实现 DataOps 开发、运营、治理一体化](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691117297) | 2024-04-07 16:20:30 |\n| 17 | [大语言模型在开放世界中的推理能力探索实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691040368) | 2024-04-07 10:45:05 |\n| 18 | [用户画像算法：历史、现状与未来](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F690616411) | 2024-04-03 17:51:06 |\n| 19 | [卷大模型没意义，卷应用机会更大](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F690569491) | 2024-04-03 14:50:09 |\n| 20 | [大模型在金融领域落地思路与实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F690416708) | 2024-04-02 17:44:00 |\n| 21 | [字节智能运维场景的LLM应用实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F690320347) | 2024-04-02 10:52:13 |\n| 22 | [ETL原罪是什么？NoETL怎么搞？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F690226956) | 2024-04-01 18:54:26 |\n| 23 | [快手强化学习与多任务推荐](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F690224687) | 2024-04-01 18:28:27 |\n| 24 | [滴滴国际化出行场景指标体系建设](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F689721633) | 2024-03-29 14:06:39 |\n| 25 | [Soul 基于 AIGC 的实践与探索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F689698346) | 2024-03-29 11:39:35 |\n| 26 | [阿里通用多模态大模型 OFA 研究实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F689373516) | 2024-03-27 18:02:42 |\n| 27 | [袋鼠云在实时数据湖上的探索实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F689164434) | 2024-03-26 18:10:18 |\n| 28 | [抖音电商埋点与归因分析实践方案](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F689103446) | 2024-03-26 14:32:39 |\n| 29 | [教育领域大模型技术与应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F688965494) | 2024-03-25 18:51:09 |\n| 30 | [算力之外，大模型训练的隐藏挑战](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F688862466) | 2024-03-25 11:50:07 |\n| 31 | [滴滴大数据资产治理实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F688312597) | 2024-03-24 13:33:10 |\n| 32 | [大数据 AI 一体化解读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F688310539) | 2024-03-23 13:24:02 |\n| 33 | [快手统一分析服务建设实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F688302589) | 2024-03-22 09:00:20 |\n| 34 | [抖音电商数据血缘探索和实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F688217727) | 2024-03-21 11:18:23 |\n| 35 | [十分钟验证一个高性能车联网数据平台解决方案](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F687899067) | 2024-03-19 17:41:27 |\n| 36 | [金融数据治理场景化实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F687658993) | 2024-03-18 15:41:55 |\n| 37 | [OLTP&OLAP超融合，揭秘新一代云原生数据库的设计之道](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F687011291) | 2024-03-18 09:23:03 |\n| 38 | [流图计算在蚂蚁数仓加速场景的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F687009189) | 2024-03-14 18:30:08 |\n| 39 | [AI风暴来袭：2024年数据平台的演进、挑战与机遇](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F686844867) | 2024-03-13 18:30:07 |\n| 40 | [海外游戏智能营销技术应用探索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F686750676) | 2024-03-13 11:30:44 |\n| 41 | [大模型时代，新一代向量数据库的探索应用-DingoDB](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F686616689) | 2024-03-13 09:00:08 |\n| 42 | [腾讯欧拉平台数据血缘架构及应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F686615758) | 2024-03-12 20:10:05 |\n| 43 | [蚂蚁金服异常检测和归因诊断分析实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F686614715) | 2024-03-12 16:36:41 |\n| 44 | [大模型推动下的百度信息流推荐系统重构设计](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F686545542) | 2024-03-12 11:31:58 |\n| 45 | [滴滴指标标准化的核心设计思路](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F686401842) | 2024-03-11 16:20:46 |\n| 46 | [滴滴指标标准化的核心设计思路](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F686326378) | 2024-03-11 10:58:43 |\n| 47 | [AI 原生应用中的 AI Agents 探索与实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F685922034) | 2024-03-08 11:09:19 |\n| 48 | [携程用大模型都做了些啥？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F685738149) | 2024-03-07 11:53:34 |\n| 49 | [画像标签体系构建与应用实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F685593730) | 2024-03-06 18:18:16 |\n| 50 | [Agent如何革新AI医疗？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F685518225) | 2024-03-06 10:37:01 |\n| 51 | [懂车帝准实时指标体系架构及应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F685430989) | 2024-03-06 09:35:16 |\n| 52 | [算法&大数据如何赋能？​OPPO推荐领域降本增效指南](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F685430189) | 2024-03-05 20:30:16 |\n| 53 | [华为盘古大模型微调实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F685429263) | 2024-03-05 17:57:55 |\n| 54 | [AI Agent在阿里电商平台中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F685310145) | 2024-03-05 10:33:28 |\n| 55 | [如何提供一个可信的AB测试解决方案](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F685164508) | 2024-03-04 14:04:48 |\n| 56 | [Data Fabric 在数据集成场景的实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684809801) | 2024-03-01 17:43:54 |\n| 57 | [训练大模型缺少高质量数据?我们找到了一种新的解决方案](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684759180) | 2024-03-01 14:34:00 |\n| 58 | [eBay推荐系统的多模态与商品嵌入技术实践：提升效能与用户体验](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684728385) | 2024-03-01 11:40:27 |\n| 59 | [小米 OLAP 引擎在 Trino 的应用实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684623361) | 2024-02-29 18:07:00 |\n| 60 | [资料下载：大模型在智能风控的应用案例](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684571607) | 2024-02-29 14:53:48 |\n| 61 | [2023年推荐+LLM有哪些成果？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684533428) | 2024-02-29 11:31:41 |\n| 62 | [如何从0-1使用 Apache Arrow 构建新数据系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684429597) | 2024-02-28 20:06:09 |\n| 63 | [数据治理资料下载《数据全生命周期安全管理实践案例》](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684358349) | 2024-02-28 14:00:01 |\n| 64 | [飞猪旅行供应链品类规划算法——推荐和选品模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684184873) | 2024-02-27 20:00:14 |\n| 65 | [基于 StarRocks 和 Paimon 打造湖仓分析新范式](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684177680) | 2024-02-27 15:02:46 |\n| 66 | [你们要的资料来了！强化学习经典算法—DQN算法揭秘](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684163306) | 2024-02-27 14:06:16 |\n| 67 | [当\"狂飙\"的大模型撞上推荐系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684020568) | 2024-02-26 17:20:52 |\n| 68 | [最新资料下载！京东因果推断方法实践文档！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F683983732) | 2024-02-26 15:07:05 |\n| 69 | [24年最新资料《Agent技能实践地图2.0》下载地址来啦！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F683594315) | 2024-02-23 16:02:54 |\n| 70 | [生成式AI在育碧3A游戏图像生成的实践应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F683559725) | 2024-02-23 13:54:44 |\n| 71 | [下载地址来啦！下载破万的《大模型与推荐知识地图》2.0版](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F683377965) | 2024-02-22 14:25:10 |\n| 72 | [快手推荐系统海量模型数据处理实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F683223601) | 2024-02-22 08:30:04 |\n| 73 | [vivo 大模型从训练到产品落地的最佳实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F683222143) | 2024-02-21 18:30:15 |\n| 74 | [字节基于用户画像标签的分析及业务场景应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F683220155) | 2024-02-21 16:37:48 |\n| 75 | [免费资源来啦！《大模型微调方案设计&能力整合知识地图2.0》](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F683218355) | 2024-02-21 16:31:40 |\n| 76 | [字节跳动数据集成引擎 BitSail 开源架构演进和实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F683061590) | 2024-02-20 19:06:08 |\n| 77 | [如何提升Agent角色扮演能力](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F682961096) | 2024-02-20 11:06:52 |\n| 78 | [高性能 LLM 推理框架的设计与实现](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F682872971) | 2024-02-19 18:51:50 |\n| 79 | [快手短视频推荐中的因果推断实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F682817867) | 2024-02-19 14:52:50 |\n| 80 | [兼顾降本增效，StarRocks 3.0 关于存算这对CP分离的最佳\"姿势\"](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F681149648) | 2024-02-02 20:00:12 |\n| 81 | [AB实验「坑」贼多？腾讯搜索实验有妙招！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F680874317) | 2024-02-02 18:02:18 |\n| 82 | [​揭秘NVIDIA大模型推理框架：TensorRT-LLM](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F680808866) | 2024-01-31 18:54:33 |\n| 83 | [2024年，如何精准押注大模型？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F680747508) | 2024-01-31 14:34:56 |\n| 84 | [基于“数据-模型-策略-实验”生态闭环的智能风控实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F680626074) | 2024-01-30 19:03:27 |\n| 85 | [模型与算法在石油产业链的优化应用实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F680432343) | 2024-01-30 12:33:15 |\n| 86 | [腾讯数据采集治理之质量篇-从合规到合理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F680431007) | 2024-01-29 20:54:02 |\n| 87 | [一文搞懂 NVIDIA 在 GPU 上高效部署语音 AI 模型的最新应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F680427251) | 2024-01-29 18:14:52 |\n| 88 | [深入浅出快手图数据库：看架构如何让推荐召回更高效](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F680423326) | 2024-01-29 17:41:20 |\n| 89 | [2万字揭秘阿里巴巴数据治理平台建设经验](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F680249301) | 2024-01-28 19:03:26 |\n| 90 | [大数据分析平台之 OLAP 架构的最佳实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F679826138) | 2024-01-25 18:40:37 |\n| 91 | [强化学习和世界模型中的因果推断](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F679778066) | 2024-01-25 17:15:37 |\n| 92 | [如何建设一个良好的可观测性数据平台直击企业痛点？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F679607628) | 2024-01-24 18:20:47 |\n| 93 | [B站大数据开发治理平台的产品设计心得](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F679414130) | 2024-01-24 17:05:47 |\n| 94 | [腾讯数据治理技术实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F679401230) | 2024-01-23 17:40:01 |\n| 95 | [大模型的高效训练和部署技术卷出新高度！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F679217804) | 2024-01-22 18:57:42 |\n| 96 | [风控场景全流程模型构建及应用实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F679189538) | 2024-01-22 16:49:17 |\n| 97 | [企业如何构建指标平台并实现智能分析？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F678575781) | 2024-01-18 18:43:18 |\n| 98 | [手把手教你构建标签中台](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F678480358) | 2024-01-18 11:34:19 |\n| 99 | [蚂蚁 TuGraph-DB 数据库查询引擎技术](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F678370871) | 2024-01-17 18:33:05 |\n| 100 | [如何将知识图谱与AIGC结合？京东是这么做的](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F678369301) | 2024-01-17 17:56:27 |\n| 101 | [淘宝直播APP用户增长实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F678129183) | 2024-01-17 11:22:04 |\n| 102 | [如何构建好的用户画像平台？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F678098760) | 2024-01-16 14:04:07 |\n| 103 | [数据集成产品的技术演进与实际应用-FastData DCT](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F677894198) | 2024-01-15 14:02:19 |\n| 104 | [数据治理全流程实战剖析，助力业务增长](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F677539400) | 2024-01-12 19:24:44 |\n| 105 | [阿里巴巴长文档推荐系统在企业数字化中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F677525998) | 2024-01-12 17:54:41 |\n| 106 | [小红书社区反作弊探索与实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F677318745) | 2024-01-11 20:06:58 |\n| 107 | [重塑数据架构：云器Lakehouse如何简化组装式架构实现性能与成本的精益平衡](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F677299365) | 2024-01-11 18:03:10 |\n| 108 | [翼支付云原生数据开发与治理平台实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F677244645) | 2024-01-11 14:53:48 |\n| 109 | [京东零售数据可视化平台产品实践与思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F677107185) | 2024-01-10 18:47:36 |\n| 110 | [滴滴大数据成本治理实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F677097434) | 2024-01-10 17:46:20 |\n| 111 | [百度推荐排序技术的思考与实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F676660251) | 2024-01-08 15:16:43 |\n| 112 | [蚂蚁营销推荐场景上的因果纠偏方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F676655357) | 2024-01-08 14:56:08 |\n| 113 | [机器学习与运筹优化打造智慧供应链的最佳实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F676271261) | 2024-01-05 17:04:44 |\n| 114 | [YY 直播业务指标治理实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F676093325) | 2024-01-04 18:13:22 |\n| 115 | [使用 OpenLLM 构建和部署大模型应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F676023813) | 2024-01-04 13:56:21 |\n| 116 | [OLAP 的技术研发与思考--ClickHouse 2023 总结和 2024 展望](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F675905983) | 2024-01-03 19:03:45 |\n| 117 | [肖仰华：走向千行百业的大模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F675698865) | 2024-01-02 17:38:28 |\n| 118 | [OPPO 广告召回算法实践与探索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F675609025) | 2024-01-02 10:56:01 |\n| 119 | [如何设计好的指标平台？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F675239387) | 2023-12-29 18:10:51 |\n| 120 | [大模型应用探索——企业知识管家](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F675236395) | 2023-12-29 17:55:02 |\n| 121 | [腾讯(大禹投放平台)用户LTV建模技术研究和实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F675051847) | 2023-12-28 18:19:10 |\n| 122 | [腾讯欧拉平台产品经理：如何做一款好的数据平台？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F675040451) | 2023-12-28 17:26:26 |\n| 123 | [小红书应对万亿社交网络关系的图存储实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F674856080) | 2023-12-27 19:20:15 |\n| 124 | [快手关于因果科学及其工业界应用落地](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F674853285) | 2023-12-27 17:39:28 |\n| 125 | [大规模数据存储技术架构：如何应对海量数据挑战？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F674642243) | 2023-12-26 16:52:28 |\n| 126 | [大模型工具学习探索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F674630135) | 2023-12-26 16:05:42 |\n| 127 | [理想汽车基于Flink on K8s的数据集成实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F673703602) | 2023-12-22 18:42:18 |\n| 128 | [一线大厂数据产品经理成长之路](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F673510846) | 2023-12-21 19:01:06 |\n| 129 | [关于A\u002FB 实验中策略长期效果评估方案的研究](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F673304618) | 2023-12-20 18:07:10 |\n| 130 | [如何成为好的数据产品经理？-快手数据平台负责人](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F673113607) | 2023-12-19 20:32:07 |\n| 131 | [数据治理与大模型一体化实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F673112480) | 2023-12-19 18:55:54 |\n| 132 | [快手 Dragonfly 策略引擎的设计与应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F672907963) | 2023-12-18 18:52:41 |\n| 133 | [坦白局！网易数帆解读 Apache Kyuubi 1.8 特性](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F672802588) | 2023-12-18 11:22:08 |\n| 134 | [LLM+Data，金融行业的顶流神器！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F672279255) | 2023-12-15 10:39:58 |\n| 135 | [OLAP技术的选择，进化和思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F672079607) | 2023-12-13 20:08:00 |\n| 136 | [B 站基于 StarRocks 构建大数据元仓和诊断系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F671882091) | 2023-12-12 21:10:14 |\n| 137 | [DataFunCon2023·深圳站回顾｜附PPT下载](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F671522651) | 2023-12-11 10:29:53 |\n| 138 | [以新能源资产为主体的能源运营决策](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F671195304) | 2023-12-10 09:40:12 |\n| 139 | [CTR 2023 最新进展：Calibration based MetaRec CTR](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F671193362) | 2023-12-09 09:30:04 |\n| 140 | [大模型时代 AI 技术在金融行业的创新应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F670982189) | 2023-12-07 20:50:13 |\n| 141 | [小米数据生产平台的产品设计方法与实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F670774744) | 2023-12-06 20:30:15 |\n| 142 | [Apache Celeborn 社区的今天和明天](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F670564677) | 2023-12-05 18:57:20 |\n| 143 | [如何看待大数据云原生发展之路--观 2023 云栖大会有感](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F670357474) | 2023-12-04 18:50:55 |\n| 144 | [货拉拉用户埋点体系建设实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F669925792) | 2023-12-03 18:25:01 |\n| 145 | [我们能获得推荐系统的大模型吗？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F669924897) | 2023-12-03 08:20:11 |\n| 146 | [NVIDIA-Merlin: 基于GPU的推荐系统训练和推理全套方案](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F669920972) | 2023-12-02 18:00:04 |\n| 147 | [丁香园大数据基于 Apache Kyuubi \u002F Celeborn 的实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F669919356) | 2023-12-02 08:40:15 |\n| 148 | [增长的底层逻辑和新增长三大案例](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F669917490) | 2023-12-01 20:30:03 |\n| 149 | [OPPO应用分发策略：如何雕琢用户价值，同时削减成本？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F669715860) | 2023-11-30 20:00:17 |\n| 150 | [小米指标体系的建设及管理最佳实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F669303049) | 2023-11-28 18:58:13 |\n| 151 | [腾讯TRS在线搜参在搜推广业务中的探索和实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F668657371) | 2023-11-26 09:00:13 |\n| 152 | [DCMM 助力工业企业数字化转型发展最佳实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F668656385) | 2023-11-25 18:11:04 |\n| 153 | [多域图大模型在百度推荐系统的实践与思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F661815713) | 2023-10-17 18:00:08 |\n| 154 | [数据湖与实时数仓应用实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F661532090) | 2023-10-16 11:03:17 |\n| 155 | [大语言模型在推荐系统的实践应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F660982750) | 2023-10-12 18:59:03 |\n| 156 | [京东实时风险洞察的架构演迸与思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F660670033) | 2023-10-11 11:46:30 |\n| 157 | [数据平台的6个关键模块](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F660543729) | 2023-10-10 17:18:50 |\n| 158 | [网易大数据智能运维平台 EasyEagle](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F660484176) | 2023-10-10 13:51:37 |\n| 159 | [（一文读懂大数据行业）-面向百度商业数据产品的全流程 DataOps 实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F660317667) | 2023-10-09 16:19:55 |\n| 160 | [阿里巴巴数据稳定性治理实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F660032042) | 2023-10-08 10:03:58 |\n| 161 | [算法工程师的职业发展之路](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F659425088) | 2023-10-03 17:14:52 |\n| 162 | [打造用户增长场景下的AB实验体系，我们需要做什么？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F659019582) | 2023-09-29 09:48:29 |\n| 163 | [Trino 在哔哩哔哩湖仓一体化平台中的实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F658673572) | 2023-09-27 11:42:38 |\n| 164 | [58标签体系建设实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F658563505) | 2023-09-26 18:52:32 |\n| 165 | [决策优化算法行业落地难点与发展趋势](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F658340635) | 2023-09-26 09:00:11 |\n| 166 | [Doris新优化器背后的故事](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F658336237) | 2023-09-25 18:01:53 |\n| 167 | [主动学习以及样本不均衡在图数据场景的探索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F658018057) | 2023-09-23 18:38:12 |\n| 168 | [Flink CEP在实时风控场景的落地与优化](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F657880281) | 2023-09-22 18:42:02 |\n| 169 | [探索智能供应链在医药领域的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F657793675) | 2023-09-22 13:12:05 |\n| 170 | [Flink CEP在实时风控场景的落地与优化](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F657622512) | 2023-09-22 09:00:10 |\n| 171 | [华为多模态同传翻译的落地及优化](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F657615742) | 2023-09-21 15:54:52 |\n| 172 | [流式图计算在蚂蚁大数据场景的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F657207758) | 2023-09-19 17:34:21 |\n| 173 | [网易伏羲游戏AI Bot的拟人化和风格化：AIGA赋能游戏探索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F656997198) | 2023-09-18 18:43:53 |\n| 174 | [数据产品经理的三个成长路径](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F656923742) | 2023-09-18 14:20:45 |\n| 175 | [打造极致HTAP精品国产数据库，TDSQL融合版来了！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F656482270) | 2023-09-15 15:50:19 |\n| 176 | [大厂的数据产品设计模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F656188131) | 2023-09-14 12:04:22 |\n| 177 | [字节基于 Hudi 的批流一体存储实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F654263972) | 2023-09-04 18:07:12 |\n| 178 | [阿里云实时数仓与流式数据湖构建实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F651380913) | 2023-08-21 16:39:16 |\n| 179 | [数据指标体系如何构建？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F648903832) | 2023-08-09 10:59:48 |\n| 180 | [Spark还是Flink？主流计算引擎如何选择？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F647830607) | 2023-08-03 19:26:43 |\n| 181 | [大模型看了也摇头的决策场景，清华、菜鸟、阿里的专家如何解决？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F647700520) | 2023-08-03 11:07:56 |\n| 182 | [硬件资源限制下环路检测如何在风控领域提效数十倍？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F647588863) | 2023-08-02 18:59:07 |\n| 183 | [基于知识图谱的图神经网络推理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F647114494) | 2023-07-31 18:57:30 |\n| 184 | [网易云音乐实时数仓治理优化实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F646791110) | 2023-07-29 23:34:11 |\n| 185 | [新一代车联网数据基座架构 - 基于 YMatrix 的最佳实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F646789616) | 2023-07-29 23:21:28 |\n| 186 | [淘宝直播APP用户增长实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F646786738) | 2023-07-29 22:55:17 |\n| 187 | [AB实验在腾讯海外游戏中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F644141339) | 2023-07-17 18:42:37 |\n| 188 | [OPPO基于图神经网络的搜索推荐算法与实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F644137476) | 2023-07-17 18:22:38 |\n| 189 | [湖仓存储系统设计剖析和性能优化](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F643624852) | 2023-07-14 17:30:23 |\n| 190 | [火山引擎增长指标体系构建及分析实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F643624248) | 2023-07-14 17:27:30 |\n| 191 | [实时物化视图：加速大规模时间序列数据查询的利器](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F643615790) | 2023-07-14 17:03:12 |\n| 192 | [腾讯TRS之元学习与跨域推荐的工业实战](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F642918461) | 2023-07-11 18:01:15 |\n| 193 | [抖音集团面向多样应用场景的数据准备实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F642911039) | 2023-07-11 17:32:25 |\n| 194 | [如何在大背景下降本增效，构建超大规模存储架构？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F641913148) | 2023-07-06 16:06:15 |\n| 195 | [推荐系统的公平性：从消费者到供给者](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F641711427) | 2023-07-05 18:52:25 |\n| 196 | [Flink：从流式计算走向流式数仓](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F641631297) | 2023-07-05 14:25:26 |\n| 197 | [数据科学在实践中常见的数据谎言](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F641471332) | 2023-07-04 18:47:12 |\n| 198 | [大厂绝密！对象存储和块存储系统的设计思路和落地实践！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F641400402) | 2023-07-04 14:53:38 |\n| 199 | [爱奇艺数据链路治理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F641223135) | 2023-07-03 17:56:52 |\n| 200 | [OPPO基于大模型与知识图谱的技术实践探索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F640441842) | 2023-06-29 17:02:44 |\n| 201 | [大模型与数智创新、人才变革](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F640439550) | 2023-06-29 16:57:40 |\n| 202 | [数据湖 Iceberg 在小米的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F640430166) | 2023-06-29 16:30:59 |\n| 203 | [从模型到服务：阿里云机器学习PAI一站式模型开发和部署实](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F639352957) | 2023-06-25 12:22:57 |\n| 204 | [新能源车企数据中台指标体系建设方法论](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F639265148) | 2023-06-25 00:27:37 |\n| 205 | [广义因果森林的构造以及在在线交易市场的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F638250323) | 2023-06-19 19:15:22 |\n| 206 | [高性能、云原生湖仓一体存储架构探秘](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F638247662) | 2023-06-19 19:00:26 |\n| 207 | [「万字长文系列」带你理清图数据库 & 图计算](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F637851973) | 2023-06-17 21:26:07 |\n| 208 | [EB级数仓都在用的算子级血缘如何实现主动数据治理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F637108757) | 2023-06-14 18:38:41 |\n| 209 | [网易基于Apache Ranger 的数据安全中心实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F636833115) | 2023-06-13 18:31:57 |\n| 210 | [从数据集成到现代数据栈](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F636714270) | 2023-06-13 11:48:01 |\n| 211 | [腾讯欧拉如何打造数据自治系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F636675430) | 2023-06-13 10:47:44 |\n| 212 | [数仓 Onedata 体系建设方法论](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F636275555) | 2023-06-11 16:23:00 |\n| 213 | [网易云音乐数据治理实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F636264206) | 2023-06-11 15:59:23 |\n| 214 | [低代码指标平台，构建人人可用的敏捷指标工具](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F635595653) | 2023-06-08 14:12:52 |\n| 215 | [超写实数字人技术探索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F635416788) | 2023-06-07 20:07:01 |\n| 216 | [基于统一语义层构建的智能化数据分析平台](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F635415159) | 2023-06-07 18:33:52 |\n| 217 | [基于统一语义层构建的智能化数据分析平台](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F635413937) | 2023-06-07 18:26:32 |\n| 218 | [从 Apache Doris 到 SelectDB：下一代云原生实时数仓的演进](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F634404909) | 2023-06-04 15:11:10 |\n| 219 | [精准推荐的秘术：阿里解耦域适应无偏召回模型详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F634386054) | 2023-06-04 13:02:02 |\n| 220 | [因果推断与大模型如何互相促进？且看学界和业界专家详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F633865250) | 2023-06-01 11:55:58 |\n| 221 | [人脸检测技术演进史](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F633715836) | 2023-05-31 18:39:39 |\n| 222 | [网易有数 BI 图表查询性能优化实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F633434240) | 2023-05-30 19:03:11 |\n| 223 | [因果推断在翼支付智能决策场景的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F633433682) | 2023-05-30 18:57:54 |\n| 224 | [多任务学习最新：基于神经元级共享的 CTR、CVR 多任务联合预估方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F633128623) | 2023-05-29 18:04:40 |\n| 225 | [图计算在翼支付风控场景的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F633122864) | 2023-05-29 17:42:56 |\n| 226 | [超越甲骨文和微软，位居第一，数据库技术未来会如何创新？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F633046989) | 2023-05-29 14:36:37 |\n| 227 | [Apache hudi在腾讯的落地与实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F632811900) | 2023-05-28 15:30:02 |\n| 228 | [图算法在阿里风控系统中的实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F632787757) | 2023-05-28 11:26:43 |\n| 229 | [基于知识的神经符号结合的离散推理研究](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F632453931) | 2023-05-26 16:41:02 |\n| 230 | [GNNs 推荐系统及应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F632207502) | 2023-05-25 18:36:04 |\n| 231 | [面向大规模深度学习训练的缓存优化实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F632106929) | 2023-05-25 14:21:40 |\n| 232 | [因果推断应用现状、挑战与趋势](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F632080322) | 2023-05-25 12:10:24 |\n| 233 | [知识可迁移图神经网络及其在金融风险预测中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F631818669) | 2023-05-24 14:46:05 |\n| 234 | [数百个技术话题与最佳实践，覆盖AIGC、数据安全等领域，值得一看！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F631532222) | 2023-05-23 14:26:49 |\n| 235 | [阿里云数据湖统一元数据与存储管理实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F631528622) | 2023-05-23 13:59:55 |\n| 236 | [京东零售供应链数字孪生探索与实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F631325157) | 2023-05-22 18:30:06 |\n| 237 | [网易 Arctic on Flink 流式特性核心原理解读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F630872810) | 2023-05-20 15:33:36 |\n| 238 | [读时建模技术在异构数据分析平台的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F630724658) | 2023-05-19 20:00:12 |\n| 239 | [基于知识增强和预训练大模型的 Query 意图识别](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F630723604) | 2023-05-19 18:56:18 |\n| 240 | [大模型时代，AI基础软件的关注点再次回到运行效率](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F630711685) | 2023-05-19 18:02:44 |\n| 241 | [教程｜利用 TuGraph 图数据库搭建图应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F630435368) | 2023-05-18 18:40:09 |\n| 242 | [清华大学彭皓：事件抽取发展脉络、前沿算法与工具包](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F630109907) | 2023-05-17 18:30:03 |\n| 243 | [多模态 DNN 模型在药物相互作用预测任务中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F629745583) | 2023-05-16 14:00:04 |\n| 244 | [音乐驱动数字人技术详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F629573883) | 2023-05-15 18:38:36 |\n| 245 | [快手流批一体数据湖构建实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F629461442) | 2023-05-15 14:00:11 |\n| 246 | [因果推断在腾讯 PCG 中台的落地实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F629135498) | 2023-05-14 16:00:03 |\n| 247 | [查询时长下降10倍！网易有数 BI 物化视图设计要点与内部实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F629090886) | 2023-05-14 13:00:06 |\n| 248 | [CV CUDA在微博多媒体内容理解的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F629080525) | 2023-05-13 13:15:25 |\n| 249 | [外部数据在信贷风控和经营中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F628949074) | 2023-05-12 18:12:24 |\n| 250 | [字节跳动湖平台在批计算和特征场景的实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F628552494) | 2023-05-11 12:44:15 |\n| 251 | [FlinkSQL的字段血缘解决方案](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F628376451) | 2023-05-10 18:26:32 |\n| 252 | [蔚来汽车深度学习算法实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F628249254) | 2023-05-10 14:00:10 |\n| 253 | [数据治理与安全合规的实践现状与挑战](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F628228749) | 2023-05-10 12:30:02 |\n| 254 | [图算法在蚂蚁集团信用风控场景的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F628085982) | 2023-05-09 18:45:13 |\n| 255 | [数据科学在腾讯内容生态中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F627733415) | 2023-05-08 18:24:03 |\n| 256 | [推荐系统技术综述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F627664537) | 2023-05-08 13:42:31 |\n| 257 | [腾讯天穹 SuperSQL：统一大数据自适应计算平台技术解析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F627474229) | 2023-05-07 15:04:31 |\n| 258 | [数据标准和数据质量：技术解析与典型案例](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F627455591) | 2023-05-07 13:03:50 |\n| 259 | [面向统一的AI神经网络架构和预训练方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F627301228) | 2023-05-06 18:17:03 |\n| 260 | [Apache Doris 极速数据湖分析技术细节公开！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F627221756) | 2023-05-06 14:00:12 |\n| 261 | [小布虚拟人与多模态技术演进](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F626982482) | 2023-05-05 18:02:07 |\n| 262 | [网易云音乐实时数仓架构与低代码实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F626932685) | 2023-05-05 14:03:11 |\n| 263 | [腾讯内容生态实时信号系统实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F626633881) | 2023-05-04 14:01:03 |\n| 264 | [虎牙应用监控指标设计实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F626443360) | 2023-05-03 14:56:35 |\n| 265 | [万字长文讲述大模型与知识图谱的关系](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F626433991) | 2023-05-03 14:00:20 |\n| 266 | [FinBench：金融场景下的图系统选型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F626358596) | 2023-05-03 13:20:11 |\n| 267 | [因果推断在微视激励和供需场景的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F626350548) | 2023-05-03 11:02:15 |\n| 268 | [第三代Notebook：Byzer-Notebook 如何助力数据工程、分析，以及机器学习？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F626086031) | 2023-05-02 11:29:13 |\n| 269 | [一文搞懂蚂蚁集团 TuGraph 图数据库](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F626085488) | 2023-05-01 10:19:04 |\n| 270 | [如何冲破 GPT-4 的信息茧房？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F625354312) | 2023-04-27 14:19:24 |\n| 271 | [怎么做精准投放与转化？阿里多渠道序列化投放技术揭秘](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F625066979) | 2023-04-26 14:24:14 |\n| 272 | [如何搭建好的数据指标体系？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F624793306) | 2023-04-26 14:00:07 |\n| 273 | [DAMO-YOLO：兼顾速度与精度的高效目标检测框架](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F624741368) | 2023-04-25 13:58:06 |\n| 274 | [开源机器学习数据库 OpenMLDB：线上线下一致的生产级特征平台](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F624583794) | 2023-04-24 19:23:02 |\n| 275 | [微博推荐实时大模型的技术演进](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F624444822) | 2023-04-24 14:00:13 |\n| 276 | [因果推断在有限资源决策中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F623975315) | 2023-04-22 14:53:27 |\n| 277 | [图像分类模型训练实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F623801240) | 2023-04-21 18:25:07 |\n| 278 | [火山引擎发布大模型训练云平台：支持万卡训练，集群性能提升3倍](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F623393716) | 2023-04-20 12:00:58 |\n| 279 | [LLM 时代的金融知识图谱实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F623104680) | 2023-04-20 12:00:13 |\n| 280 | [GPT-4 给图机器学习带来了什么影响？该如何应对？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F622841747) | 2023-04-19 08:07:11 |\n| 281 | [对话式 AI 应用的降本增效实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F622629687) | 2023-04-18 18:10:06 |\n| 282 | [如何高效获取数据价值？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F622845314) | 2023-04-18 14:50:01 |\n| 283 | [大规模表格预训练模型 SPACE-T](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F622616839) | 2023-04-17 18:09:15 |\n| 284 | [小红书基于数据湖的流批统一存储实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F622514116) | 2023-04-17 14:00:12 |\n| 285 | [美团是如何进行指标管理的？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F622302994) | 2023-04-16 15:00:13 |\n| 286 | [美团在预训练语言模型上的探索和实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F621781993) | 2023-04-16 13:01:02 |\n| 287 | [可观测系统中的告警管理实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F622133541) | 2023-04-15 15:00:09 |\n| 288 | [基于 Echarts 的数据可视化在异构数据平台的实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F621766703) | 2023-04-14 14:00:09 |\n| 289 | [字节跳动A\u002FB测试最佳实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F621403874) | 2023-04-13 18:08:04 |\n| 290 | [基于 StarRocks 进行湖仓融合的四种范式](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F621586196) | 2023-04-13 14:00:14 |\n| 291 | [字节跳动杨诗旻：浅谈数据存储与计算](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F621305046) | 2023-04-12 19:10:14 |\n| 292 | [ModelScope 视觉检测&关键点系列模型与应用介绍](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F621368662) | 2023-04-12 18:03:09 |\n| 293 | [大数据架构知识点详解：国产数据库创新、湖仓一体实践…](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F621329755) | 2023-04-12 14:14:28 |\n| 294 | [Oneflow 基于重计算的动态图显存优化实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F621062374) | 2023-04-11 18:08:15 |\n| 295 | [翼支付云原生数据开发与治理平台实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F621013403) | 2023-04-11 14:00:09 |\n| 296 | [Spark on K8s 在茄子科技的实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F620805734) | 2023-04-10 18:30:07 |\n| 297 | [淘宝个性化推荐中自适应与无监督的多场景模型建模实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F620717867) | 2023-04-10 14:00:14 |\n| 298 | [飞桨图学习大模型训练框架](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F620343769) | 2023-04-09 16:00:13 |\n| 299 | [中原银行如何从0到1建设敏捷BI平台？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F620339225) | 2023-04-09 13:28:02 |\n| 300 | [跨多云大数据平台DataCake详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F620342419) | 2023-04-08 16:01:10 |\n| 301 | [数据治理体系建设与实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F620336875) | 2023-04-08 14:00:16 |\n| 302 | [低延时音视频技术在OPPO云渲染场景的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F620076848) | 2023-04-07 14:00:42 |\n| 303 | [ModelScope DIY 多种场景文字识别](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F619960451) | 2023-04-07 12:00:03 |\n| 304 | [腾讯如何用因果推断扩大游戏帝国海外版图？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F619848678) | 2023-04-07 08:00:17 |\n| 305 | [齐了！百度、腾讯、滴滴、抖音的技术大佬都来了](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F619835950) | 2023-04-06 14:15:34 |\n| 306 | [快手增长渠道数据产品实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F619810402) | 2023-04-06 13:29:14 |\n| 307 | [用户画像技术总览](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F619771611) | 2023-04-06 12:00:11 |\n| 308 | [蚂蚁集团异构平台开放算法协议与开源实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F619533679) | 2023-04-05 14:00:13 |\n| 309 | [CMU张坤：因果表征技术最新进展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F619530665) | 2023-04-05 10:00:13 |\n| 310 | [火山引擎DataLeap数据血缘架构演进之路](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F619140580) | 2023-04-03 16:37:38 |\n| 311 | [微信基于 PyTorch 的大规模推荐系统训练实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F619060815) | 2023-04-03 14:00:05 |\n| 312 | [阿里云机器学习平台大模型训练框架 EPL](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F618776020) | 2023-04-02 15:30:03 |\n| 313 | [理解编辑类视觉模型会用到哪些技术？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F618719463) | 2023-04-01 15:59:12 |\n| 314 | [飞猪旅行场景下的实时用户理解服务](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F618707844) | 2023-04-01 14:08:43 |\n| 315 | [数据治理体系建设实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F618569674) | 2023-03-31 18:03:29 |\n| 316 | [数据治理驱动下的开发治理平台建设](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F618465119) | 2023-03-31 12:48:05 |\n| 317 | [高性能分布式机器学习平台建设经验](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F618300116) | 2023-03-30 18:30:52 |\n| 318 | [这届技术人都爱挂在嘴边的“数智化”，我们用八个字拆解了](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F618228328) | 2023-03-30 15:03:27 |\n| 319 | [近十年NLP预训练技术的重要发展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F618178628) | 2023-03-30 12:33:06 |\n| 320 | [提速 Spark SQL 2 倍，GLUTEN 向量化引擎原理剖析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F617944074) | 2023-03-30 08:00:14 |\n| 321 | [流批一体的实时特征工程平台建设实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F617928718) | 2023-03-29 14:26:30 |\n| 322 | [JuiceFS苏锐：从技术和业务角度看云原生的发展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F617864256) | 2023-03-29 12:30:05 |\n| 323 | [以标准推动金融智能风控行业发展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F617658602) | 2023-03-28 18:14:10 |\n| 324 | [运维、成本、安全，大数据处理技术三大挑战，如何解决？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F617590337) | 2023-03-28 13:00:16 |\n| 325 | [Debias 技术在金融推荐场景下的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F617446460) | 2023-03-27 18:06:31 |\n| 326 | [抖音集团数据指标体系分析与增长实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F617302004) | 2023-03-27 14:00:11 |\n| 327 | [打造全链路数据隐私合规平台](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F616910739) | 2023-03-26 15:00:07 |\n| 328 | [电商领域A\u002FB实验平台建设方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F616920180) | 2023-03-26 13:14:13 |\n| 329 | [工业数据与智能算法驱动下的生产调度优化研究](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F616903922) | 2023-03-25 15:12:14 |\n| 330 | [众安金融实时特征平台架构设计与实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F616915538) | 2023-03-25 13:56:07 |\n| 331 | [深度 UPLIFT 模型在腾讯金融用户增长场景中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F616649869) | 2023-03-24 14:00:14 |\n| 332 | [来自OpenAI的数据工程革命，GPT-4仅仅是开端](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F616470427) | 2023-03-23 18:37:18 |\n| 333 | [云原生大数据的核心技术与前沿趋势｜云原生大数据系列访谈（一）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F616335169) | 2023-03-23 11:44:51 |\n| 334 | [淘宝虚拟电商技术分享](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F616088036) | 2023-03-23 08:00:16 |\n| 335 | [阿里健康医药电商销量预测算法方案](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F616096903) | 2023-03-22 20:00:19 |\n| 336 | [Presto 在字节跳动的实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F615484646) | 2023-03-20 18:08:09 |\n| 337 | [美团酒旅图谱构建及应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F615424860) | 2023-03-20 14:00:04 |\n| 338 | [基于 Doris 构建实时统一的现代数据分析平台](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F615223240) | 2023-03-19 15:24:59 |\n| 339 | [Akulaku在东南亚金融市场的技术积累](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F615003933) | 2023-03-18 15:00:13 |\n| 340 | [从金融IT到金融科技，到数字化转型​——基于资产管理行业趋势的思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F614774593) | 2023-03-18 08:00:09 |\n| 341 | [从用户体验洞察到商业价值变现，以京东为例](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F614791791) | 2023-03-17 18:16:05 |\n| 342 | [数据湖仓的应用现状和挑战](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F614770743) | 2023-03-17 14:10:08 |\n| 343 | [OLAP 核心挑战与前沿趋势解读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F614470291) | 2023-03-16 17:10:06 |\n| 344 | [图机器学习算法、应用的现状与趋势](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F614467070) | 2023-03-16 13:52:15 |\n| 345 | [字节跳动极高可用 KV 存储系统详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F614227806) | 2023-03-15 18:10:03 |\n| 346 | [新一代云数据平台架构演进之路](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F614264674) | 2023-03-15 17:55:51 |\n| 347 | [从“外行”眼中看数据产品经理应该具备的基本能力](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F613940751) | 2023-03-14 18:07:02 |\n| 348 | [知识图谱技术体系总览](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F613855167) | 2023-03-14 13:00:05 |\n| 349 | [基于统一远程证明的 TEE 互联互通实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F613644921) | 2023-03-13 18:20:06 |\n| 350 | [如何构建好的用户画像平台？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F613560113) | 2023-03-13 14:00:14 |\n| 351 | [百度基于 GPU 的超大规模离散模型训练框架 PaddleBox 与 FeaBox](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F613322265) | 2023-03-12 15:14:08 |\n| 352 | [Apache Kyuubi 1.6.0 新特性解读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F613164414) | 2023-03-12 13:19:14 |\n| 353 | [腾讯数据平台 saas 化实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F613198635) | 2023-03-11 18:39:56 |\n| 354 | [快手双边市场的复杂实验设计问题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F613123387) | 2023-03-11 13:27:37 |\n| 355 | [银行数据安全管理的思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F612989049) | 2023-03-10 19:00:12 |\n| 356 | [快手商业化数据产品建设经验](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F612600372) | 2023-03-09 18:07:49 |\n| 357 | [如何快速、低成本克隆高质量数字人？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F612378552) | 2023-03-08 18:20:09 |\n| 358 | [AI 算法在大数据治理中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F612246507) | 2023-03-08 14:00:04 |\n| 359 | [阿里健康供应链智能补货算法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F612099867) | 2023-03-07 18:24:12 |\n| 360 | [联想基于Apache DolphinScheduler构建统一调度中心的应用实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F611680333) | 2023-03-06 18:06:02 |\n| 361 | [阿里可解释性推荐算法应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F611687243) | 2023-03-06 13:30:09 |\n| 362 | [面向真实场景的数据驱动决策优化](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F611464043) | 2023-03-05 15:16:10 |\n| 363 | [Calibration4CVR：2018年关于“神经元级别共享的多任务CVR”的初探](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F611453829) | 2023-03-05 13:22:01 |\n| 364 | [货拉拉全链路监控体系的落地与实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F611246151) | 2023-03-04 15:14:05 |\n| 365 | [AliceMind大规模预训练实践及AIGC在ModelScope中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F611251951) | 2023-03-04 13:07:51 |\n| 366 | [数据的边界，透析企业数字化转型的数据价值](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F611113241) | 2023-03-03 18:41:53 |\n| 367 | [虎牙“数据服务+自助”产品化实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F610737257) | 2023-03-02 18:10:13 |\n| 368 | [中小银行数据安全治理体系建设实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F610702381) | 2023-03-02 13:23:04 |\n| 369 | [任重道远：数据湖仓的体系化落地演进](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F610490757) | 2023-03-01 19:00:10 |\n| 370 | [在高保真孪生数字人技术中的自动化流程探索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F610509170) | 2023-03-01 18:30:08 |\n| 371 | [百度文档智能技术与应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F610160597) | 2023-02-28 18:13:13 |\n| 372 | [基于事件感知的聚类增益网络在飞猪保险创意排序的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F610086218) | 2023-02-28 14:16:06 |\n| 373 | [高途数据平台迁移与成本治理实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F609888794) | 2023-02-27 18:32:00 |\n| 374 | [飞桨PaddleNLP设计理念与产业实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F609536355) | 2023-02-26 18:13:09 |\n| 375 | [字节跳动数据血缘技术实现与具体用例](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F609364769) | 2023-02-26 13:18:01 |\n| 376 | [智能指标平台建设和指标自动化](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F609520901) | 2023-02-26 10:23:48 |\n| 377 | [T3 出行基于 Hudi+Kyuubi 的现代技术栈探索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F608797485) | 2023-02-25 14:00:16 |\n| 378 | [T3 出行基于 Hudi+Kyuubi 的现代技术栈探索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F609351536) | 2023-02-25 13:09:22 |\n| 379 | [数据分析工具与案例拆解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F609223535) | 2023-02-24 20:22:00 |\n| 380 | [Presto+Alluxio 加速 Iceberg 数据湖访问](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F609057900) | 2023-02-24 14:00:11 |\n| 381 | [浅谈因果推断与在内容平台的实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F608825584) | 2023-02-23 18:10:09 |\n| 382 | [网易数据治理体系、工具、流程、制度与管理概述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F608754498) | 2023-02-23 12:05:09 |\n| 383 | [阿里云机器学习 AutoML 引擎介绍与应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F608483110) | 2023-02-22 18:15:02 |\n| 384 | [GNN的基础、前沿和应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F608436150) | 2023-02-22 13:16:08 |\n| 385 | [中原银行 AI 平台建设实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F608202613) | 2023-02-21 18:10:11 |\n| 386 | [数据产品价值评估体系与效果提升方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F607949926) | 2023-02-20 18:07:52 |\n| 387 | [ChatGPT技术国产化尝试](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F607800604) | 2023-02-20 14:00:12 |\n| 388 | [腾讯智能写作助手“文涌”（Effidit）关键技术揭秘](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F607474611) | 2023-02-19 16:00:02 |\n| 389 | [2万字揭秘阿里巴巴数据治理平台建设经验](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F606910680) | 2023-02-19 08:37:12 |\n| 390 | [从0到1到100，经营诊断型数据产品人的思维模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F607459894) | 2023-02-18 18:04:03 |\n| 391 | [度小满自动机器学习平台实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F607398006) | 2023-02-18 13:21:48 |\n| 392 | [腾讯Alluxio（DOP）在金融场景的落地与优化实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F607128197) | 2023-02-17 14:27:15 |\n| 393 | [智能风控体系总览](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F606786916) | 2023-02-17 08:00:14 |\n| 394 | [京东实时数据产品应用实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F606954286) | 2023-02-16 19:54:31 |\n| 395 | [腾讯文本理解系统 TexSmart 中的细粒度实体识别关键技术](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F606839460) | 2023-02-16 14:06:25 |\n| 396 | [众安实时多维分析的挑战与 StarRocks 的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F606298729) | 2023-02-14 18:32:09 |\n| 397 | [腾讯广告模型基于\"太极\"的训练成本优化实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F606180651) | 2023-02-14 13:58:16 |\n| 398 | [Clickhouse 在自助分析场景中的探索及实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F606005399) | 2023-02-13 18:22:39 |\n| 399 | [B站基于缓存优化 PRESTO 集群查询性能](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F605439753) | 2023-02-12 14:10:03 |\n| 400 | [吞吐提升30倍：CV流水线走向全栈并行化](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F605423704) | 2023-02-11 14:34:19 |\n| 401 | [阿里基于渠道协同的预算分配与权益管理实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F605185881) | 2023-02-10 18:35:15 |\n| 402 | [​广告场景下双边市场的实验设计](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F604773779) | 2023-02-09 13:10:11 |\n\n\n## 朱翔宇\n> 介绍： 「炼丹笔记 」「阿里云天池大赛赛题解析」作者,《阿里云天池大赛赛题解析》「作者」\n1.“数字中国”创新大赛 数字政府赛道「冠军」\n2. ACM WSDM Cross-Market Rec 「亚军」\n3. Microsoft DigSci 科学数据挖掘大赛「亚军」 \n4. ATEC 科技精英赛 数字化运营赛道 「亚军」\n5. IEEE ICDM Knowledge Graph Contest「季军」 \n6. “达观杯”文本智能处理挑战赛「季军」\n7. 京东JDATA算法大赛「季军」 \n8. “中国法研杯”司法人工智能挑战赛 三等奖 \n9. 中国高校计算机大赛 微信大数据挑战赛 4th \n0. 其他数据算法竞赛Top5 若干。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [深度营销增益模型Uplift Model](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F687355859) | 2024-03-16 15:24:06 |\n| 2 | [2023BDC大数据挑战赛全国六强获奖算法方案](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F658969914) | 2023-10-05 17:12:39 |\n| 3 | [GNN在搜推上没有用？试试动态图GNN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F658901046) | 2023-09-28 18:56:24 |\n| 4 | [AI Agents大爆发：OpenAI的下一步](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F655560864) | 2023-09-11 19:11:58 |\n| 5 | [用大型语言模型来重新思考自动驾驶技术](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F654407348) | 2023-09-05 13:39:51 |\n| 6 | [大模型幻觉，他们知道自己不知道的吗？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F650478279) | 2023-08-16 21:38:30 |\n| 7 | [盘点大模型的16大挑战](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F645515816) | 2023-07-24 12:40:38 |\n| 8 | [不再追求模型收敛，一个简单Trick让模型更稳定！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F639336175) | 2023-06-25 12:14:04 |\n| 9 | [家谱树：大模型的前世今生](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F630478671) | 2023-05-18 22:30:35 |\n| 10 | [当ChatGPT遇上推荐系统，遭遇滑铁卢](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F629076305) | 2023-05-13 12:54:07 |\n| 11 | [广告营销算法是如何发挥作用的？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F626767495) | 2023-05-04 20:25:12 |\n| 12 | [ChatGPT出现后，我们是否真的面临范式转变？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F622052864) | 2023-04-15 11:48:58 |\n| 13 | [DeepSpeed Chat: 一键式RLHF训练](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F621735849) | 2023-04-13 20:02:13 |\n| 14 | [LoRA：训练自己的ChatGPT](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F620552131) | 2023-04-09 17:26:58 |\n| 15 | [ChatGLM-6B微调方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F618724929) | 2023-04-01 15:49:41 |\n| 16 | [马斯克开源，Twitter是怎么做推荐的？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F618710861) | 2023-04-01 15:04:35 |\n| 17 | [再谈排序算法的pairwise，pointwise，listwise](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F613354685) | 2023-03-12 16:37:02 |\n| 18 | [流量为王：A\u002FB test 流量分发及实验评估方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F610847581) | 2023-03-02 21:33:35 |\n| 19 | [拆解追溯 ChapGPT各项能力的起源](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F607469120) | 2023-02-18 19:08:35 |\n| 20 | [电商数据分析方法论](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F599027661) | 2023-01-14 15:04:38 |\n| 21 | [如何发现品牌潜客？目标人群优选算法模型及实践解析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F553639842) | 2022-08-14 15:36:48 |\n| 22 | [微信大数据挑战赛：周星星方案汇总](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F521628743) | 2022-05-29 16:39:26 |\n| 23 | [称霸Kaggle的九大深度学习炼丹技巧](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F518189935) | 2022-05-22 14:27:35 |\n| 24 | [那么多CTR论文，真正能复现出效果的有几个？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F510693686) | 2022-05-07 14:10:02 |\n| 25 | [腾讯多任务模型MFH](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F495688506) | 2022-04-09 15:14:45 |\n| 26 | [Transformer总结(2022版)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F489187551) | 2022-03-28 20:48:21 |\n| 27 | [一文看清这些年自监督和无监督的进展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F483659212) | 2022-03-19 12:36:32 |\n| 28 | [用Dropout思想做特征选择，保证效果还兼顾了线上性能?](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F480595150) | 2022-03-14 11:45:12 |\n| 29 | [神经网络调参技巧：warmup策略](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F479862242) | 2022-03-12 16:13:24 |\n| 30 | [DEEPNORM：千层transformer...](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F479860623) | 2022-03-12 16:12:38 |\n| 31 | [2021年炼丹笔记最受欢迎的10篇技术文章](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F476654345) | 2022-03-06 17:14:45 |\n| 32 | [关于多目标任务有趣的融合方式](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F474331161) | 2022-03-01 19:45:12 |\n| 33 | [对比学习必知要点](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F472917546) | 2022-02-26 18:42:24 |\n| 34 | [对比表示学习必知的几种训练目标](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F472918256) | 2022-02-26 18:41:26 |\n| 35 | [召回:是\"塔\",是\"塔\",但不是双塔!](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F472914416) | 2022-02-26 18:33:43 |\n| 36 | [2021年Kaggle所有赛事TOP方案汇总](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F472915303) | 2022-02-26 18:30:40 |\n| 37 | [深度学习模型的多Loss调参技巧](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F472200933) | 2022-02-25 09:50:48 |\n| 38 | [三种Target Encoding方式总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F466389890) | 2022-02-11 21:53:31 |\n| 39 | [如何解决高维稀疏的user-item矩阵推荐问题？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F464942032) | 2022-02-08 16:07:00 |\n| 40 | [双塔模型没效果了？请加大加粗！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F460951158) | 2022-01-23 14:43:21 |\n| 41 | [文本摘要方法总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F460943971) | 2022-01-23 14:16:02 |\n| 42 | [就知道调bert，都不知道加个对比学习吗？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F457784375) | 2022-01-15 16:20:52 |\n| 43 | [AI圈最新深度学习量化算法！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F456528701) | 2022-01-12 20:37:37 |\n| 44 | [Prompt-Tuning这么好用？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F454778818) | 2022-01-08 14:51:31 |\n| 45 | [No Fine-Tuning, Only Prefix-Tuning](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F453748474) | 2022-01-05 21:24:22 |\n| 46 | [搜索算法相似度问题之BM25](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F453748069) | 2022-01-05 21:19:20 |\n| 47 | [NLP中对\"困惑度\"感到困惑?](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F449745831) | 2021-12-25 14:37:14 |\n| 48 | [不加样本就能做数据增强？还能提效？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F449744718) | 2021-12-25 14:32:09 |\n| 49 | [关于\"知识蒸馏\"，你想知道的都在这里！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F446977503) | 2021-12-18 14:22:27 |\n| 50 | [炼丹秘术：给Embedding插上翅膀](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F446973594) | 2021-12-18 14:12:56 |\n| 51 | [从用户反馈的可解释性提升推荐模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F446971622) | 2021-12-18 14:08:36 |\n| 52 | [时间序列里面最强特征之一](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F444365030) | 2021-12-12 15:36:25 |\n| 53 | [自监督学习和对比学习](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F441455961) | 2021-12-05 15:37:18 |\n| 54 | [网络越\"深\"越\"好\"?](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F441454952) | 2021-12-05 15:32:37 |\n| 55 | [Trapper: Transformer模型都在此!](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F441453913) | 2021-12-05 15:29:50 |\n| 56 | [10大最受欢迎的时间序列Github项目](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F441451881) | 2021-12-05 15:26:12 |\n| 57 | [数据清洗该怎么做？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F435610727) | 2021-11-20 15:04:33 |\n| 58 | [self-attention竟然没用？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F433097087) | 2021-11-14 13:10:41 |\n| 59 | [如何评估序列推荐模型？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F429894644) | 2021-11-05 16:58:30 |\n| 60 | [模型的燃料，数据采样的秘密](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F429891446) | 2021-11-05 16:55:39 |\n| 61 | [Transformers中的位置编码到底是什么?](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F427482394) | 2021-10-30 13:41:10 |\n| 62 | [那些决定模型上限的操作](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F427480576) | 2021-10-30 13:37:16 |\n| 63 | [炼丹知识点：模型评估里的陷阱](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F425119410) | 2021-10-24 13:42:47 |\n| 64 | [Short-Session的推荐如何做？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F424198914) | 2021-10-21 20:52:29 |\n| 65 | [延迟反馈带来的样本偏差如何处理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F424197502) | 2021-10-21 20:48:11 |\n| 66 | [深度学习模型如何缩小到可以放到微处理器呢?](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F424196064) | 2021-10-21 20:43:10 |\n| 67 | [2021年三大顶会时间序列论文&代码整理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F424195019) | 2021-10-21 20:39:47 |\n| 68 | [微信大数据挑战赛决赛方案：微信视频号推荐算法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F413787704) | 2021-09-25 11:14:22 |\n| 69 | [Transformer又又又升级了？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F413786690) | 2021-09-25 11:08:18 |\n| 70 | [推荐系统里，可以用蒸馏吗？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F413785503) | 2021-09-25 11:04:40 |\n| 71 | [神经网络调参经验大汇总](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F410335242) | 2021-09-14 17:11:26 |\n| 72 | [淘宝搜索中基于embedding的召回](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F410331760) | 2021-09-14 16:58:38 |\n| 73 | [点击率预估又有新花样？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F406785178) | 2021-09-04 14:27:45 |\n| 74 | [双塔模型中的负采样](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F406783325) | 2021-09-04 14:22:23 |\n| 75 | [推荐系统遇到曝光偏差怎么办？用对比学习！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F402159523) | 2021-08-21 17:38:46 |\n| 76 | [内容流推荐中的个性化标题生成框架](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F400242555) | 2021-08-16 12:22:33 |\n| 77 | [PyCaret：又一个神仙ML库](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F400240637) | 2021-08-16 12:14:47 |\n| 78 | [漫谈特征缩放](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F400239115) | 2021-08-16 12:08:13 |\n| 79 | [再谈序列化推荐-集成item类目属性](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F397604219) | 2021-08-08 16:50:21 |\n| 80 | [盘一盘推荐系统里值得一读的那些论文](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F397601992) | 2021-08-08 16:44:59 |\n| 81 | [推荐竞赛金牌技能！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F397601007) | 2021-08-08 16:35:13 |\n| 82 | [推荐系统里，你是怎么Embedding的？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F397600084) | 2021-08-08 16:31:13 |\n| 83 | [特征筛选偷懒必备](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F397598881) | 2021-08-08 16:27:02 |\n| 84 | [算法模型该如何解释？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F392779898) | 2021-07-24 16:46:59 |\n| 85 | [从Deepwalk到Node2vec](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F390594956) | 2021-07-17 15:30:53 |\n| 86 | [NLP十大数据扩充策略](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F389221231) | 2021-07-13 12:31:02 |\n| 87 | [寻找不合群的数据（异常值）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F389220299) | 2021-07-13 12:21:34 |\n| 88 | [推荐系统开源数据集](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F389219212) | 2021-07-13 12:15:42 |\n| 89 | [大有可为的GNN：DeepWalk](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F389218052) | 2021-07-13 12:11:52 |\n| 90 | [负样本的艺术，再读Facebook双塔向量召回算法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F386913612) | 2021-07-05 21:13:24 |\n| 91 | [\"轻量\"且\"优秀\"的序列推荐模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F386477485) | 2021-07-04 11:29:27 |\n| 92 | [推荐系统中多值特征的八大处理技巧](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F385490803) | 2021-06-30 20:46:05 |\n| 93 | [推荐系统中的长尾物品（Tail Items）推荐问题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F384961079) | 2021-06-29 11:00:28 |\n| 94 | [用 XGBoost 做 Learning To Rank](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F384661987) | 2021-06-28 12:29:30 |\n| 95 | [微信视频号推荐算法上分技巧](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F384010332) | 2021-06-25 18:47:37 |\n| 96 | [MLP is Best?](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F381756225) | 2021-06-18 09:43:58 |\n| 97 | [一文弄懂各大池化Pooling操作](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F381752896) | 2021-06-18 09:37:36 |\n| 98 | [FM又又又升级了？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F381471924) | 2021-06-17 12:29:20 |\n| 99 | [神经网络十大学习率衰减提效策略](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F379213781) | 2021-06-09 15:18:02 |\n| 100 | [兜兜转转一个圈，到底What is all you need?](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F378845253) | 2021-06-08 12:29:13 |\n| 101 | [AutoDim:自动Embedding维度寻优，如何节省70%的存储空间同时还能大幅提效？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F378166274) | 2021-06-05 15:56:46 |\n| 102 | [用XGBoost调XGBoost?\"我\"调\"我\"自己？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F378165220) | 2021-06-05 15:51:12 |\n| 103 | [当推荐系统遇上多模态Embedding](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F376816853) | 2021-05-31 20:24:08 |\n| 104 | [用预训练GNN预估点击率有奇效？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F376666362) | 2021-05-31 12:35:48 |\n| 105 | [曾几何时，我们炼的不是丹，是特征](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F375981851) | 2021-05-28 12:16:30 |\n| 106 | [自动化Debias框架，一键去除推荐系统所有Bias](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F375980125) | 2021-05-28 12:10:44 |\n| 107 | [推荐系统User-Item Embedding图算法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F375042284) | 2021-05-25 11:18:09 |\n| 108 | [隐式反馈的去噪，模型取得巨大提升](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F374549706) | 2021-05-23 13:06:10 |\n| 109 | [聊聊Batch Normalization在网络结构中的位置](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F374549086) | 2021-05-23 12:56:38 |\n| 110 | [微信视频号推荐算法方案分享](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F374547948) | 2021-05-23 12:52:37 |\n| 111 | [GNN是什么？GNN怎么学？GNN何用？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F374547276) | 2021-05-23 12:45:58 |\n| 112 | [推荐、广告排序算法评价指标 GAUC、MRR、nDCG、MAP](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F372735913) | 2021-05-16 16:15:52 |\n| 113 | [模型调参指南北东西](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F372524312) | 2021-05-15 14:15:05 |\n| 114 | [用隐式反馈做推荐模型，你做对了吗](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F372520538) | 2021-05-15 14:06:22 |\n| 115 | [炼丹侠必知的11大神经网络结构​汇总](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F372516381) | 2021-05-15 13:41:44 |\n| 116 | [入坑推荐系统，从Google这篇开始](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F370469782) | 2021-05-07 18:46:21 |\n| 117 | [谷歌开源下一代推荐系统模拟器：RecSim NG](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F370469207) | 2021-05-07 18:40:37 |\n| 118 | [Lookalike相似人群拓展算法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F370467639) | 2021-05-07 18:36:30 |\n| 119 | [KDD Cup 2021：时间序列异常检测问题开源方案](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F368650520) | 2021-04-28 22:29:36 |\n| 120 | [对\"样本不均衡\"一顿操作](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F366768794) | 2021-04-21 22:25:26 |\n| 121 | [AAAI21最佳论文Runners Up！Transformer的归因探索！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F366767736) | 2021-04-21 22:21:29 |\n| 122 | [Attention函数手册](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F366766852) | 2021-04-21 22:16:33 |\n| 123 | [没什么是一次排序解决不了的，如果有，那就One more time](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F366765660) | 2021-04-21 22:12:32 |\n| 124 | [Learning to Rank：X-wise](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F366764455) | 2021-04-21 22:07:10 |\n| 125 | [一个端到端模型GraphDR实现多样化的召回](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F366762731) | 2021-04-21 22:02:08 |\n| 126 | [DNN中多任务学习概述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F363931367) | 2021-04-11 13:38:57 |\n| 127 | [ArcFace 同款商品识别的克星](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F363928631) | 2021-04-11 13:21:13 |\n| 128 | [MaskNet 这个CTR模型，有点意思](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F363927455) | 2021-04-11 13:11:38 |\n| 129 | [霸榜各大CV任务榜单，Swin Transformer横空出世！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F363067287) | 2021-04-07 23:02:54 |\n| 130 | [神经网络基础之可视化和交互式指南](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F363063564) | 2021-04-07 22:48:26 |\n| 131 | [一文梳理多任务学习(MMoE\u002FPLE\u002FDUPN\u002FESSM等)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F363059498) | 2021-04-07 22:28:24 |\n| 132 | [CTR模型越来越深，如何让它变轻?](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F361116560) | 2021-03-30 19:53:54 |\n| 133 | [Netflix提出梯度提升决策树网络Hammock！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F361115975) | 2021-03-30 19:46:37 |\n| 134 | [Purdue&UCLA提出梯度Boosting网络，效果远好于XGBoost模型！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F361114700) | 2021-03-30 19:43:17 |\n| 135 | [一个模型能服务所有的点击率模型？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F361113529) | 2021-03-30 19:35:04 |\n| 136 | [流量为王：ABTest流量分层分桶机制](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F359668457) | 2021-03-24 22:24:00 |\n| 137 | [一文弄懂各种loss function](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F358570091) | 2021-03-20 14:33:53 |\n| 138 | [谷歌Deep Bootstrap Framework：在线优化角度理解神经网络](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F358569279) | 2021-03-20 14:28:28 |\n| 139 | [排序(rank)后重排(re-rank)?](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F358568019) | 2021-03-20 14:23:43 |\n| 140 | [ALL in BERT：一套操作冲进排行榜首页](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F358565551) | 2021-03-20 14:13:32 |\n| 141 | [又一Attention函数诞生啦，带给你意想不到的巨大提升！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F357612282) | 2021-03-16 20:19:06 |\n| 142 | [搜索推荐系统实战：终极奥秘](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F356879979) | 2021-03-13 19:03:30 |\n| 143 | [搜索推荐系统实战：进化篇](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F356877663) | 2021-03-13 18:52:48 |\n| 144 | [搜索推荐系统实战：起始篇](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F356875249) | 2021-03-13 18:38:46 |\n| 145 | [负样本修正：既然数据是模型的上限，就不要破坏这个上限](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F356139393) | 2021-03-10 20:36:30 |\n| 146 | [再谈序列化推荐](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F356124555) | 2021-03-10 20:27:03 |\n| 147 | [当推荐遇到冷启动](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F355858793) | 2021-03-09 21:25:06 |\n| 148 | [当推荐系统遇上用户画像：你的画像是怎么来的？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F354524125) | 2021-03-04 13:15:09 |\n| 149 | [Normalization在CTR问题中的迷之效果](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F353381965) | 2021-02-27 18:07:08 |\n| 150 | [负样本修正：CVR预估时间延迟问题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F353379888) | 2021-02-27 17:53:37 |\n| 151 | [搜索推荐炼丹笔记：CVR预估中的延迟反馈问题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F353378307) | 2021-02-27 17:43:55 |\n| 152 | [大道至简：算法工程师炼丹Trick手册](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F352971645) | 2021-02-25 21:39:04 |\n| 153 | [推荐系统与GNN的火花](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F352970399) | 2021-02-25 21:32:58 |\n| 154 | [Model Search：炼丹师最强危机，谷歌开源最强AutoML工具！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F352967954) | 2021-02-25 21:25:55 |\n| 155 | [流量为王：收益最大化的混排机制](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F352966287) | 2021-02-25 21:16:10 |\n| 156 | [推荐系统CTR预估学习路线：引入注意力机制](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F351078828) | 2021-02-17 16:27:16 |\n| 157 | [推荐系统CTR预估学习路线：深度模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F351078721) | 2021-02-17 16:15:30 |\n| 158 | [推荐系统CTR预估学习路线：利用树模型自动化特征工程](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F351079011) | 2021-02-17 16:04:15 |\n| 159 | [推荐系统CTR预估学习路线：从LR到FM\u002FFFM探索二阶特征的高效实现](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F351076920) | 2021-02-17 15:54:39 |\n| 160 | [Transformer Family](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F351046712) | 2021-02-17 11:44:38 |\n| 161 | [模型提效的另一条路：数据增强](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F351042771) | 2021-02-17 10:58:31 |\n| 162 | [搜索推荐炼丹笔记：评论是怎么影响推荐的？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F351040887) | 2021-02-17 10:48:46 |\n| 163 | [AAAI21最佳论文Informer：效果远超Transformer的长序列预测神器？？？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F349896117) | 2021-02-07 20:07:28 |\n| 164 | [机器学习入门开源资料](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F349688817) | 2021-02-06 17:17:28 |\n| 165 | [一石二鸟：推荐系统多目标任务建模方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F348630177) | 2021-02-01 21:25:32 |\n| 166 | [搜索推荐炼丹笔记：融合GNN、图谱、多模态的推荐](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F348626879) | 2021-02-01 21:07:11 |\n| 167 | [搜索推荐炼丹笔记：单网络内部集成学习](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F348165482) | 2021-01-30 15:58:16 |\n| 168 | [搜索推荐炼丹笔记：Transformer在搜索推荐中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F348159311) | 2021-01-30 15:31:42 |\n| 169 | [NN如何在表格数据中战胜GBDT类模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F348156063) | 2021-01-30 15:18:41 |\n| 170 | [事半功倍：推荐系统Pre-train预训练方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F348152170) | 2021-01-30 15:03:24 |\n| 171 | [2020年AI领域有哪些让人惊艳的研究？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F347525678) | 2021-01-27 22:08:20 |\n| 172 | [搜索推荐炼丹笔记：酒店搜索位置偏差的边际重要性](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F347521505) | 2021-01-27 22:01:45 |\n| 173 | [搜索推荐炼丹笔记：点击位置偏差的经验比较](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F347515121) | 2021-01-27 21:40:37 |\n| 174 | [搜索推荐炼丹笔记：位置偏差里的惊喜](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F347512018) | 2021-01-27 21:12:09 |\n| 175 | [NLP炼丹笔记：Switch Transformers 朴实无华 大招秒杀](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F344702054) | 2021-01-16 11:01:44 |\n| 176 | [推荐搜索炼丹笔记：SIM 用户行为序列点击率预估模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F344698112) | 2021-01-16 10:42:29 |\n| 177 | [推荐搜索炼丹笔记：MiNet阿里跨域点击率CTR预估](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F344691028) | 2021-01-16 10:23:36 |\n| 178 | [推荐搜索炼丹笔记：双塔模型在Airbnb搜索排名中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F343097091) | 2021-01-09 20:07:29 |\n| 179 | [向量召回 MIND多兴趣双塔模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F343014809) | 2021-01-09 19:05:31 |\n| 180 | [推荐算法炼丹笔记：非采样的负样本](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F342134699) | 2021-01-05 22:29:06 |\n| 181 | [2020年搜索推荐系统论文干货集锦](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F341581547) | 2021-01-03 20:37:42 |\n| 182 | [Facebook向量召回双塔模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F341101313) | 2020-12-31 21:15:18 |\n| 183 | [推荐算法炼丹笔记：阿里序列化推荐算法MRIF](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F339628215) | 2020-12-25 23:33:17 |\n| 184 | [做向量召回 All You Need is 双塔](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F339116577) | 2020-12-23 23:31:53 |\n| 185 | [推荐算法炼丹笔记：Deep Bayesian的多目标推荐](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F338042057) | 2020-12-19 11:17:08 |\n| 186 | [推荐系统里的那些坑](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F337982340) | 2020-12-18 21:59:53 |\n| 187 | [深度学习炼丹失败率高达87%的TOP10原因](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F337981124) | 2020-12-18 21:51:55 |\n| 188 | [读不完的顶会Paper，我该如何读论文？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F337971458) | 2020-12-18 21:18:03 |\n| 189 | [推荐算法炼丹笔记：标签工程](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F336610225) | 2020-12-13 15:39:10 |\n| 190 | [推荐算法炼丹笔记：序列化推荐算法Bert4Rec](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F336607890) | 2020-12-13 15:24:26 |\n| 191 | [炼丹面试官的面试笔记](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F336606129) | 2020-12-13 15:12:25 |\n| 192 | [推荐算法炼丹笔记：阿里序列化推荐算法ComiRec](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F336604013) | 2020-12-13 15:02:41 |\n| 193 | [学术圈竞赛圈大讨论，深度学习真的比不过GBDT模型吗？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F336213914) | 2020-12-11 19:13:07 |\n| 194 | [IEEE ICDM 2020 CUP TOP3方案](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F329058536) | 2020-12-04 00:07:32 |\n| 195 | [推荐系统炼丹笔记：Embedding在内存问题上的一种解法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F319935685) | 2020-11-29 16:38:22 |\n| 196 | [推荐系统炼丹笔记：多模态推荐之用户评论篇](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F319904493) | 2020-11-29 16:23:44 |\n| 197 | [大规模推荐Deep Retrieval](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F319860288) | 2020-11-29 15:58:43 |\n| 198 | [推荐系统炼丹笔记：阿里推荐算法特征交叉新方式CAN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F319816752) | 2020-11-29 15:47:30 |\n| 199 | [推荐系统炼丹笔记：EdgeRec阿里边缘计算推荐系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F317756918) | 2020-11-28 16:20:27 |\n| 200 | [推荐算法竞赛TOP方案合集](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F317708353) | 2020-11-28 16:03:52 |\n| 201 | [2020年推荐系统工程师炼丹手册RecSys版](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F303310027) | 2020-11-20 22:37:07 |\n| 202 | [2020年推荐系统工程师炼丹手册RecSys-Long Paper版](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F303287727) | 2020-11-20 22:24:53 |\n| 203 | [推荐系统炼丹笔记：阿里DMIN多重兴趣网络](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F293092409) | 2020-11-14 12:58:18 |\n| 204 | [推荐系统炼丹笔记：RecSys2020-SSE-PT解锁序列数据挖掘新姿势](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F293082914) | 2020-11-14 12:49:33 |\n| 205 | [炼丹笔记 \\| 讲讲我们的故事](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F293063008) | 2020-11-14 12:17:53 |\n| 206 | [推荐系统中的Bias\u002FDebias大全](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F293050486) | 2020-11-14 12:09:25 |\n| 207 | [推荐系统炼丹笔记：令人着迷的时间动态CF算法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F293017433) | 2020-11-14 11:31:58 |\n| 208 | [推荐大赛如何在一周时间内打进决赛](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F293008934) | 2020-11-14 11:18:14 |\n| 209 | [推荐算法炼丹笔记：序列化推荐系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F272862240) | 2020-11-03 23:14:31 |\n| 210 | [推荐算法炼丹笔记：如何让你的推荐系统具有可解释性？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F270653321) | 2020-10-31 20:49:25 |\n| 211 | [推荐算法炼丹笔记：科学调参在模型优化中的意义](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F270641970) | 2020-10-31 19:14:13 |\n| 212 | [我的成长之路：追逐冠军的少年](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F266542175) | 2020-10-18 11:41:46 |\n| 213 | [电商搜索推荐业务词汇表](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F263063772) | 2020-10-08 22:33:53 |\n| 214 | [推荐算法炼丹笔记：推荐系统采样评估指标及线上线下一致性问题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F262877350) | 2020-10-08 10:41:13 |\n| 215 | [2020年推荐系统工程师炼丹手册](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F247941842) | 2020-09-16 09:43:12 |\n| 216 | [2020数字中国创新大赛-冠军方案](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F147049432) | 2020-06-09 21:59:49 |\n| 217 | [DigSci科学数据挖掘大赛-亚军方案分享](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F88257675) | 2019-10-24 11:33:41 |\n| 218 | [JDATA绝对语义识别挑战大赛-季军方案](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F86868102) | 2019-10-15 21:15:02 |\n\n\n## 机智的叉烧\n> 介绍： OPPO对话算法，公众号：CS的陋室,个人微信公众号：CS的陋室，NLP，搜索推荐，机器学习。北京科技大学统计学硕二毕业，OPPO算法。曾任去哪儿网产品数据，美团点评算法。微信: zgr950123。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [心法利器[74] \\| 技术分享中的技术陷阱](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684846197) | 2024-03-01 22:28:10 |\n| 2 | [前沿重器[26] \\| 预训练模型的领域适配问题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684656004) | 2024-02-29 22:21:44 |\n| 3 | [心法利器[71] \\| NLP的学习思考(新手和进阶向)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F673938775) | 2023-12-24 22:00:10 |\n| 4 | [心法利器[70] \\| 短文本理解的难点和解决方案](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F673133789) | 2023-12-19 21:13:45 |\n| 5 | [心法利器[69] \\| 聊聊数据敏感性](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F657693138) | 2023-09-21 22:06:47 |\n| 6 | [心法利器[67] \\| 算法性能指标优化指南](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F643923211) | 2023-07-17 21:04:24 |\n| 7 | [心法利器[65] \\| 一些技术和成长的讨论【答读者问】](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F643922033) | 2023-07-17 18:30:55 |\n| 8 | [心法利器[64] \\| 毕业3年的算法工程师技术成长思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F643921379) | 2023-07-17 09:15:51 |\n| 9 | [心法利器[63] \\| 预训练模型的使用时机](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F643920890) | 2023-07-16 19:58:23 |\n| 10 | [心法利器[62] \\| 向量召回和字面召回的选择与权衡](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F641245574) | 2023-07-05 13:28:23 |\n| 11 | [心法利器[61] \\| 规则到模型的过渡和升级策略](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F641245171) | 2023-07-03 20:07:18 |\n| 12 | [前沿重器[21-25] 合集：2w字系统聊聊对话系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F638538866) | 2023-06-20 21:38:50 |\n| 13 | [心法利器[60] \\| 文本分类以搜代分为什么有用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F638537760) | 2023-06-20 21:19:26 |\n| 14 | [心法利器[59] \\| 算法效果调优思路和调优能力的成长](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F638276602) | 2023-06-20 09:30:17 |\n| 15 | [心法利器[58] \\| 从长尾问题到以搜代分的机理探索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F638275749) | 2023-06-19 21:39:40 |\n| 16 | [心法利器[57] \\| 文本多分类问题经验](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F605684875) | 2023-02-12 17:04:31 |\n| 17 | [心法利器[56] \\| 算法技术设计思路小结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F594110276) | 2022-12-24 21:43:16 |\n| 18 | [心法利器[55] \\| 算法工程师读论文思路](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F593862426) | 2022-12-23 16:14:06 |\n| 19 | [心法利器[54] \\| NLP任务上线前评测](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F593860728) | 2022-12-23 16:09:08 |\n| 20 | [心法利器[53] \\| 数据增强的现实应用思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F593233614) | 2022-12-20 21:33:33 |\n| 21 | [前沿重器[20] \\| 文本分类和意图识别调研思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F578780247) | 2022-10-30 19:41:23 |\n| 22 | [前沿重器[19] \\| 预训练在美团搜索广告中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F578779838) | 2022-10-30 19:37:07 |\n| 23 | [前沿重器[18] \\| KDD21：淘宝向量检索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F578778646) | 2022-10-30 19:33:31 |\n| 24 | [前沿重器[17] \\| 美团搜索ner技术启示（下）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F578777966) | 2022-10-30 19:28:11 |\n| 25 | [前沿重器[16] \\| 美团搜索ner技术启示（上）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F578777448) | 2022-10-30 19:25:42 |\n| 26 | [心法利器[52] \\| 口语化句子解析问题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F566880776) | 2022-09-21 23:02:01 |\n| 27 | [前沿重器[15] \\| R-Dropout——如果不行那就两次](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F566884796) | 2022-09-21 23:01:31 |\n| 28 | [前沿重器[14] \\| 美团小样本学习技术启示](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F566884109) | 2022-09-21 23:00:01 |\n| 29 | [前沿重器[13] \\| 知乎query改写思路启示](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F566883250) | 2022-09-21 22:55:55 |\n| 30 | [前沿重器[12] \\| 美团搜索引导技术启示](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F566882596) | 2022-09-21 22:54:12 |\n| 31 | [前沿重器[11] \\| 再谈attention机制](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F566881983) | 2022-09-21 22:51:59 |\n| 32 | [前沿重器[10] \\| bert语义空间的思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F563677223) | 2022-09-12 19:41:39 |\n| 33 | [心法利器[51] \\| 长短句语义相似问题探索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F563676739) | 2022-09-12 19:37:36 |\n| 34 | [心法利器[50] \\| 测试集构造思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F563676340) | 2022-09-12 19:34:43 |\n| 35 | [前沿重器[9] \\| 语义相似度ESIM模型带来的启示](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F553410326) | 2022-08-13 16:42:36 |\n| 36 | [心法利器[49] \\| 数据分布的含义理解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F553409600) | 2022-08-13 16:34:39 |\n| 37 | [心法利器[48] \\| 开放域文本分类](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F550874897) | 2022-08-07 16:20:11 |\n| 38 | [心法利器[47] \\| 为什么你的BERT不行？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F550872072) | 2022-08-07 16:16:22 |\n| 39 | [心法利器[46] \\| 模型部署的主要技术方案](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F550867417) | 2022-08-07 16:00:16 |\n| 40 | [心法利器[45] \\| 模型需要的信息提供够了吗](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F548265819) | 2022-07-31 17:28:26 |\n| 41 | [心法利器[44] \\| 样本不均衡之我见](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F548264985) | 2022-07-31 17:24:48 |\n| 42 | [心法利器[43] \\| 算法工程师的算法晋升思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F548262591) | 2022-07-31 17:21:41 |\n| 43 | [心法利器[42] \\| 润物细无声-残差网络](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F539870148) | 2022-07-10 16:04:08 |\n| 44 | [心法利器[41] \\| 我常说的词典匹配到底怎么做](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F500158548) | 2022-04-17 20:22:52 |\n| 45 | [心法利器[37-40] \\| bad case治疗术合集](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F493441420) | 2022-04-05 20:22:25 |\n| 46 | [心法利器[40] \\| bad case治疗术：解决篇](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F493439241) | 2022-04-05 20:16:17 |\n| 47 | [心法利器[39] \\| bad case治疗术：分析篇](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F493437705) | 2022-04-05 20:12:53 |\n| 48 | [心法利器[38] \\| bad case治疗术：现状篇](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F493437097) | 2022-04-05 20:08:22 |\n| 49 | [心法利器[37] \\| bad case治疗术：认知篇](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F493436351) | 2022-04-05 20:06:42 |\n| 50 | [心法利器[36] \\| 开学季：给研究生的建议](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F476733605) | 2022-03-06 21:18:19 |\n| 51 | [心法利器[35] \\| 开学季：我给大学生的建议](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F476733020) | 2022-03-06 21:16:08 |\n| 52 | [心法利器[34] \\| 报告小结：query理解概述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F476731484) | 2022-03-06 21:14:57 |\n| 53 | [心法利器[33] \\| 快速的关键词抽取baseline](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F473214338) | 2022-02-27 16:59:30 |\n| 54 | [心法利器[32] \\| 分享一些印象深刻的case](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F473213389) | 2022-02-27 16:57:38 |\n| 55 | [前沿重器[8] \\| CV研究启发语义相似和表征](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F469933142) | 2022-02-20 20:30:43 |\n| 56 | [前沿重器[7] \\| 小布助手登顶百度千言短文本相似度的秘诀](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F469931817) | 2022-02-20 20:23:34 |\n| 57 | [心法利器[31] \\| 我的算法工程师日常](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F466931190) | 2022-02-13 17:04:51 |\n| 58 | [心法利器[30] \\| 算法新人如何在工作中成长](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F466930229) | 2022-02-13 17:03:42 |\n| 59 | [心法利器[29] \\| 把文本分类任务做成一个系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F463691469) | 2022-02-02 23:08:36 |\n| 60 | [心法利器[28] \\| 如何评估一个算法效果](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F463690967) | 2022-02-02 23:03:47 |\n| 61 | [前沿重器[6] \\| 语义相似度ESIM模型带来的启示](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F462221915) | 2022-01-26 22:38:24 |\n| 62 | [前沿重器[5] \\| 阿里小蜜的数据量分级处理机制](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F462220696) | 2022-01-26 22:33:14 |\n| 63 | [生日-以写促学，持续成长](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F461091869) | 2022-01-23 23:00:46 |\n| 64 | [前沿重器[4] \\| 探索腾讯搜索的Quer理解如何直击心灵](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F459597054) | 2022-01-19 21:46:34 |\n| 65 | [心法利器[27] \\| 人工智能技术创新大赛决赛随想](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F459595617) | 2022-01-19 21:40:58 |\n| 66 | [心法利器[26] \\| 以搜代分：文本多分类新思路](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F459592184) | 2022-01-19 21:32:36 |\n| 67 | [心法利器[25] \\| 如何做技术设计](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F456579098) | 2022-01-12 22:23:48 |\n| 68 | [心法利器[24] \\| 以pytorch为例看我怎么自学新技术的](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F456577362) | 2022-01-12 22:22:11 |\n| 69 | [仓颉专项：你们要的飞机大炮我都会](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F456575024) | 2022-01-12 22:15:41 |\n| 70 | [心法利器[24] \\| 算法在岗3年小结：学习成长篇](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F453800419) | 2022-01-06 00:16:09 |\n| 71 | [心法利器[23] \\| 算法在岗3年小结：工作思路篇](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F453799805) | 2022-01-06 00:14:43 |\n| 72 | [心法利器[22] \\| 算法在岗3年小结：模型策略篇](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F453799404) | 2022-01-06 00:11:09 |\n| 73 | [21->22：夯实，蜕变](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F452662208) | 2022-01-02 21:38:36 |\n| 74 | [心法利器[21] \\| NLU落地场景-智能对话交互](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F451436208) | 2021-12-29 23:06:25 |\n| 75 | [心法利器[20] \\| 算法问题下模型之外的问题：文本分类](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F451432019) | 2021-12-29 23:01:16 |\n| 76 | [心法利器[19] \\| 算法问题下模型之外的问题：概述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F448712884) | 2021-12-22 21:46:47 |\n| 77 | [心法利器[18] \\| cqr&ctr：文本匹配的破城长矛](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F448711124) | 2021-12-22 21:44:54 |\n| 78 | [心法利器[17] \\| 算法服务及其相关配件](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F445914986) | 2021-12-16 00:31:41 |\n| 79 | [心法利器[16] \\| 向量表征和向量召回](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F442905846) | 2021-12-08 20:51:14 |\n| 80 | [心法利器[14] \\| 任务方案思考：人工特征机器学习](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F440144758) | 2021-12-01 22:03:49 |\n| 81 | [心法利器[13] \\| 任务方案思考：句子相似度和匹配](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F440143661) | 2021-12-01 22:02:17 |\n| 82 | [心法利器[12] \\| 任务方案思考：序列标注（NER）篇](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F440141903) | 2021-12-01 21:58:53 |\n| 83 | [心法利器[11] \\| 任务方案思考：文本分类篇](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F437398353) | 2021-11-24 23:22:52 |\n| 84 | [心法利器[10] \\| 算法项目从1到N过程](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F437397627) | 2021-11-24 23:17:00 |\n| 85 | [心法利器[9] \\| 算法项目的从0到1流程](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F433680389) | 2021-11-15 23:11:44 |\n| 86 | [心法利器[8] \\| 模型热更新小记](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F433679620) | 2021-11-15 23:09:58 |\n| 87 | [心法利器[7] \\| 漫谈语义相似度](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F431421639) | 2021-11-09 23:24:40 |\n| 88 | [心法利器[6] \\| python grpc实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F431421189) | 2021-11-09 23:21:17 |\n| 89 | [心法利器[5] \\| 聊自己非计算机专业做程序员的经验](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F429123251) | 2021-11-03 21:34:32 |\n| 90 | [心法利器[4] \\| tf.keras文本分类小例子](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F429120933) | 2021-11-03 21:30:02 |\n| 91 | [心法利器[3] \\| tf.keras自学笔记](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F426505899) | 2021-10-27 21:11:10 |\n| 92 | [前沿重器[3] \\| 平安智能问答系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F426505179) | 2021-10-27 21:09:26 |\n| 93 | [心法利器[2] \\| 统计语言模型的使用感想](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F425693481) | 2021-10-26 00:32:52 |\n| 94 | [心法利器[1] \\| NLP的知识蒸馏思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F425275341) | 2021-10-25 00:32:44 |\n| 95 | [前沿重器[2] \\| 美团搜索理解和召回](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F425274542) | 2021-10-25 00:26:07 |\n| 96 | [前沿重器[1] \\| 微软小冰-多轮和情感机器人的先行者](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F425273850) | 2021-10-25 00:20:48 |\n| 97 | [ML&DEV[18] \\| 入职一周年：夯实基础，持续深入](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F402414167) | 2021-08-22 20:13:42 |\n| 98 | [ML&DEV[17] \\| 算法工程师的技术深度](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F402413415) | 2021-08-22 20:10:24 |\n| 99 | [ML&DEV[16] \\| 算法工程师内功修炼](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F402412887) | 2021-08-22 20:08:13 |\n| 100 | [ML&DEV[15] \\| pyspark杂记](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F402411754) | 2021-08-22 20:05:03 |\n| 101 | [ML&DEV[14] \\| 浅谈解决问题的能力](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F393136075) | 2021-07-26 09:56:04 |\n| 102 | [R&S[29] \\| 推荐系统中的召回](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F393132688) | 2021-07-26 09:45:43 |\n| 103 | [NLP.TM[38] \\| 对话系统经典：检索式对话](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F393130531) | 2021-07-26 09:38:53 |\n| 104 | [大学生技能大赛：为AI技能添砖加瓦](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F370930972) | 2021-05-09 19:34:03 |\n| 105 | [20->21：算法工程师的成长思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F343289480) | 2021-01-10 21:21:05 |\n| 106 | [NLP.TM[37] \\| 深入讨论纠错系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F341871187) | 2021-01-04 23:07:03 |\n| 107 | [NLP.TM[36] \\| NLP之源：n-gram语言模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F268937851) | 2020-10-27 00:17:29 |\n| 108 | [NLP.TM[35] \\| 纠错：pycorrector的候选排序](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F268635359) | 2020-10-25 22:43:27 |\n| 109 | [NLP.TM[34] \\| 纠错：pycorrector的召回](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F268634800) | 2020-10-25 22:42:07 |\n| 110 | [NLP.TM[33] \\| 纠错：pycorrector的错误检测](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F268633494) | 2020-10-25 22:38:16 |\n| 111 | [NLP.TM[32] \\| 浅谈文本增强技术](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F262659842) | 2020-10-07 20:21:50 |\n| 112 | [R&S[28] \\| 有关用户理解的思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F262167155) | 2020-10-06 11:04:06 |\n| 113 | [R&S[27] \\| 用户画像初探](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F261957299) | 2020-10-05 13:02:28 |\n| 114 | [R&S[26] \\| 搜索领域算法需要掌握的知识](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F261697891) | 2020-10-04 16:05:50 |\n| 115 | [R&S[25] \\| 搜索中的意图识别](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F261367997) | 2020-10-03 16:35:08 |\n| 116 | [R&S[24] \\| 浅谈Query理解和分析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F136313695) | 2020-04-26 00:47:35 |\n| 117 | [NLP.TM[31] \\| 2018年的一篇NER综述笔记](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F133532858) | 2020-04-19 23:24:08 |\n| 118 | [NLP.TM[30] \\| ner自动化打标方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F133532494) | 2020-04-19 23:20:18 |\n| 119 | [NLP.TM[27] \\| bert之我见-positional encoding](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F125677470) | 2020-04-05 17:34:35 |\n| 120 | [NLP.TM \\| 近期做NER的反思](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F125676493) | 2020-04-05 17:28:10 |\n| 121 | [ML&DEV[13] \\| 快速从无到有建模完成思路](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F115303824) | 2020-03-22 19:52:54 |\n| 122 | [R&S[23] \\| 搜索中的纠错问题初探](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F111788847) | 2020-03-08 21:19:04 |\n| 123 | [ML&DEV[13] \\| bad case分析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F108680134) | 2020-02-23 20:39:11 |\n| 124 | [ML&DEV[12] \\| 再谈数学学习](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F108679402) | 2020-02-23 20:37:25 |\n| 125 | [ML&DEV[11] \\| 浅谈模型的局限性](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F108678940) | 2020-02-23 20:33:26 |\n| 126 | [NLP.TM[26] \\| bert之我见-attention篇](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F104310177) | 2020-01-29 19:53:06 |\n| 127 | [ML&DEV[10] \\| gRPC的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F104148001) | 2020-01-27 22:13:06 |\n| 128 | [ML&DEV \\| gRPC初体验](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F104070248) | 2020-01-27 00:11:02 |\n| 129 | [NLP.TM[25] \\| CS224N学习小结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F104021631) | 2020-01-26 17:00:31 |\n| 130 | [R&S[22] \\| 搜索系统中的召回](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F102428847) | 2020-01-13 00:01:58 |\n| 131 | [学习周报 \\| 变形金刚-Transformer](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F102427576) | 2020-01-12 23:48:19 |\n| 132 | [NLP.TM[24] \\| TextCNN的个人理解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F102426363) | 2020-01-12 23:41:11 |\n| 133 | [学习周报 \\| CS224N](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F100567948) | 2020-01-01 18:35:25 |\n| 134 | [学习周报 \\| charNER，bert系列的NER](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F100567876) | 2020-01-01 18:34:46 |\n| 135 | [学习周报 \\| NER综述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F100567788) | 2020-01-01 18:33:40 |\n| 136 | [学习周报 \\| BILSTM-CRF，BERT](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F100567734) | 2020-01-01 18:32:46 |\n| 137 | [NLP.TM[23] \\| NLP学习线路推荐](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F100567371) | 2020-01-01 18:31:27 |\n| 138 | [算法在岗一年的工作总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F95922161) | 2019-12-07 20:55:52 |\n| 139 | [学习周报 \\| 语义相似度，Tensorflow](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F95922039) | 2019-12-07 20:54:11 |\n| 140 | [R&S[21] \\| 搜索系统中涉及的算法问题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F95921738) | 2019-12-07 20:53:12 |\n| 141 | [学习周报20191124 \\| BART，紧密度分析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F93396052) | 2019-11-24 10:39:51 |\n| 142 | [NLP.TM[22] \\| 如何修正NLP问题的bad case](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F93395595) | 2019-11-24 10:36:12 |\n| 143 | [NLP.TM[21] \\| 语言模型发展思路](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F92221449) | 2019-11-17 12:46:38 |\n| 144 | [学习周报20191109 \\| LM，term weighting](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F90957967) | 2019-11-09 01:11:59 |\n| 145 | [NLP.TM[20] \\| 词权重问题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F90957854) | 2019-11-09 01:07:56 |\n| 146 | [NLP.TM[19] \\| 条件随机场知识整理（超长文）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F88748460) | 2019-10-27 20:31:51 |\n| 147 | [NLP.TM[18] \\| 搜索中的命名实体识别](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F87607185) | 2019-10-20 19:18:42 |\n| 148 | [NLP.TM[1] \\| （老文）NLP.TM系列正式开始](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F86494256) | 2019-10-13 23:51:42 |\n| 149 | [ML&DEV[7] \\| 所谓算法工程师的工程能力是什么意思](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F86493797) | 2019-10-13 23:43:45 |\n| 150 | [ML&DEV[6] \\| 算法工程师Linux必知必会​](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F85506375) | 2019-10-07 21:13:47 |\n| 151 | [ML&DEV[5] \\| 系统理解特征工程](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F84770828) | 2019-09-30 00:44:05 |\n| 152 | [R&S[19] \\| 学习排序入门级概述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F82769645) | 2019-09-17 00:26:09 |\n| 153 | [ML&DEV[4] \\| 机器学习进阶线路](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F81846917) | 2019-09-09 18:30:01 |\n| 154 | [ML&DEV[3] \\| 机器学习入门线路](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F80522576) | 2019-08-30 22:00:04 |\n| 155 | [R&S[18] \\| SIGIR2018：深度学习匹配在搜索与推荐中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F79600106) | 2019-08-24 14:56:04 |\n| 156 | [ML&DEV[2] \\| 机器学习开发技能入门线路](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F78597669) | 2019-08-17 18:10:48 |\n| 157 | [ML&DEV[1] \\| 机器学习数学基础入门线路](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F77458593) | 2019-08-10 08:52:28 |\n| 158 | [201907：月度总结与计划](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F76264287) | 2019-08-01 22:59:07 |\n| 159 | [NLP.TM[16] \\| SIGIR2019: 深度NLP在搜索系统中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F75572444) | 2019-07-28 21:34:49 |\n| 160 | [NLP.TM[15] \\| 基于卷积神经网络的短文本相似度模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F74447778) | 2019-07-20 14:44:37 |\n| 161 | [我从研究生生活中得到的经验](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F74072834) | 2019-07-17 22:36:51 |\n| 162 | [R&S \\| 手把手搞推荐[6]: 回顾整体建模过程](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F73590365) | 2019-07-14 23:46:25 |\n| 163 | [NLP.TM \\| 命名实体识别基线 BiLSTM+CRF](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F73013063) | 2019-07-10 17:12:42 |\n| 164 | [NLP.TM \\| Keras做基本的文本分类](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F71732971) | 2019-07-01 15:51:44 |\n| 165 | [NLP.TM \\| 教你用tensorflow做文本分类](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F71575971) | 2019-06-30 01:17:56 |\n| 166 | [算法与数据分析校招经验【含内推码】](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F70974660) | 2019-06-26 22:04:54 |\n| 167 | [填志愿：在数学系和算法方向的过来人建议](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F70732315) | 2019-06-25 17:17:36 |\n| 168 | [NLP.TM \\| 再看word2vector](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F70606283) | 2019-06-24 22:14:01 |\n| 169 | [做算法？数学专业的我教你突破数学关](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F68907492) | 2019-06-12 21:31:44 |\n| 170 | [评价指标设计](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F68193159) | 2019-06-05 22:53:55 |\n| 171 | [R&S \\| 手把手搞推荐[4]：打分预估模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F66916951) | 2019-05-24 21:24:14 |\n| 172 | [R&S \\| 手把手搞推荐[3]：数据集存取](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F66538802) | 2019-05-21 20:19:23 |\n| 173 | [R&S 手把手搞推荐[2]：特征工程指南](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F65374268) | 2019-05-11 01:12:07 |\n| 174 | [R&S \\| 手把手搞推荐[1]：数据探索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F65105290) | 2019-05-08 20:11:45 |\n| 175 | [R&S \\| 手把手搞推荐[0]：推荐入门小结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F64860837) | 2019-05-06 21:34:46 |\n| 176 | [R&S \\| 爱奇艺搜索启发](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F64613553) | 2019-05-04 19:30:07 |\n| 177 | [我的NLP学习之路](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F64026730) | 2019-04-27 22:47:30 |\n| 178 | [RS \\| 论文阅读：用于YouTube推荐的深度神经网络](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F63707425) | 2019-04-25 15:04:55 |\n| 179 | [RS \\| 深度讨论FM和FFM：不仅是推荐](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F63267172) | 2019-04-22 11:58:20 |\n| 180 | [RS \\| 推荐系统的基本结构](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F63266273) | 2019-04-22 11:53:31 |\n| 181 | [NLP.TM \\| GloVe模型的原理和实现](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F60392680) | 2019-03-26 08:11:42 |\n| 182 | [【NLP.TM】后面开始写点NLP的东西吧](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F32606009) | 2018-01-04 00:42:38 |\n| 183 | [2017年，我读了这些书](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F32490492) | 2017-12-30 17:15:23 |\n| 184 | [数据科学家必备技能（软件篇）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F32239709) | 2017-12-21 23:02:02 |\n| 185 | [数据科学家必备技能](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F32032054) | 2017-12-15 01:16:14 |\n\n\n## 大师兄\n> 介绍： 《深度学习高手笔记》系列丛书作者,通过和 @人民邮电出版社 的合作，目前此专栏的大部分内容经过反复的校正和排版已发布成书籍《深度学习高手笔记——卷1：基础算法》和《深度学习高手笔记——卷2：前沿应用》，内容经过作者和出版社的专业审核人员的10余轮的教改，内容的丰富性，算法讲解的精确性，文字描述的流畅度已大幅提升。目前卷1已多平台上架，欢迎大家点击下面链接购买。\nhttps:\u002F\u002Fitem.jd.com\u002F13484669.html。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [条件扩散模型：Classifier-Guidance](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F686864187) | 2024-03-13 20:22:57 |\n| 2 | [DiT详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F683612528) | 2024-02-23 17:28:45 |\n| 3 | [LDM（Latent Diffusion Model）详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F683237596) | 2024-02-21 17:57:38 |\n| 4 | [AFT（Attention Free Transformer ）详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F680983091) | 2024-02-01 19:00:53 |\n| 5 | [AdaLoRA（Adaptive LoRA）详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F667432109) | 2023-11-17 19:48:09 |\n| 6 | [连续提示学习概述（Continue Prompt Learning）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F655884416) | 2023-09-13 11:05:11 |\n| 7 | [提示学习：PET for BERT](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F644369467) | 2023-07-18 18:27:59 |\n| 8 | [预训练语言模型：GLM](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F641499380) | 2023-07-04 21:55:32 |\n| 9 | [多模态大模型KOSMOS-1](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F636694683) | 2023-06-13 11:08:14 |\n| 10 | [GPT-4核心技术探秘](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F626463196) | 2023-05-03 18:05:25 |\n| 11 | [扩散模型：DDPM](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F614498231) | 2023-03-16 15:55:24 |\n| 12 | [对比学习之SimCSE](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F611969853) | 2023-03-07 15:31:15 |\n| 13 | [对比学习之SimCLR](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F609426394) | 2023-02-25 20:04:38 |\n| 14 | [ChatGPT\u002FInstructGPT详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F590311003) | 2022-12-08 18:53:46 |\n| 15 | [UniLM详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F584193190) | 2022-11-17 11:14:08 |\n| 16 | [多模态预训练：BEiT v3（Image as a Foreign Language）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F571414839) | 2022-10-08 11:36:07 |\n| 17 | [多模态预训练：VLMo（Vision Language pretrained Model）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F568704906) | 2022-09-27 17:03:14 |\n| 18 | [图像预训练：BEiT v2](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F566511151) | 2022-09-20 23:52:33 |\n| 19 | [图像预训练：BEIT](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F562957629) | 2022-09-09 16:28:43 |\n| 20 | [文本对抗之CLARE，BAE](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F552578652) | 2022-08-11 15:22:23 |\n| 21 | [文本对抗之BERT-Attack](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F551332459) | 2022-08-08 19:00:42 |\n| 22 | [文本对抗之TextFooler](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F548682666) | 2022-08-01 18:12:20 |\n| 23 | [稀疏Transformer（Sparse Transformer）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F504609631) | 2022-04-25 11:54:02 |\n| 24 | [多模态预训练：DALL-E](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F480947973) | 2022-03-15 10:43:19 |\n| 25 | [多模态预训练CLIP](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F477760524) | 2022-03-08 19:51:55 |\n| 26 | [Pix2PixHD](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F467244077) | 2022-02-14 15:21:56 |\n| 27 | [图像翻译之Pix2Pix](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F464673225) | 2022-02-07 19:42:44 |\n| 28 | [重读FPN（Feature Pyramid Network）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F460738972) | 2022-01-22 18:41:51 |\n| 29 | [ConvNeXt详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F459163188) | 2022-01-18 22:52:59 |\n| 30 | [多模态预训练ViLBERT](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F449421886) | 2021-12-24 15:16:09 |\n| 31 | [可逆Transformer：ReFormer](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F444384487) | 2021-12-12 17:09:35 |\n| 32 | [可逆残差网络RevNet](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F436621679) | 2021-11-23 12:05:40 |\n| 33 | [3D分割V-Net](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F431865940) | 2021-11-10 23:57:54 |\n| 34 | [BERT魔改II之BERT-WWM，SpanBERT，BART，MASS](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F430853441) | 2021-11-08 16:54:49 |\n| 35 | [模型结构搜索之RegNet](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F425558548) | 2021-10-25 18:33:17 |\n| 36 | [GAN详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F408766083) | 2021-09-09 21:10:23 |\n| 37 | [场景文字检测之EAST](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F401526609) | 2021-08-19 18:16:12 |\n| 38 | [Anchor-Free之FCOS](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F398796722) | 2021-08-11 20:37:12 |\n| 39 | [可变形卷积网络之DCN v1和DCN v2](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F395200094) | 2021-08-01 17:50:17 |\n| 40 | [Dropout详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F390990848) | 2021-07-19 11:19:13 |\n| 41 | [Vision Transformer 之 CSWin Transformer](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F388165447) | 2021-07-09 15:59:27 |\n| 42 | [Transformer目标检测之DETR](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F387102036) | 2021-07-06 14:30:49 |\n| 43 | [语义分割之Deeplab系列](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F385299424) | 2021-06-30 11:39:16 |\n| 44 | [人像抠图之Background Matting v2](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F381917042) | 2021-06-18 17:11:09 |\n| 45 | [NIC之Show Attend and Tell](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F380799029) | 2021-06-15 14:58:47 |\n| 46 | [语义分割之FCN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F379325978) | 2021-06-09 21:04:47 |\n| 47 | [网络结构搜索之EfficientDet](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F377894403) | 2021-06-04 14:39:03 |\n| 48 | [骨干网络搜索之NAS-FPN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F377039792) | 2021-06-01 16:13:55 |\n| 49 | [损失函数之Focal-EIoU Loss](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F375745293) | 2021-05-27 16:01:45 |\n| 50 | [损失函数之DIoU Loss和CIoU Loss](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F374907266) | 2021-05-24 19:53:50 |\n| 51 | [损失函数之GIoU Loss](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F374398128) | 2021-05-22 16:23:12 |\n| 52 | [双向融合：PANet](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F373907181) | 2021-05-20 17:47:17 |\n| 53 | [全连接？：MLP-Mixer](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F371738694) | 2021-05-12 16:45:22 |\n| 54 | [单阶段检测之YOLO v4](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F370460827) | 2021-05-07 18:45:59 |\n| 55 | [Anchor Free之CornerNet Lite](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F369144105) | 2021-04-30 18:37:32 |\n| 56 | [Anchor Free之CenterNet](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F368186188) | 2021-04-27 11:48:15 |\n| 57 | [Anchor Free之CornerNet](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F367215492) | 2021-04-23 15:01:00 |\n| 58 | [模型结构搜索之MobileNet v3](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F365119654) | 2021-04-15 16:43:18 |\n| 59 | [BERT魔改之MT-DNN，RoBERTa，XLM，ALBERT](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F363548937) | 2021-04-09 16:32:23 |\n| 60 | [模型搜索之EfficientNet v2](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F362767467) | 2021-04-06 22:34:39 |\n| 61 | [CV+Transformer之Swin Transformer](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F361366090) | 2021-03-31 17:46:08 |\n| 62 | [词向量之ERNIE（百度）和ERNIE 2.0](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F360351761) | 2021-03-27 16:23:45 |\n| 63 | [词向量之ERNIE-T（清华大学）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F359379784) | 2021-03-23 22:21:09 |\n| 64 | [模型结构搜索之MNasNet](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F356625894) | 2021-03-12 18:25:49 |\n| 65 | [模型搜索之EfficientNet](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F355698666) | 2021-03-09 11:58:07 |\n| 66 | [词向量之XLNet](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F354886906) | 2021-03-05 18:01:53 |\n| 67 | [iGPT详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F352350329) | 2021-02-23 16:48:37 |\n| 68 | [DPN详解（Dual Path Networks）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F351198007) | 2021-02-18 13:09:23 |\n| 69 | [预训练语言模型之GPT-1，GPT-2和GPT-3](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F350017443) | 2021-02-08 14:54:45 |\n| 70 | [词向量之ELMo](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F347775593) | 2021-01-28 21:04:00 |\n| 71 | [HAN详解（Heterogeneous graph attention network）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F346658317) | 2021-01-24 17:34:32 |\n| 72 | [Attention 图解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F342235515) | 2021-01-06 11:59:24 |\n| 73 | [GAT详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F339087706) | 2020-12-23 20:58:13 |\n| 74 | [GraphSAGE详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F336195862) | 2020-12-11 18:19:05 |\n| 75 | [详解Transformer-XL](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F271984518) | 2020-11-02 17:55:46 |\n| 76 | [基于Seq2Seq的公式识别引擎](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F183182208) | 2020-08-13 19:35:29 |\n| 77 | [Background Matting详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F148265115) | 2020-06-14 19:34:20 |\n| 78 | [MTL for OCR源码解析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F109141910) | 2020-02-25 23:32:46 |\n| 79 | [OCR之Bi-STR](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F108909554) | 2020-02-24 22:10:05 |\n| 80 | [OCR之PixelLink](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F106798900) | 2020-02-13 23:53:37 |\n| 81 | [Image Caption: Show and Tell](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F92283673) | 2019-11-17 22:45:34 |\n| 82 | [模型优化之Switchable Normalization](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F57807576) | 2019-02-27 12:33:04 |\n| 83 | [AmoebaNet详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F57489362) | 2019-02-23 16:21:17 |\n| 84 | [文档分类之HAN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F57126364) | 2019-02-19 16:03:08 |\n| 85 | [模型优化之Group Normalization](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F56613508) | 2019-02-13 16:42:43 |\n| 86 | [模型优化之Instance Normalization](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F56542480) | 2019-02-12 19:22:42 |\n| 87 | [图像风格迁移详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F55948352) | 2019-01-29 13:07:11 |\n| 88 | [RNN语言模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F55884752) | 2019-01-28 14:41:10 |\n| 89 | [模型优化之Weight Normalization](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F55102378) | 2019-01-17 16:25:54 |\n| 90 | [模型优化之Layer Normalization](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F54530247) | 2019-01-10 14:41:45 |\n| 91 | [模型优化之Batch Normalization](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F54171297) | 2019-01-06 14:54:01 |\n| 92 | [实例解析：12306验证码破解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F53329216) | 2018-12-26 15:18:00 |\n| 93 | [卷积网络综述（从AlexNet到PNASNet）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F53190433) | 2018-12-24 23:51:29 |\n| 94 | [PNASNet详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F52798148) | 2018-12-19 20:16:44 |\n| 95 | [NASNet详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F52616166) | 2018-12-17 20:50:55 |\n| 96 | [NAS详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F52471966) | 2018-12-15 19:21:04 |\n| 97 | [PolyNet详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F52138750) | 2018-12-11 18:27:26 |\n| 98 | [CondenseNet详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F52011716) | 2018-12-10 14:04:12 |\n| 99 | [ShuffNet v1 和 ShuffleNet v2](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F51566209) | 2018-12-04 18:54:29 |\n| 100 | [ResNeXt详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F51075096) | 2018-11-28 17:06:24 |\n| 101 | [Xception详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F50897945) | 2018-11-26 18:14:13 |\n| 102 | [MobileNet v1 和 MobileNet v2](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F50045821) | 2018-11-16 10:43:18 |\n| 103 | [SqueezeNet详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F49465950) | 2018-11-12 17:10:54 |\n| 104 | [物体检测之Focal Loss及RetinaNet](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F48958966) | 2018-11-08 16:39:12 |\n| 105 | [词向量之BERT](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F48612853) | 2018-11-05 16:41:21 |\n| 106 | [详解Transformer （Attention Is All You Need）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F48508221) | 2018-11-04 15:25:46 |\n| 107 | [Squeeze-and-Excitation Networks](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F47494490) | 2018-10-23 22:47:19 |\n| 108 | [物体检测之SNIPER](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F46810110) | 2018-10-15 16:01:48 |\n| 109 | [OCR之RRPN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F45507765) | 2018-09-27 19:27:38 |\n| 110 | [UnitBox详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F44323675) | 2018-09-12 09:19:37 |\n| 111 | [OCR之HMCP](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F44170391) | 2018-09-10 14:15:58 |\n| 112 | [人脸检测之DenseBox](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F44021975) | 2018-09-07 22:19:32 |\n| 113 | [图像分割之U-Net](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F43927696) | 2018-09-06 19:27:37 |\n| 114 | [边缘检测之HED](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F43600043) | 2018-09-03 10:41:16 |\n| 115 | [基于CNN的端到端文字检测与识别](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F43295656) | 2018-08-29 23:05:34 |\n| 116 | [物体检测历史](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F43211392) | 2018-08-29 08:52:17 |\n| 117 | [OCR之CTPN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F43145228) | 2018-08-28 13:50:57 |\n| 118 | [OCR之RARE](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F43054073) | 2018-08-27 14:30:01 |\n| 119 | [OCR之Deep TextSpotter](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F43024857) | 2018-08-27 09:08:40 |\n| 120 | [OCR之DeepText](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F42868123) | 2018-08-24 15:56:21 |\n| 121 | [物体检测之YOLOv3](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F42865896) | 2018-08-24 15:40:17 |\n| 122 | [物体检测之YOLOv2](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F42861239) | 2018-08-24 15:26:50 |\n| 123 | [物体检测之R-FCN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F42858039) | 2018-08-24 14:51:19 |\n| 124 | [物体检测之SSD](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F42795805) | 2018-08-23 21:30:45 |\n| 125 | [物体检测之YOLO](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F42772125) | 2018-08-23 15:38:53 |\n| 126 | [物体检测之MaskX R-CNN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F42749621) | 2018-08-23 11:21:03 |\n| 127 | [物体检测之FPN及Mask R-CNN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F42745788) | 2018-08-23 11:03:12 |\n| 128 | [物体检测之Faster R-CNN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F42741973) | 2018-08-23 10:38:10 |\n| 129 | [物体检测之Fast R-CNN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F42738847) | 2018-08-23 10:12:47 |\n| 130 | [物体检测之SPP-Net](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F42732128) | 2018-08-23 08:54:34 |\n| 131 | [物体检测之R-CNN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F42731634) | 2018-08-23 08:40:33 |\n| 132 | [Attention in RNN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F42724582) | 2018-08-23 00:03:15 |\n| 133 | [RNN Encoder-Decoder and GRU](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F42722623) | 2018-08-22 23:45:41 |\n| 134 | [详解CTC](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F42719047) | 2018-08-22 22:46:48 |\n| 135 | [详解LSTM](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F42717426) | 2018-08-22 22:14:36 |\n| 136 | [DenseNet](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F42708327) | 2018-08-22 19:41:59 |\n| 137 | [详解残差网络](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F42706477) | 2018-08-22 19:30:49 |\n| 138 | [GoogLeNet, Maxout and NIN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F42704781) | 2018-08-22 19:04:58 |\n| 139 | [VGG](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F42695549) | 2018-08-22 17:23:22 |\n| 140 | [LeNet5 and AlexNet](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F42692344) | 2018-08-22 17:01:02 |\n| 141 | [Spatial Transformer Networks](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F42692080) | 2018-08-22 16:44:27 |\n\n\n## 刘聪NLP\n> 介绍： 专业炼丹师，专治疑难杂症,NLP算法工程师，个人微信：logCong，添加时请备注：知乎—姓名—公司\u002F研究方向。。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [如何快速提高大模型的向量表征效果能力？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F692009751) | 2024-04-11 22:36:46 |\n| 2 | [RAG系统中答案无关片段对LLMs生成答案有何影响？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691370554) | 2024-04-08 20:50:36 |\n| 3 | [Qwen1.5开源32B模型-将开源进行到底](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F690973779) | 2024-04-06 20:45:13 |\n| 4 | [InternLM2技术报告](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F690251291) | 2024-04-01 21:48:21 |\n| 5 | [Qwen1.5-MoE模型：2.7B的激活参数量达到7B模型的性能](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F689637785) | 2024-03-29 03:19:23 |\n| 6 | [RAG与Long-Context之争—没必要争](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F688983758) | 2024-03-25 21:08:08 |\n| 7 | [大型语言模型场景调优实践｜打造「贺岁灵感模型」](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F688530708) | 2024-03-22 20:56:23 |\n| 8 | [指令微调数据的高效筛选方法-排序&聚类-CaR方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F687775223) | 2024-03-19 09:33:31 |\n| 9 | [自我蒸馏方法-减轻大模型微调过程中的灾难性遗忘](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F686515415) | 2024-03-12 09:57:25 |\n| 10 | [Yi技术报告细节分享](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F686042639) | 2024-03-08 22:26:04 |\n| 11 | [Anthropic发布Claude3，效果已超越GPT4](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F685276016) | 2024-03-04 23:30:01 |\n| 12 | [Mistral AI发布Mistral Large模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684127212) | 2024-02-27 10:58:14 |\n| 13 | [大模型增量预训练新技巧-防止模型灾难性遗忘](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F679354000) | 2024-01-23 22:06:39 |\n| 14 | [智谱GLMs初体验](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F678124557) | 2024-01-16 15:30:45 |\n| 15 | [如何提高LLMs的文本表征(Text Embedding)能力?](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F676589001) | 2024-01-08 10:04:45 |\n| 16 | [DEITA-大模型指令微调的数据高效筛选方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F675928711) | 2024-01-03 21:56:40 |\n| 17 | [1-2B参数规模大模型使用心得及模型汇总](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F673405755) | 2023-12-21 11:10:38 |\n| 18 | [大模型微调项目-更新说明](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F672038774) | 2023-12-13 16:33:09 |\n| 19 | [大模型微调技巧 \\| 高质量指令数据筛选方法-MoDS](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F671183709) | 2023-12-08 17:26:53 |\n| 20 | [辟谣！微软撤回声称ChatGPT为20B参数的论文，并给出解释。](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F664642550) | 2023-11-02 10:13:37 |\n| 21 | [通义千问-Qwen技术报告细节分享](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F658392609) | 2023-09-26 00:16:39 |\n| 22 | [如何从数据集中自动识别高质量的指令数据-IFD指标的使用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F658128530) | 2023-09-24 17:34:47 |\n| 23 | [BaiChuan2技术报告细节分享&个人想法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F656570703) | 2023-09-16 00:18:11 |\n| 24 | [领域大模型-训练Trick&落地思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F648798461) | 2023-08-08 19:12:15 |\n| 25 | [大模型LLM微调项目-更新](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F648327222) | 2023-08-06 17:32:42 |\n| 26 | [是我们在训练大模型，还是大模型在训练我们？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F645205269) | 2023-07-22 13:18:35 |\n| 27 | [“NLP工作站”成立技术交流群](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F645128495) | 2023-07-21 21:40:53 |\n| 28 | [Llama2技术细节&开源影响](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F644671690) | 2023-07-20 00:16:38 |\n| 29 | [水可载舟亦可覆舟-AI，可信AI！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F644172463) | 2023-07-18 12:04:29 |\n| 30 | [垂直领域大模型的一些思考及开源模型汇总](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F642611747) | 2023-07-10 14:40:18 |\n| 31 | [LLMs评估综述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F642117003) | 2023-07-07 14:36:32 |\n| 32 | [大模型流水线并行（Pipeline）实战](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F636488690) | 2023-06-13 09:58:50 |\n| 33 | [支持多模态的ChatGLM模型-VisualGLM-6B](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F630265131) | 2023-05-18 10:29:56 |\n| 34 | [大模型时代-不进则退](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F625934485) | 2023-04-29 23:50:22 |\n| 35 | [大模型LLM-微调经验分享&总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F620885226) | 2023-04-11 11:41:51 |\n| 36 | [官方ChatGLM-6B模型微调方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F618483602) | 2023-03-31 14:22:00 |\n| 37 | [ChatGPT-所见、所闻、所感](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F605331104) | 2023-02-11 01:26:56 |\n| 38 | [CORGI-PM：首个中文性别偏见探索和缓解数据集](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F603230271) | 2023-02-03 17:31:42 |\n| 39 | [中文多模态对话数据集-TikTalk](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F600355581) | 2023-01-21 11:41:55 |\n| 40 | [事件抽取数据增强方法-Mask-then-Fill](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F600196893) | 2023-01-20 10:06:40 |\n| 41 | [AAAI2023 \\| 基于统一语义匹配的通用信息抽取框架-USM](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F598882471) | 2023-01-13 19:56:27 |\n| 42 | [Dual-Cross-Encoder：面向稠密向量检索的Query深度交互的文档多视角表征](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F554143004) | 2022-08-15 22:45:23 |\n| 43 | [清华开源了1300亿开源的双语预训练模型-GLM-130B](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F550220516) | 2022-08-05 14:16:37 |\n| 44 | [IJCAI2022 \\| DictBert：采用对比学习的字典描述知识增强的预训练语言模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F550019008) | 2022-08-04 22:43:44 |\n| 45 | [neo4j学习笔记-持续更新ing](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F538954459) | 2022-07-07 22:38:01 |\n| 46 | [CC-Riddle：汉字谜语问答数据集](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F537552626) | 2022-07-04 21:50:04 |\n| 47 | [中文NER数据集整理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F529541521) | 2022-06-16 11:09:17 |\n| 48 | [ACL2022 \\| DCSR：一种面向开放域段落检索的句子感知的对比学习方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F527366495) | 2022-06-11 12:45:55 |\n| 49 | [ACL2022 \\| NoisyTune：微调前加入少量噪音可能会有意想不到的效果](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F523865674) | 2022-06-03 10:50:10 |\n| 50 | [ACL2022 \\| DictBERT：通过低频词典增强预训练模型表征方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F523551515) | 2022-06-02 15:27:03 |\n| 51 | [ACL2022论文分类汇总-Prompt、句子表征、检索排序&摘要](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F519943388) | 2022-05-25 21:15:13 |\n| 52 | [总结\\|Prompt在NER场景的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F518146549) | 2022-05-22 11:47:21 |\n| 53 | [EASE：一种融合实体信息的句子嵌入对比学习方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F515964126) | 2022-05-17 22:35:22 |\n| 54 | [NAACL2022-Prompt相关论文&对Prompt的看法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F512263922) | 2022-05-10 17:42:34 |\n| 55 | [PolyLoss：一种将分类损失函数加入泰勒展开式的损失函数](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F510626670) | 2022-05-07 11:33:32 |\n| 56 | [PERT：一种基于乱序语言模型的预训练模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F509647368) | 2022-05-05 15:41:39 |\n| 57 | [DiffCSE：结合句子间差异的无监督句子嵌入对比学习方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F507171467) | 2022-04-29 12:51:25 |\n| 58 | [SIGIR2022论文筛选](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F506005620) | 2022-04-27 15:04:52 |\n| 59 | [算法不会前端，也可以做出好看的界面-Streamlit](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F469582149) | 2022-02-20 11:46:28 |\n| 60 | [OpenAI：基于对比学习的预训练文本&代码表征技术](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F469474178) | 2022-02-19 12:53:29 |\n| 61 | [PairSCL：句子对级别的有监督对比学习方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F463949437) | 2022-02-04 16:06:40 |\n| 62 | [COLD：中文冒犯性语言检测数据集](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F463455280) | 2022-02-01 11:48:51 |\n| 63 | [SNCSE：一种基于软负例的无监督句向量对比学习方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F463142612) | 2022-01-30 11:04:21 |\n| 64 | [ExtraPhrase：一种针对抽象式（生成式）摘要的数据增强方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F462483469) | 2022-01-27 17:41:29 |\n| 65 | [MatchSum-一种基于语义匹配的抽取式摘要框架](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F462118940) | 2022-01-26 17:05:30 |\n| 66 | [BertSum-基于BERT模型的抽取式文本摘要](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F461836406) | 2022-01-25 20:43:48 |\n| 67 | [CPT模型：一种中文兼顾NLU和NLG的非平衡预训练语言模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F456553852) | 2022-01-12 21:29:31 |\n| 68 | [中文文本匹配数据集整理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F454173790) | 2022-01-06 21:01:22 |\n| 69 | [SimCSE论文精读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F452761704) | 2022-01-03 21:04:58 |\n| 70 | [EMNLP2021 Findings会议-305篇长文及119篇短文分类-附论文链接（下）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F430531571) | 2021-11-07 20:47:49 |\n| 71 | [EMNLP2021 Findings会议-305篇长文及119篇短文分类-附论文链接（上）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F430517383) | 2021-11-07 20:46:38 |\n| 72 | [EMNLP2021主会议-191篇短文分类-附论文链接](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F430197671) | 2021-11-06 17:13:46 |\n| 73 | [EMNLP2021主会议-656篇长文分类-附论文链接（下）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F429161700) | 2021-11-03 23:58:54 |\n| 74 | [EMNLP2021主会议-656篇长文分类-附论文链接（上）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F429144912) | 2021-11-03 23:56:41 |\n| 75 | [一个使模型训练速度提升20%的Trick-BlockShuffle](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F414964578) | 2021-09-28 20:21:27 |\n| 76 | [EMNLP2021会议PaperList](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F414085039) | 2021-09-26 11:05:54 |\n| 77 | [带有详细注释的PaddlePaddle的情绪识别项目](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F411826397) | 2021-09-21 14:11:36 |\n| 78 | [EMNLP 2021之SF：一种预训练语言模型的片段微调（Span Fine-tuning）方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F410627377) | 2021-09-15 22:52:00 |\n| 79 | [EMNLP2021之AEDA：一种更简单的文本分类数据增强技术](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F408774734) | 2021-09-09 22:47:03 |\n| 80 | [常用预训练语言模型（PTMs）总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F406512290) | 2021-09-03 21:53:13 |\n| 81 | [回顾BART模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F399169880) | 2021-08-12 20:50:51 |\n| 82 | [中文机器阅读理解（片段抽取）数据集整理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F395788175) | 2021-08-03 22:30:12 |\n| 83 | [ACL2021论文之ChineseBERT：融合字形与拼音信息的中文预训练模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F393617564) | 2021-07-28 22:29:16 |\n| 84 | [授人以鱼不如授人以渔-如何高效获取前沿论文？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F387583421) | 2021-07-07 22:04:04 |\n| 85 | [ACL2021 Findings论文汇总及分类](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F386313941) | 2021-07-03 15:46:08 |\n| 86 | [ACL2021主会议论文汇总及分类](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F385196031) | 2021-06-29 23:32:50 |\n| 87 | [ACL2021论文](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F384674443) | 2021-06-28 17:31:32 |\n| 88 | [难负例如何影响向量检索模型？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F384463509) | 2021-06-27 23:38:08 |\n| 89 | [SIGIR2021论文：基于Text-to-Text多视图学习的段落重排序](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F383027416) | 2021-06-22 21:54:42 |\n| 90 | [SIGIR2021之DvBERT模型：双视图蒸馏的句向量BERT模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F380909028) | 2021-06-15 22:13:24 |\n| 91 | [SIGIR2021之IDCM模型: 文档内部级联选择段落服务于文档排序](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F380031457) | 2021-06-12 15:33:08 |\n| 92 | [SIGIR 2021论文筛选](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F378864849) | 2021-06-08 14:46:41 |\n| 93 | [小布助手对话短文本语义匹配-周周星分享](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F360705398) | 2021-03-29 18:16:50 |\n| 94 | [中文摘要数据集汇总](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F341398288) | 2021-01-02 21:04:25 |\n| 95 | [超详细中文注释的GPT2新闻标题生成项目](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F338171330) | 2020-12-21 09:21:20 |\n| 96 | [一种新的涨分神器！构造code-switching增广数据进行fine-tuning！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F259581090) | 2020-09-27 14:47:43 |\n| 97 | [MacBERT：MLM as correction BERT](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F250595837) | 2020-09-20 17:55:30 |\n| 98 | [BERT-QE: 基于上下文化查询扩展的文档ReRank](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F250593899) | 2020-09-20 15:31:42 |\n| 99 | [AMBERT模型：一个多粒度Tokenization的预训练语言模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F214022514) | 2020-09-04 00:31:25 |\n| 100 | [SIGIR 2020之MarkedBERT模型：加入传统检索线索的Rerank模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F175981489) | 2020-08-30 11:16:44 |\n| 101 | [夸夸式闲聊机器人之Unilm对话生成](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F170358507) | 2020-08-07 23:11:02 |\n| 102 | [SIGIR 2020之DC-BERT模型：解耦问题-文档编码，提速QA-Rerank模块](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F166078711) | 2020-08-02 13:47:44 |\n| 103 | [SIGIR会议之文本表征、检索重排序、阅读理解论文整理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F163742690) | 2020-07-26 11:05:23 |\n| 104 | [开源啦！开源啦！UNILM中文模型开源啦！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F163483660) | 2020-07-25 17:44:42 |\n| 105 | [ACL2020论文整理之问题生成、自然语言推理、预训练语言模型及部分应用、QA问答系统及机器阅读理解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F156857369) | 2020-07-05 20:16:35 |\n| 106 | [教你如何动态配置词权重，检索系列文章之HDCT论文笔记](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F148211196) | 2020-06-21 11:46:52 |\n| 107 | [智能扩充机器人的“标准问”库之Query生成](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F149429784) | 2020-06-20 13:18:47 |\n| 108 | [Web服务部署深度学习模型-续集](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F148224626) | 2020-06-14 15:05:01 |\n| 109 | [教你如何动态配置词权重，检索系列文章之DeepCT论文笔记](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F147935851) | 2020-06-14 12:32:51 |\n| 110 | [Web服务部署深度学习模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F143678340) | 2020-05-26 16:09:53 |\n| 111 | [Sentence-Bert论文笔记](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F113133510) | 2020-03-29 20:51:04 |\n| 112 | [UniLM-v2论文阅读笔记](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F113391609) | 2020-03-26 11:30:29 |\n| 113 | [UniLM论文阅读笔记](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F113380840) | 2020-03-20 21:11:18 |\n| 114 | [传统方法BM25解决短文本相似度问题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F113224707) | 2020-03-16 20:01:10 |\n| 115 | [传统方法TF-IDF解决短文本相似度问题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F113017752) | 2020-03-14 10:16:08 |\n| 116 | [你保存的BERT模型为什么那么大？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F111513291) | 2020-03-08 11:31:49 |\n| 117 | [短文本相似度算法研究](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F111414376) | 2020-03-07 10:09:47 |\n| 118 | [阅读笔记：开放域检索问答（ORQA）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F107471078) | 2020-02-17 21:43:17 |\n| 119 | [NEZHA（哪吒）论文阅读笔记](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F100044919) | 2019-12-29 22:09:40 |\n| 120 | [DuReader数据集之数据预处理代码解析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F75509030) | 2019-12-29 15:21:54 |\n| 121 | [机器阅读理解之DuReader数据集描述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F75514130) | 2019-11-29 22:32:32 |\n| 122 | [文本蕴含之孪生网络（Siamese Network）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F75366208) | 2019-07-27 11:27:35 |\n| 123 | [论文阅读笔记：文本蕴含之DIIN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F73526585) | 2019-07-20 09:24:39 |\n| 124 | [论文阅读笔记：文本蕴含之ESIM](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F73408108) | 2019-07-13 13:18:02 |\n| 125 | [论文阅读笔记：文本蕴含之BiMPM](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F72403578) | 2019-07-06 11:49:24 |\n\n\n## 北冥乘海生\n> 介绍： 大数据仁波切 公号“计算广告”(Comp_Ad),《计算广告》作者，微信公号“计算广告”。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [聊聊商业化必备的\"底线思维\"](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F688778056) | 2024-03-24 21:25:16 |\n| 2 | [从手游到小游戏，“全场景增长”怎么做](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F680955792) | 2024-02-01 16:23:59 |\n| 3 | [打通公私域的科学化经营时代来了！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F680258057) | 2024-01-29 08:41:49 |\n| 4 | [这6个词，为你照亮24年的商业化道路](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F678308579) | 2024-01-17 14:20:53 |\n| 5 | [用上GroMore智能管家，“躺平”也能多挣钱](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F677380743) | 2024-01-12 07:48:51 |\n| 6 | [AI 做的创意，是怎么比我们还懂生意的？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F676935884) | 2024-01-10 08:36:47 |\n| 7 | [2024商业化新机：混合变现双赢之路](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F676351066) | 2024-01-06 10:14:48 |\n| 8 | [买量难+成本高，用户增长卷又卷不赢，躺也躺不平？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F672128071) | 2023-12-14 08:43:07 |\n| 9 | [深度解析扬楫：AI广告引擎如何工作](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F669195330) | 2023-11-28 11:19:52 |\n| 10 | [厂商营销不止应用市场！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F665265470) | 2023-11-06 11:00:03 |\n| 11 | [换个思路，撬动十倍增长！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F651311663) | 2023-08-21 11:57:55 |\n| 12 | [游戏增长，不再是买量游戏！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F650084427) | 2023-08-15 10:17:21 |\n| 13 | [版号常态化发放时代，游戏的“全生命周期智能增长”](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F642062862) | 2023-07-07 12:26:55 |\n| 14 | [生成式AI，将如何重塑营销？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F639458943) | 2023-06-25 18:30:32 |\n| 15 | [裁掉的码农，不过是戏里的龙套](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F639124124) | 2023-06-24 07:42:29 |\n| 16 | [做营销，大模型真的有用么？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F638626640) | 2023-06-21 10:26:50 |\n| 17 | [开发者青睐的变现平台，要有“专业性”](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F638349298) | 2023-06-20 09:56:07 |\n| 18 | [大模型只有\"大\"一条路吗？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F632239395) | 2023-05-25 21:24:42 |\n| 19 | [巨量千川全面升级，助力商家高效经营](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F625697801) | 2023-04-29 19:33:17 |\n| 20 | [工具开发者的新春天，就要来了！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F625313205) | 2023-04-27 12:04:47 |\n| 21 | [你卖的不是广告，是商品！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F621331101) | 2023-04-12 14:33:22 |\n| 22 | [瑞士，扯下了\"规矩\"的底裤](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F619546283) | 2023-04-05 08:14:38 |\n| 23 | [巨量千川商品卡推广——抖音电商卖家的新型武器](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F615992105) | 2023-03-22 13:30:20 |\n| 24 | [ChatGPT吹牛逼大赛，谁能胜出？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F606794506) | 2023-02-17 08:53:00 |\n| 25 | [2023，广告平台变迁的七大趋势](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F600014791) | 2023-01-19 12:41:34 |\n| 26 | [让变现“润物细无声”，优量汇与开发者的共同探索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F596712522) | 2023-01-05 12:30:47 |\n| 27 | [增长变现一体化的利器，现在开放了！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F592227720) | 2022-12-16 11:05:15 |\n| 28 | [广告营销怎样摆脱玄学？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F574133871) | 2022-10-16 17:02:15 |\n| 29 | [🦊连线王玥波：互联网就是个江湖](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F567321399) | 2022-09-23 09:36:46 |\n| 30 | [全局一盘棋，聊聊投放一体化与降本增效](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F565815229) | 2022-09-19 09:35:25 |\n| 31 | [穿山甲大开放：从变现工具到商业生态](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F559610826) | 2022-08-30 21:33:49 |\n| 32 | [算法监管：碳与硅的博弈](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F539594213) | 2022-07-09 15:45:13 |\n| 33 | [千亿参数的广告模型，是怎样炼成的？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F536607554) | 2022-07-02 09:43:53 |\n| 34 | [酒香怎破巷子深？从“激活七留双出价”看智能投放进展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F535805558) | 2022-06-30 13:35:33 |\n| 35 | [你要润么？先想清几件事……](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F530177307) | 2022-06-17 17:30:02 |\n| 36 | [防疫长城背后的云端政务，强在何处？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F501368650) | 2022-04-19 19:16:46 |\n| 37 | [数字营销正走向全域经营](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F462086755) | 2022-01-26 15:49:48 |\n| 38 | [2022，开发者变现的生机何在？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F453868270) | 2022-01-06 10:06:24 |\n| 39 | [浓眉大眼的谷歌也“叛变”了么？从Adsense放弃二价谈起](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F431303589) | 2021-11-09 17:18:55 |\n| 40 | [许家印与袁世凯的信息茧房](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F420919999) | 2021-10-13 11:28:46 |\n| 41 | [产品经理的哲学三问](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F391144526) | 2021-07-19 18:49:05 |\n| 42 | [网服广告商品化——与广告主共创未来增长点](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F383168246) | 2021-06-23 11:05:47 |\n| 43 | [在大厂上班，你牛逼什么劲？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F381381735) | 2021-06-17 08:42:23 |\n| 44 | [找准“增值”突破口，金融行业营销的“道”与“数”](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F381381047) | 2021-06-17 08:38:48 |\n| 45 | [数字营销服务，是独善其身还是百花齐放？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F377083607) | 2021-06-02 08:47:10 |\n| 46 | [进击的315，没落的央视](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F360014075) | 2021-03-26 10:08:06 |\n| 47 | [广告主玩数据，有个大误区](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F354855285) | 2021-03-05 19:17:59 |\n| 48 | [我们做了个“自动卖货引擎”](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F352838841) | 2021-02-25 18:41:26 |\n| 49 | [粗放式增长过后，“分层拉活”正兴起](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F345854729) | 2021-01-21 08:31:27 |\n| 50 | [猝死码农的半生福报，垄断巨头的三把镰刀](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F343698356) | 2021-01-12 18:25:10 |\n| 51 | [白手起家的三条土豪路，你选哪条？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F342569172) | 2021-01-07 18:36:03 |\n| 52 | [数据产品叫好不叫座，该如何破局](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F333797690) | 2020-12-08 20:52:56 |\n| 53 | [大公司，你不讲武德！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F326415899) | 2020-12-03 08:16:45 |\n| 54 | [职业教育增长，正在“电商化”](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F321698462) | 2020-11-30 17:54:22 |\n| 55 | [蚂蚁市值25万亿？互联网的“后棚”买卖，你我都逃不过](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F270145476) | 2020-10-30 08:54:38 |\n| 56 | [源代码审查能否成为国际惯例？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F262714971) | 2020-10-07 21:48:34 |\n| 57 | [从流量到增长，营销产品有何趋势？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F259326552) | 2020-09-25 20:46:06 |\n| 58 | [广告优化是一门玄学么？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F259319381) | 2020-09-25 16:58:12 |\n| 59 | [捉放Tiktok，特朗普摆了一场鸿门宴](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F257848222) | 2020-09-22 10:24:17 |\n| 60 | [听完吴声的演讲，我感觉智商梗阻了](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F200864904) | 2020-08-27 13:22:02 |\n| 61 | [干掉Tiktok只是打响了第一枪](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F171678325) | 2020-08-07 10:33:39 |\n| 62 | [腾讯广告终于迎来全面整合](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F157598675) | 2020-07-07 19:10:09 |\n| 63 | [KPI是怎样凑出来的？​](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F149048722) | 2020-06-17 21:38:52 |\n| 64 | [约炮，是权与利交易的剪彩仪式](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F136841705) | 2020-04-28 12:37:39 |\n| 65 | [平地抠饼型公司，CXO们怎么分工？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F136635949) | 2020-04-27 11:10:37 |\n| 66 | [隐私保护，在法规以外更依赖技术](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F124242485) | 2020-04-03 18:22:54 |\n| 67 | [被谷歌剪掉命根子的出海应用，没几个冤枉的](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F115058740) | 2020-03-21 19:51:46 |\n| 68 | [谁家公司还没几个F4呢？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F109610288) | 2020-02-28 08:01:31 |\n| 69 | [这场疫情，敲响了电影院线的丧钟](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F104218956) | 2020-01-28 20:54:18 |\n| 70 | [职场新人打怪升级，这两招最管用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F101512522) | 2020-01-07 17:43:06 |\n| 71 | [愤青是怎样炼成的](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F100206004) | 2019-12-30 15:54:28 |\n| 72 | [真的有人想反作弊吗？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F96832047) | 2019-12-11 20:24:09 |\n| 73 | [关于品效合一的经济学分析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F89357055) | 2019-10-30 20:00:22 |\n| 74 | [天下产品一大抄](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F85878699) | 2019-10-10 11:29:59 |\n| 75 | [25岁的年轻人，要想清两件事](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F82028811) | 2019-09-10 20:33:12 |\n| 76 | [互联网贪腐见闻拾萃](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F80043942) | 2019-08-28 07:40:22 |\n| 77 | [一文搞懂互联网广告的计算原理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F72092504) | 2019-07-04 19:59:29 |\n| 78 | [素质教育，让令郎输在受精卵上](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F68932145) | 2019-06-13 07:20:19 |\n| 79 | [深受读者爱戴的十大负能量雄文](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F65930682) | 2019-05-16 07:41:25 |\n| 80 | [996其实没什么卵用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F62765114) | 2019-04-17 18:32:52 |\n| 81 | [愿你饱览群书，归来仍是屌丝](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F61294309) | 2019-04-03 17:55:08 |\n| 82 | [没事少听创业导师们瞎逼逼](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F57822418) | 2019-02-27 20:59:07 |\n| 83 | [后AI时代的没羞没臊生活指南](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F55568285) | 2019-01-23 21:50:54 |\n| 84 | [去中心化交易能比VISA还快么？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F53290655) | 2018-12-26 18:48:29 |\n| 85 | [为什么外企有那么多奇葩老板？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F45598789) | 2018-09-28 21:11:43 |\n| 86 | [互联网+拯救不了强哥奶茶的品味](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F43616415) | 2018-09-03 13:39:40 |\n| 87 | [为什么说大多数ICO都是诈骗？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F43277632) | 2018-08-29 18:33:28 |\n| 88 | [码农四十不如狗](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F41416771) | 2018-08-06 22:20:22 |\n| 89 | [做劣币，挣大钱](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F38616374) | 2018-06-28 20:44:48 |\n| 90 | [图灵测试离我们还有多远？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F37822983) | 2018-06-07 20:41:33 |\n| 91 | [我怀了谁的孩子？——一部安卓手机的情感史](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F37405708) | 2018-05-28 20:02:48 |\n| 92 | [如何迅速提高公司估值？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F37171660) | 2018-05-22 21:21:31 |\n| 93 | [财务自由是个大骗局](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F36348981) | 2018-05-02 22:02:07 |\n| 94 | [怎样收智商税](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F35011033) | 2018-03-27 22:20:57 |\n| 95 | [勤劳致贫](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F34216349) | 2018-03-04 22:43:17 |\n| 96 | [2018，广告技术公司路在何方？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F33272689) | 2018-01-25 09:51:48 |\n| 97 | [被叔叔猥亵，我有亲身经历](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F31769123) | 2017-12-06 22:12:09 |\n| 98 | [怎样在大公司混成中层干部？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F31340026) | 2017-11-23 20:56:49 |\n| 99 | [产品狗的圣战](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F30219739) | 2017-10-18 09:04:17 |\n| 100 | [二十年前的北京四中到底哪里牛？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F29838075) | 2017-10-01 21:26:07 |\n| 101 | [从薛之谦到林心如，大V们有多少僵尸粉？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F29717228) | 2017-09-27 22:39:58 |\n| 102 | [从初夜权到在线广告——拍卖中的趣味与玄机](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F29486653) | 2017-09-19 22:47:37 |\n| 103 | [假装成功是成功之母——屌丝测不准原理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F28954535) | 2017-08-31 20:10:54 |\n| 104 | [印度，一个盛产高管与狗的国度](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F28525835) | 2017-08-15 22:05:14 |\n| 105 | [为什么你挣钱比别人慢？——屌丝第一守恒定律](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F28141966) | 2017-07-27 22:10:35 |\n| 106 | [从马云斗王卫，看互联网的三场大战](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F27689900) | 2017-07-04 15:31:40 |\n| 107 | [20万、50万、100万的算法工程师，到底有什么区别？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F27072134) | 2017-05-23 22:52:56 |\n| 108 | [魏方丹、李静思：下流才是内容创业的王道](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F26726280) | 2017-05-05 08:37:08 |\n| 109 | [月月灵欠的三千万广告费，小红还能要回来么？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F26317826) | 2017-04-12 22:05:49 |\n| 110 | [局长私访售楼处，怒了！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F26256090) | 2017-04-09 21:27:42 |\n| 111 | [一个大数据屌丝的一天](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F25897210) | 2017-03-22 22:06:31 |\n| 112 | [共享经济+坐台=？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F25767529) | 2017-03-14 21:20:31 |\n| 113 | [手把手教你互联网流量作弊](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F25637455) | 2017-03-09 20:46:20 |\n| 114 | [Facebook的广告效果真的那么好么？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F25504607) | 2017-03-01 17:45:40 |\n| 115 | [数据分析真的能驱动用户快速增长么？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F21802698) | 2016-07-31 11:10:48 |\n\n\n## 李rumor\n> 介绍： 公众号「李rumor」，AI算法小姐姐，谷歌开发者专家,还没呢。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [大模型对齐阶段的Scaling Laws](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F690101989) | 2024-04-01 09:52:29 |\n| 2 | [APO｜利用GAN的思想训练RLHF中的RM](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F674776494) | 2023-12-27 12:00:07 |\n| 3 | [OpenAI的Weak-to-Strong在说什么](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F673427353) | 2023-12-21 13:10:21 |\n| 4 | [一些RLHF的平替汇总（2023.11）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F667152180) | 2023-11-16 13:20:33 |\n| 5 | [临近23年底，有哪些GenAI产品做起来了？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F657251560) | 2023-09-19 21:51:10 |\n| 6 | [百川的大模型KnowHow](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F655984589) | 2023-09-13 11:53:05 |\n| 7 | [OpenAI的Superalignment策略：计算为王](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F651266416) | 2023-08-21 09:40:22 |\n| 8 | [蹲一个CV的ChatGPT时刻](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F639879465) | 2023-06-27 13:54:37 |\n| 9 | [RLHF的其他优化方向](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F612572103) | 2023-03-09 13:10:28 |\n| 10 | [复现ChatGPT的难点与平替](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F607847588) | 2023-02-20 13:35:36 |\n| 11 | [如何优化大模型的In-Context Learning效果？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F597036814) | 2023-01-06 13:36:41 |\n| 12 | [2022年对话技术梳理：科研进展、产品创新](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F581468462) | 2022-11-08 13:08:10 |\n| 13 | [虚拟角色对话：AI产品新花样](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F573314020) | 2022-10-13 18:04:48 |\n| 14 | [Action Transformer(ACT-1)，通用AI助手](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F565025337) | 2022-09-16 13:13:26 |\n| 15 | [MetaAI的融合怪：BlenderBot](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F555538140) | 2022-08-19 12:44:28 |\n| 16 | [最近一些Embodied AI工作的总结(SayCan\u002FLM-Nav\u002FWebShop\u002FGato\u002FVPT\u002FMINEDOJO)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F541492104) | 2022-07-14 13:25:06 |\n| 17 | [HuggingFace推出Evaluate库！所以它赚钱了吗？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F523486686) | 2022-06-02 13:10:04 |\n| 18 | [文本匹配｜双塔的效果如何追上交互？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F518577648) | 2022-05-23 13:10:38 |\n| 19 | [DeepMind出手！多模态小样本打败精调](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F511517344) | 2022-05-09 13:04:56 |\n| 20 | [预训练模型的下一步？突破Impossible Triangle](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F501381510) | 2022-04-19 19:41:39 |\n| 21 | [谷歌PaLM｜推理能力大幅提升，Pathways给出的第一份答卷](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F493776262) | 2022-04-06 13:13:47 |\n| 22 | [腾讯SkillNet｜NLU任务的全能网络，对Pathways架构的初步尝试](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F478321656) | 2022-03-09 18:15:26 |\n| 23 | [谷歌LaMDA｜工业级端到端预训练对话模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F462022601) | 2022-01-26 13:03:50 |\n| 24 | [预训练时代下的文本生成｜模型&技巧](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F458883737) | 2022-01-18 12:17:37 |\n| 25 | [【急招】美团-NLP中心图学习（GNN）方向实习生](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F453434392) | 2022-01-05 09:47:42 |\n| 26 | [清华x商汤｜统一21年的各类对比学习框架](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F450753267) | 2021-12-28 13:44:38 |\n| 27 | [开放域问答综述｜四种方案+数据集](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F443609530) | 2021-12-10 13:28:25 |\n| 28 | [PromptBERT｜结合Prompt+对比学习，超越SimCSE两个多点](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F440790271) | 2021-12-03 13:53:40 |\n| 29 | [GPT3 API 「全面」开放，变现模式开启](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F436104753) | 2021-11-22 09:41:28 |\n| 30 | [清华P-tuning v2、谷歌SPoT｜Prompt可以超过精调了吗？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F423306405) | 2021-10-19 18:54:10 |\n| 31 | [哈工大｜15种NLP数据增强方法总结与对比](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F420295576) | 2021-10-11 18:48:30 |\n| 32 | [谷歌UDG｜Prompt新用法，直接生成训练数据](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F413285890) | 2021-09-23 22:04:55 |\n| 33 | [Instruction Tuning｜谷歌Quoc V.Le团队提出又一精调范式](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F408166011) | 2021-09-08 12:09:49 |\n| 34 | [Sentence-T5｜谷歌提出文本表示新SOTA](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F403153114) | 2021-08-24 18:05:08 |\n| 35 | [Prompt范式第二阶段｜Prefix-tuning、P-tuning、Prompt-tuning](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F400790006) | 2021-08-17 19:14:06 |\n| 36 | [Prompt范式的缘起｜Pattern-Exploiting Training](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F396971490) | 2021-08-06 12:59:15 |\n| 37 | [业界总结｜搜索中的Query理解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F393914267) | 2021-07-28 13:13:12 |\n| 38 | [ERNIE3.0 Demo试玩，被卷到了](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F387687720) | 2021-07-08 09:44:34 |\n| 39 | [43页预训练模型综述（清华、复旦、人大）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F381282229) | 2021-06-16 20:14:09 |\n| 40 | [ConSERT｜用对比学习做NLP都有哪些坑？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F378544839) | 2021-06-07 13:06:25 |\n| 41 | [盘点文本相关性在搜索、广告、推荐三大场景中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F368207215) | 2021-04-27 12:53:51 |\n| 42 | [21个经典深度学习句间关系模型｜代码&技巧](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F357864974) | 2021-03-17 18:00:55 |\n| 43 | [深度学习文本分类模型综述+代码+技巧](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F349086747) | 2021-02-03 19:04:38 |\n| 44 | [2021年NLP入门书籍推荐｜理论&实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F342465172) | 2021-01-07 09:52:05 |\n| 45 | [GPT-2的信息泄漏问题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F337704355) | 2020-12-17 19:58:31 |\n| 46 | [自监督对比学习（Contrastive Learning）综述+代码](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F334732028) | 2020-12-08 19:53:24 |\n| 47 | [BERT-flow：CMUx字节提出的文本表示新SOTA](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F318061606) | 2020-11-28 18:36:34 |\n| 48 | [CCKS20参会小结：知识图谱在工业界的落地](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F301372595) | 2020-11-19 19:14:45 |\n| 49 | [如何用对比学习提升BERT？斯坦福+Facebook的最新力作](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F278127741) | 2020-11-07 20:54:02 |\n| 50 | [BERT模型蒸馏完全指南（原理\u002F技巧\u002F代码）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F273378905) | 2020-11-04 13:37:39 |\n| 51 | [Bort: 亚马逊最新4层小模型，效果超越BERT-large](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F267738222) | 2020-10-22 13:19:25 |\n| 52 | [Cross-Thought：微软为文本表示打造的全新预训练任务](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F264127720) | 2020-10-10 09:43:42 |\n| 53 | [关于校招Offer选择的一些建议](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F263481198) | 2020-10-09 12:07:33 |\n| 54 | [谷歌pQRNN：轻量级文本分类模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F261124901) | 2020-10-02 18:14:57 |\n| 55 | [ACL2020奇葩论文标题大赏](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F161472538) | 2020-07-18 14:08:53 |\n| 56 | [DynaBERT：动态伸缩训练](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F142794402) | 2020-05-22 18:38:21 |\n| 57 | [Arxiv每日论文小工具](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F138607012) | 2020-05-07 00:10:02 |\n| 58 | [FastBERT：又快又稳的推理提速方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F127869267) | 2020-04-09 12:14:33 |\n| 59 | [BatchNorm在NLP任务中的问题与改进](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F126749311) | 2020-04-07 22:55:20 |\n| 60 | [谈谈我对ELECTRA源码放出的看法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F112813856) | 2020-03-12 23:08:01 |\n| 61 | [神经网络分布式训练、混合精度训练、梯度累加...一文带你优雅地训练大型模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F110278004) | 2020-03-02 11:36:25 |\n| 62 | [一文搞懂NLP中的对抗训练FGSM\u002FFGM\u002FPGD\u002FFreeAT\u002FYOPO\u002FFreeLB\u002FSMART](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F103593948) | 2020-01-20 18:50:03 |\n| 63 | [结构剪枝：要个4层的BERT有多难？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F93207254) | 2019-11-22 18:51:07 |\n| 64 | [ELECTRA: 超越BERT, 19年最佳NLP预训练模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F89763176) | 2019-11-02 11:54:27 |\n| 65 | [NLP极简数据增强+源码](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F88983784) | 2019-10-29 10:04:22 |\n| 66 | [Google T5速读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F88363572) | 2019-10-24 21:38:42 |\n| 67 | [BERT句子表示的可视化](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F87942922) | 2019-10-22 18:05:55 |\n| 68 | [Google ALBERT原理讲解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F84273154) | 2019-09-27 21:07:50 |\n| 69 | [一文搞懂神经网络混合精度训练](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F84219777) | 2019-09-26 13:31:20 |\n| 70 | [英伟达Fastertransformer源码解读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F79528308) | 2019-09-03 19:49:29 |\n| 71 | [神经网络模型Inference推理速度优化](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F78621758) | 2019-08-18 00:12:54 |\n| 72 | [NLP基础模型之词向量](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F73722979) | 2019-07-15 21:17:25 |\n| 73 | [深度神经网络模型蒸馏Distillation](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F71986772) | 2019-07-03 11:20:12 |\n| 74 | [TF XLNet源码解读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F70912441) | 2019-06-26 19:29:40 |\n| 75 | [Google XLNet原理解读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F70218096) | 2019-06-21 22:50:17 |\n| 76 | [神经网络分布式训练](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F68615246) | 2019-06-10 21:05:09 |\n| 77 | [BERT生成式之UNILM解读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F68327602) | 2019-06-07 23:46:37 |\n| 78 | [BERT生成式之MASS解读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F67687640) | 2019-05-31 23:34:05 |\n| 79 | [ELMo\u002FGPT\u002FBERT对比](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F63330949) | 2019-04-22 20:57:03 |\n| 80 | [OpenAI GPT2原理解读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F57251615) | 2019-02-20 23:37:08 |\n| 81 | [MT-DNN原理解读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F56868716) | 2019-02-16 14:44:45 |\n| 82 | [Tensorflow版BERT中文模型踩坑总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F51762599) | 2018-12-06 20:21:35 |\n| 83 | [NLP分词算法深度综述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F50444885) | 2018-11-24 16:20:38 |\n| 84 | [You May Not Need Attention详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F48374997) | 2018-11-03 20:49:17 |\n| 85 | [【NLP】Google BERT模型原理详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F46652512) | 2018-10-13 15:15:01 |\n| 86 | [Universal Transformers原理解读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F44655133) | 2018-09-16 15:02:11 |\n| 87 | [【NLP】Transformer模型原理详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F44121378) | 2018-09-14 19:52:21 |\n| 88 | [NLP中的Attention原理和源码解析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F43493999) | 2018-09-01 15:50:38 |\n| 89 | [NLP之语言模型和迁移学习](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F42618178) | 2018-08-21 21:01:24 |\n\n\n## 鱼遇雨欲语与余\n> 介绍： 公众号：Coggle数据科学，《机器学习算法竞赛实战》作者,一对一学习指导，可私信我。\n数据算法竞赛爱好者，国内竞赛方案最佳分享者，目前已获得五冠六亚一季的成绩。\n2022，WSDM-xmRec cup，亚军\n2020，腾讯广告算法大赛，冠军\n2020，TIANCHI-数字中国创新大赛-智慧海洋建设，冠军\n2019，TIANCHI-全球数据智能大赛【赛场二】，亚军\n2019，TIANCHI-安泰杯--跨境电商智能算法大赛，冠军\n2019，腾讯广告算法大赛，冠军\n2019，KDD Cup: Context-Aware Multi-Modal Transportation Recommendation，亚军\n2018，科大讯飞营销算法大赛，冠军\n2019，TIANCHI-OGeek算法挑战赛，亚军\n2019，JDATA-用户对品类下店铺的购买预测，亚军\n2019，第四届魔镜杯大赛数据应用大赛，亚军\n2019，TIANCHI-全球城市AI挑战赛，季军。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [时隔两年！我的《机器学习算法竞赛实战》英文版 在Springer 发布啦！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F672027373) | 2023-12-13 15:57:56 |\n| 2 | [深入理解推荐系统：微软xDeepFM原理与实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F531689984) | 2022-06-21 11:31:28 |\n| 3 | [深入理解推荐系统：大厂如何进行CTR增量训练](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F531687995) | 2022-06-21 11:27:38 |\n| 4 | [深入理解推荐系统：阿里DIN原理与实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F531683417) | 2022-06-21 11:23:17 |\n| 5 | [深入理解推荐系统：CTR平滑问题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F531678678) | 2022-06-21 11:18:37 |\n| 6 | [2022 WSDM-Xmrec：跨境电商推荐挑战赛题方案](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F531675204) | 2022-06-21 11:11:31 |\n| 7 | [GraphEmbedding实战系列：Node2vec原理与代码实战](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F531672340) | 2022-06-21 11:07:11 |\n| 8 | [深入理解推荐系统：如何多种业务场景合并建模](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F531666787) | 2022-06-21 11:02:56 |\n| 9 | [科大讯飞：电信客户流失预测赛方案](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F531663302) | 2022-06-21 10:54:15 |\n| 10 | [我的新书「机器学习算法竞赛实战」，专注竞赛](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F411328002) | 2021-09-25 23:46:54 |\n| 11 | [冠军10w美金 ! ! ! 备战2021腾讯广告算法大赛最新指南](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F354030648) | 2021-03-02 16:21:02 |\n| 12 | [消费金融场景下的用户购买预测【冠军方案】分享](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F349592968) | 2021-02-06 01:29:45 |\n| 13 | [Kaggle知识点：文本相似度计算方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F349592491) | 2021-02-06 01:22:37 |\n| 14 | [Kaggle知识点：类别特征处理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F349592092) | 2021-02-06 01:13:48 |\n| 15 | [Kaggle知识点：缺失值处理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F349505932) | 2021-02-05 16:39:46 |\n| 16 | [深入理解推荐系统：超长用户行为序列建模](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F336949535) | 2020-12-14 23:33:53 |\n| 17 | [机器学习中“距离与相似度”计算汇总](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F336946131) | 2020-12-14 23:24:03 |\n| 18 | [时序预测竞赛之异常检测算法综述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F336944097) | 2020-12-14 23:03:13 |\n| 19 | [数据竞赛之常见数据抽样方式](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F335746277) | 2020-12-10 18:00:15 |\n| 20 | [深入理解推荐系统：特征交叉组合模型演化简史](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F269730650) | 2020-10-29 11:03:30 |\n| 21 | [深入理解推荐系统：推荐系统中的attention机制](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F269610432) | 2020-10-29 09:36:42 |\n| 22 | [2020腾讯广告算法大赛方案分享（亚军）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F185045764) | 2020-08-16 00:21:03 |\n| 23 | [2020腾讯广告算法大赛方案分享（冠军）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F166710532) | 2020-08-05 00:06:28 |\n| 24 | [深入理解推荐系统：Fairness、Bias和Debias](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F163163906) | 2020-07-23 14:53:24 |\n| 25 | [厦门国际银行 “数创金融杯”数据建模大赛-冠军分享](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F149985365) | 2020-06-22 13:49:01 |\n| 26 | [竞赛总结：天池OGeek算法挑战赛](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F149075795) | 2020-06-18 00:38:52 |\n| 27 | [2020腾讯广告算法大赛：高分进阶](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F146419860) | 2020-06-07 09:43:41 |\n| 28 | [2020腾讯广告算法大赛：如何突破分数瓶颈？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F143185271) | 2020-05-24 12:59:32 |\n| 29 | [2020腾讯广告算法大赛：赛题理解与解题思路](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F141288029) | 2020-05-16 00:49:30 |\n| 30 | [深入理解推荐系统：排序](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F138235048) | 2020-05-07 00:04:15 |\n| 31 | [2020 KDD Cup：Debiasing phase4 baseline 0.25](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F138047127) | 2020-05-04 10:56:16 |\n| 32 | [冠军7w美金，2020腾讯广告算法大赛正式开始！！！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F130913652) | 2020-04-15 17:17:46 |\n| 33 | [KDD Cup 2020 推荐系统赛道—数据分析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F127336206) | 2020-04-10 00:09:21 |\n| 34 | [备战2020腾讯广告算法大赛：武功秘籍](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F116907937) | 2020-04-06 18:54:58 |\n| 35 | [深入理解推荐系统：召回](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F115690499) | 2020-04-01 21:01:44 |\n| 36 | [深入理解YouTube推荐系统算法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F114703091) | 2020-03-24 01:26:01 |\n| 37 | [深入理解XGBoost：分布式实现](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F113239050) | 2020-03-15 00:55:23 |\n| 38 | [基于GNN的图表示学习及其应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F113235806) | 2020-03-14 22:09:50 |\n| 39 | [天池-安泰杯跨境电商智能算法大赛分享（冠军）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F100827940) | 2020-01-03 11:38:53 |\n| 40 | [一文梳理2017腾讯广告算法大赛决赛方案](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F95418813) | 2019-12-05 00:45:21 |\n| 41 | [2019CCF-BDCI-乘用车细分市场销量预测方案（Top1%）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F93602770) | 2019-11-25 22:17:00 |\n| 42 | [TIANCHI-全球数据智能大赛【赛场二】算法赛方案分享（亚军）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F88895768) | 2019-10-29 21:48:59 |\n| 43 | [一文梳理2019年腾讯广告算法大赛冠军方案](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F85520936) | 2019-10-07 23:51:29 |\n| 44 | [一文总结机器学习常见知识点](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F85508001) | 2019-10-07 21:56:37 |\n| 45 | [CCF乘用车细分市场销量预测-0.63模型框架](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F82416104) | 2019-09-13 20:44:36 |\n| 46 | [CCF乘用车细分市场销量预测baseline(0.51+)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F79940352) | 2019-08-27 10:48:40 |\n| 47 | [【震惊】2019腾讯广告算法大赛-冠军代码复盘解析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F79074260) | 2019-08-21 09:33:50 |\n| 48 | [这两年：我的数据竞赛之路](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F78315965) | 2019-08-17 00:18:40 |\n| 49 | [GNN 系列（三）：GraphSAGE](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F77317842) | 2019-08-09 10:13:18 |\n| 50 | [GNN 系列（二）：图神经网络的“开山之作”GCN模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F76669389) | 2019-08-05 08:13:48 |\n| 51 | [GNN 系列（一）：Graph 基础知识介绍](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F76175953) | 2019-08-01 13:08:08 |\n| 52 | [拍拍贷第四届魔镜杯大赛-冠亚季军方案梳理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F76069215) | 2019-08-01 00:46:40 |\n| 53 | [第四届魔镜杯大赛数据应用大赛方案分享（亚军）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F74749772) | 2019-07-23 00:46:22 |\n| 54 | [TIANCHI安泰杯 —跨境电商智能算法大赛Baseline](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F74119672) | 2019-07-18 10:34:31 |\n| 55 | [2019腾讯广告算法大赛方案分享（冠军）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F73062485) | 2019-07-14 13:43:28 |\n| 56 | [2019腾讯广告算法大赛-冠军之路](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F72762888) | 2019-07-09 03:07:48 |\n| 57 | [2019JDATA-用户对品类下店铺的购买预测方案及代码分享（亚军）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F71938382) | 2019-07-02 21:59:14 |\n| 58 | [2019腾讯广告算法大赛方案分享（初赛冠军）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F69351598) | 2019-06-25 14:39:51 |\n| 59 | [2019腾讯广告算法大赛初赛分享-Part3（冠军篇）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F66728742) | 2019-05-23 13:34:56 |\n| 60 | [2019腾讯广告算法大赛入门-Part2（初赛生存篇）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F65418206) | 2019-05-11 17:42:16 |\n| 61 | [2019腾讯广告算法大赛入门-Part1（竞赛小白晋升之路）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F63718151) | 2019-04-25 16:35:40 |\n| 62 | [TIANCHI-全球城市计算挑战赛-完整方案及关键代码分享（季军）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F62257700) | 2019-04-13 14:23:27 |\n| 63 | [DF消费者人群画像—信用智能评分方案分享（top5）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F62291067) | 2019-04-13 12:20:55 |\n| 64 | [2019腾讯广告算法大赛开始报名啦！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F60416895) | 2019-03-26 11:17:02 |\n| 65 | [TIANCHI全球城市计算AI挑战赛baseline](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F59998657) | 2019-03-21 23:28:37 |\n| 66 | [TIANCHI-津南数字制造算法挑战赛【赛场一】基本分析&Baseline](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F53728786) | 2018-12-31 18:55:13 |\n| 67 | [TIANCHI天池-OGeek算法挑战赛分享及完整代码（亚军）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F51422621) | 2018-12-03 12:02:08 |\n| 68 | [2018 CCF《套餐个性化匹配模型》（亚军）分享](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F51399335) | 2018-12-03 00:12:37 |\n| 69 | [JDD2018-人口动态普查与预测baseline0.1417](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F50623176) | 2018-11-22 21:09:09 |\n| 70 | [TF-IDF与余弦相似度](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F32826433) | 2018-11-18 01:22:08 |\n| 71 | [JDATA如期而至-用户购买时间预测Rank9](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F45141799) | 2018-10-29 18:50:02 |\n| 72 | [2018科大讯飞AI营销算法大赛总结及完整代码（冠军）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F47807544) | 2018-10-27 16:15:55 |\n| 73 | [天池-OGeek算法挑战赛Baseline(0.7016)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F46482521) | 2018-10-11 12:38:42 |\n| 74 | [2018科大讯飞AI营销算法大赛Baseline0.4255](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F44956113) | 2018-09-20 00:02:55 |\n| 75 | [2018腾讯广告算法大赛总结\u002F0.772229\u002FRank11](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F38034501) | 2018-06-13 14:16:24 |\n| 76 | [IJCAI-18 阿里妈妈搜索广告转化预测总结( 29 \u002F 0.13939 )](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F36858386) | 2018-05-20 02:06:43 |\n| 77 | [机器学习\u002F数据挖掘面试总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F34620144) | 2018-03-29 14:59:28 |\n| 78 | [机器学习面试干货精讲](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F32877396) | 2018-02-15 22:52:24 |\n| 79 | [数论及数论四大定理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F33619702) | 2018-02-06 01:52:13 |\n| 80 | [动态规划问题总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F33574315) | 2018-02-05 00:36:39 |\n| 81 | [机器学习进阶：我的竞赛之路](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F32785462) | 2018-01-09 21:00:23 |\n| 82 | [特征选择](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F32749489) | 2018-01-09 19:04:08 |\n| 83 | [LDA线性判别分析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F32658341) | 2018-01-05 21:41:54 |\n| 84 | [判别模型与生成模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F32655097) | 2018-01-05 14:53:23 |\n| 85 | [模型选择之交叉验证](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F32627500) | 2018-01-04 20:17:51 |\n| 86 | [奇异值分解(SVD)原理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F32600280) | 2018-01-04 14:24:44 |\n| 87 | [集成学习概述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F32412775) | 2018-01-01 17:51:07 |\n| 88 | [PCA主成分分析学习总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F32412043) | 2017-12-28 15:41:23 |\n\n\n## 亦一\n> 介绍： 公众号：播播笔记(推荐算法)，吾之(生活思考),在不堪一击的现实里还孤行一意地保有百无一用的浪漫主义；欢迎关注公众号：播播笔记 (推荐算法相关) ，吾之 (生活体验)。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [大模型 \\| meta2024 wukong: 推荐模型本身如何做大](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F692460232) | 2024-04-15 00:00:02 |\n| 2 | [粗排\\|三塔: 缺交叉就补交叉](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F690678769) | 2024-04-04 08:38:37 |\n| 3 | [特征交叉 \\| autoInt: 将attention运用于交叉](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F685465569) | 2024-03-05 22:59:30 |\n| 4 | [粗排系列汇总](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F681808861) | 2024-02-07 19:03:50 |\n| 5 | [粗排\\|基于整个推荐链路看粗排](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F680204749) | 2024-01-28 13:40:01 |\n| 6 | [《围城》：为什么方鸿渐桃花运不断](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F661472315) | 2023-10-15 23:08:47 |\n| 7 | [多场景多目标系列总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F659417899) | 2023-10-03 16:10:23 |\n| 8 | [多场景多目标 \\| 多场景模块基于POSO思路](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F659416340) | 2023-10-03 15:55:53 |\n| 9 | [特征交叉 \\| 业界方法实际应用与思考总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F650457945) | 2023-08-16 19:47:31 |\n| 10 | [值得去一次的地方](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F650295051) | 2023-08-16 09:18:55 |\n| 11 | [特征交叉 \\| CAN: LR思路巧用MLP后重获活力](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F647111860) | 2023-07-31 21:28:13 |\n| 12 | [多场景多目标 \\| [快手2023]PEPNet 模型如何做到大而全](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F645264991) | 2023-07-22 21:44:32 |\n| 13 | [多场景 \\| 基于独立建模的信息融合](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F645174846) | 2023-07-22 10:26:10 |\n| 14 | [损失函数 \\| weighted log loss: 基于交叉熵分类损失实现回归问题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F640806671) | 2023-07-01 11:21:24 |\n| 15 | [损失函数: triplet loss](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F639129690) | 2023-06-24 11:10:02 |\n| 16 | [损失函数：focal loss](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F639004674) | 2023-06-23 13:41:57 |\n| 17 | [损失函数：交叉熵损失](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F637808962) | 2023-06-18 12:32:21 |\n| 18 | [损失函数：常用的分类和回归损失](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F637760288) | 2023-06-17 16:51:47 |\n| 19 | [去海口可以玩什么](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F636209925) | 2023-06-11 11:38:18 |\n| 20 | [多目标模型结构如何一步步从简到繁](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F625832485) | 2023-04-29 12:35:39 |\n| 21 | [多目标 \\| 样本权重: DTP以结果反馈为导向双管齐下](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F623933804) | 2023-04-22 11:21:07 |\n| 22 | [多目标 \\| 样本权重：概览](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F622333495) | 2023-04-16 15:28:39 |\n| 23 | [《围城》：人会在生活里找到生活的逻辑](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F620573560) | 2023-04-09 19:02:52 |\n| 24 | [《围城》：命运偏爱地给了方鸿渐一段爱情](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F620444337) | 2023-04-08 22:31:44 |\n| 25 | [多目标 \\| 模型结构: (AAAI2023)FDN引入约束做特征分解，缓解负迁移](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F619589325) | 2023-04-05 18:56:24 |\n| 26 | [多目标 \\| 模型结构: PLE显式细化expert表征](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F619511214) | 2023-04-04 22:36:16 |\n| 27 | [多场景 \\| 联合建模: star结构在参数层面拆分与融合](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F618920189) | 2023-04-02 19:31:19 |\n| 28 | [损失函数：模型学习的指挥棒](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F618604847) | 2023-03-31 21:53:24 |\n| 29 | [多场景 \\| 联合建模: mmoe拆分信息表征](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F615212871) | 2023-03-19 14:43:28 |\n| 30 | [多目标 \\| 模型结构: MMoE实际应用，改进必不可少](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F615021892) | 2023-03-18 14:43:30 |\n| 31 | [多目标 \\| 模型结构：MMoE开辟新方向](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F614342245) | 2023-03-15 23:56:30 |\n| 32 | [多目标 \\| 模型结构: ESM2细化目标依赖路径](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F613727494) | 2023-03-13 22:39:45 |\n| 33 | [多目标 \\| 模型结构: ESMM从目标关系出发](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F613438144) | 2023-03-12 23:04:08 |\n| 34 | [多目标汇总](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F613094769) | 2023-03-11 10:17:50 |\n| 35 | [多场景 \\| 联合建模: bias tower另起炉灶学习场景信息](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F612462886) | 2023-03-09 00:34:41 |\n| 36 | [多场景 \\| 联合建模: 巧用poso gate强化场景信息](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F611881134) | 2023-03-07 00:47:18 |\n| 37 | [多场景 \\| 联合建模: hard-share未必不行](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F611499122) | 2023-03-05 16:39:03 |\n| 38 | [多场景系列汇总](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F611497598) | 2023-03-05 16:24:56 |\n| 39 | [多场景建模 \\| 概览](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F611289214) | 2023-03-04 15:39:19 |\n| 40 | [长序列建模 \\| ETA: 端到端建模实现目标一致性](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F609240360) | 2023-02-25 08:18:29 |\n| 41 | [长序列建模 \\| SIM: 朴素的往往是有效的](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F606664124) | 2023-02-15 22:31:10 |\n| 42 | [特征交叉 \\| xDeepFM: 站在DeepFM和DCN的肩膀上](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F600119672) | 2023-01-19 20:23:42 |\n| 43 | [特征交叉 \\| DCN-m: 显式高阶特征交叉进阶版](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F598886667) | 2023-01-14 09:50:31 |\n| 44 | [特征交叉 \\| DCN-v: 显式高阶特征交叉不是梦](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F597345829) | 2023-01-07 20:43:43 |\n| 45 | [特征交叉 \\| DCN系列：解放高阶交叉的人工设计](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F597346245) | 2023-01-07 19:31:15 |\n| 46 | [BN有效性分析及其应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F596135443) | 2023-01-03 09:58:27 |\n| 47 | [一文读懂Batch Normalization](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F594944859) | 2022-12-31 11:07:25 |\n| 48 | [神经网络基础知识汇总](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F595642750) | 2022-12-31 11:04:35 |\n| 49 | [推荐基础知识汇总](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F595640823) | 2022-12-31 10:58:41 |\n| 50 | [用户行为序列建模汇总](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F595639487) | 2022-12-31 10:47:26 |\n| 51 | [特征交叉方法汇总](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F595637610) | 2022-12-31 10:40:59 |\n| 52 | [特张交叉 \\| DeepFM: 绕不开的业界强base](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F592475293) | 2022-12-19 13:51:13 |\n| 53 | [特征交叉 \\| PNN: product层实现特征交叉](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F592861542) | 2022-12-19 13:38:02 |\n| 54 | [特征交叉 \\| FNN和NFM: FM与DNN输入的结合](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F592481321) | 2022-12-17 11:13:44 |\n| 55 | [特征交叉 \\| FwFM和AFM: 显式特征交叉权重精细化](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F591046784) | 2022-12-11 21:36:01 |\n| 56 | [特征交叉 \\| FFM: 显式特征交叉按域精细化](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F590365336) | 2022-12-08 21:54:42 |\n| 57 | [特征交叉 \\| FM：embedding化特征交叉鼻祖](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F588733973) | 2022-12-03 14:09:55 |\n| 58 | [特征交叉：wide&deep开启DNN模型特征交叉时代](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F587217795) | 2022-11-29 22:57:17 |\n| 59 | [用户行为长序列建模MIMN方法和思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F584921328) | 2022-11-19 20:08:23 |\n| 60 | [过拟合-dropout原理和在模型中多种应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F580914279) | 2022-11-06 19:01:51 |\n| 61 | [用户行为长序列建模SDM方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F578530030) | 2022-10-29 20:52:01 |\n| 62 | [用户行为长序列建模概览](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F578570915) | 2022-10-29 20:36:31 |\n| 63 | [AUC离线和在线表现不一致问题：两个维度](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F574109405) | 2022-10-16 15:40:54 |\n| 64 | [用户行为序列建模din系列方法总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F569922102) | 2022-10-01 13:11:02 |\n| 65 | [用户行为序列建模dsin方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F569817483) | 2022-09-30 22:08:28 |\n| 66 | [用户行为序列建模dien方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F567758526) | 2022-09-24 16:18:41 |\n| 67 | [用户行为序列建模din方法和实际应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F563325440) | 2022-09-11 11:43:55 |\n| 68 | [用户行为序列建模self attention和具体实现](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F561976363) | 2022-09-06 23:52:53 |\n| 69 | [用户行为序列建模概览](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F557460569) | 2022-08-24 21:52:32 |\n| 70 | [多目标样本权重-DTP和不确定性加权](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F550676384) | 2022-08-08 20:25:35 |\n| 71 | [多目标样本权重-GradNorm和DWA原理详解和实现](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F542296680) | 2022-07-16 13:27:26 |\n| 72 | [POSO方法的实际应用和分析思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F536499073) | 2022-07-01 22:11:25 |\n| 73 | [用户冷启POSO论文详读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F534056942) | 2022-06-26 19:55:18 |\n| 74 | [多目标模型结构PLE详解和效果分析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F530636262) | 2022-06-18 17:42:13 |\n| 75 | [多目标模型结构-MMoE和实际应用思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F527185153) | 2022-06-10 21:49:22 |\n| 76 | [多目标模型结构-ESMM和ESM2](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F524256107) | 2022-06-04 19:14:19 |\n| 77 | [推荐中多目标的必要性和实现思路](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F514293940) | 2022-05-14 12:40:15 |\n| 78 | [激活函数选择和具体应用以及相关面试题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F508652400) | 2022-05-03 09:16:49 |\n| 79 | [深入理解深度学习中常见激活函数](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F508119920) | 2022-05-01 20:20:17 |\n| 80 | [ctr模型特征交叉结构总结与业务应用和思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F499809627) | 2022-04-16 22:26:55 |\n| 81 | [特征交叉 \\| 从曾将的王者LR开始](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F475769817) | 2022-03-04 16:05:37 |\n| 82 | [一句话理解tensorflow中的乘法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F472445655) | 2022-02-25 18:54:59 |\n| 83 | [如何防止过拟合(1)-正则化](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F469842480) | 2022-02-20 15:28:52 |\n| 84 | [从偏差方差角度理解过拟合](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F464351701) | 2022-02-06 19:56:13 |\n| 85 | [如何计算AUC](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F462734871) | 2022-01-28 16:31:01 |\n| 86 | [什么是好的推荐，重新理解AUC](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F460549028) | 2022-01-22 13:27:55 |\n| 87 | [为什么需要推荐](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F458069387) | 2022-01-16 15:35:17 |\n| 88 | [写在前面](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F458067297) | 2022-01-16 15:28:14 |\n\n\n## 张小磊\n> 介绍： 小小又大大的梦想,小小又大大的梦想。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [CIKM2023 \\| 序列推荐中的自适应多模态融合](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F654281143) | 2023-10-11 09:09:28 |\n| 2 | [WWW2023 \\| 基于去噪对比学习的序列推荐](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F651925497) | 2023-08-23 19:44:34 |\n| 3 | [ICML2023推荐系统论文整理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F647792668) | 2023-08-03 16:46:27 |\n| 4 | [推荐系统范式之争，LLM vs. ID？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F642797247) | 2023-07-12 09:27:30 |\n| 5 | [RecSys2023推荐系统论文整理(长文)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F641236519) | 2023-07-04 09:22:45 |\n| 6 | [IJCAI2023 \\| 当符号学习遇到推荐系统: 基于概率逻辑推理的序列推荐方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F639584630) | 2023-07-01 21:27:54 |\n| 7 | [KDD2023 \\| 外卖推荐场景中用户双重时段变化偏好建模](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F638618122) | 2023-06-23 22:13:25 |\n| 8 | [SIGIR2023 \\| 多行为自监督推荐系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F638538541) | 2023-06-21 10:02:11 |\n| 9 | [SIGIR2023 \\| ID vs 模态: 推荐系统ID范式有望被颠覆？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F633839409) | 2023-06-01 10:36:04 |\n| 10 | [IJCAI2023推荐系统相关论文集锦](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F629248596) | 2023-05-15 10:14:40 |\n| 11 | [生成式推荐: 迈向下一代推荐系统新范式](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F621252860) | 2023-04-12 12:22:31 |\n| 12 | [WWW2023 \\| 高效自监督多模态推荐算法BM3](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F621178341) | 2023-04-11 22:05:55 |\n| 13 | [论文周报 \\| 推荐系统领域最新研究进展，含SIGIR、AAAI、CIKM等顶会论文](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F621176821) | 2023-04-11 21:58:00 |\n| 14 | [DiffuRec: 如何使用扩散模型进行序列推荐](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F621176295) | 2023-04-11 21:54:43 |\n| 15 | [深挖 ChatGPT 背后原理, 快速开发AI应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F618564605) | 2023-03-31 17:44:28 |\n| 16 | [如何利用ChatGPT实现推荐模型的能力？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F618398485) | 2023-03-31 09:29:29 |\n| 17 | [WWW2023 \\| 对比协同过滤冷启动推荐算法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F614027863) | 2023-03-14 22:23:56 |\n| 18 | [论文周报 \\| 推荐系统领域最新研究进展（0213-0219），含ICLR、WWW、AAAI、ECIR等顶会论文](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F607689221) | 2023-02-21 11:22:57 |\n| 19 | [AAAI2023 \\| Transformer对时序预测真的有效吗？且看线性模型如何大战变形金刚](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F607812776) | 2023-02-21 11:22:20 |\n| 20 | [深度多任务推荐系统最新研究进展总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F606946236) | 2023-02-16 19:20:40 |\n| 21 | [WWW2023推荐系统论文抢鲜整理，附pdf合集下载链接](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F606024674) | 2023-02-14 14:17:56 |\n| 22 | [AAAI2023推荐系统相关论文集锦](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F604449273) | 2023-02-10 10:49:54 |\n| 23 | [论文周报 \\| 推荐系统领域最新研究进展，含WWW、AAAI等顶会论文](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F603669316) | 2023-02-07 14:58:29 |\n| 24 | [WWW2023 \\| 基于用户兴趣对齐的跨域推荐算法, 利用对比学习和梯度对齐提升双域性能](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F604207014) | 2023-02-07 14:57:30 |\n| 25 | [论文周报 \\| 推荐系统领域最新研究进展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F601903208) | 2023-02-02 09:15:47 |\n| 26 | [昆士兰大学最新自动深度推荐系统综述，143篇文献详细阐述多种自动搜索技术](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F600003206) | 2023-02-02 09:14:45 |\n| 27 | [TKDE2023 \\| 基于语义和结构模型融合的社交推荐算法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F602120640) | 2023-02-02 09:01:41 |\n| 28 | [CCF优博论文 \\| 基于用户决策行为的个性化推荐方法及应用研究](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F598158186) | 2023-01-11 16:35:53 |\n| 29 | [论文周报0102-0108 \\| 推荐系统领域最新研究进展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F597530210) | 2023-01-09 11:09:09 |\n| 30 | [SIGIR2022 \\| 基于生成对抗思想的冷启动推荐算法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F597542716) | 2023-01-08 21:02:12 |\n| 31 | [麦吉尔大学最新搜索与推荐多样性研究综述，多角度介绍其研究进展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F596628891) | 2023-01-05 21:51:38 |\n| 32 | [WWW2022 \\| 基于领域增强的图对比协同过滤方法+代码实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F591232299) | 2022-12-12 15:46:34 |\n| 33 | [2022最新基于图神经网络的社交推荐算法综述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F591232134) | 2022-12-12 15:44:34 |\n| 34 | [腾讯联合西湖大学发布首个大规模多用途推荐系统数据集, 可评估超10种推荐任务](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F579806424) | 2022-11-02 19:01:52 |\n| 35 | [悉尼科技大学最新可信推荐综述，提出可信推荐生态系统并概括9个方面的发展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F578767560) | 2022-10-30 18:34:37 |\n| 36 | [最新可信推荐系统综述, 6个维度71页463篇文献介绍其前沿进展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F569639053) | 2022-09-30 11:36:38 |\n| 37 | [最新综述 \\| 基于因果推断的推荐系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F560131048) | 2022-09-01 11:09:39 |\n| 38 | [论文周报 \\| 推荐系统领域最新研究进展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F556275248) | 2022-08-24 21:26:53 |\n| 39 | [基于对抗学习的隐私保护推荐算法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F545991346) | 2022-08-24 21:20:04 |\n| 40 | [350篇文献总结可信推荐系统前沿进展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F548089130) | 2022-08-01 22:24:24 |\n| 41 | [论文周报 \\| 推荐系统领域最新研究进展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F548335873) | 2022-08-01 22:23:01 |\n| 42 | [WWW2022 \\| 基于交叉成对排序的无偏推荐算法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F506167780) | 2022-07-28 22:14:57 |\n| 43 | [KDD2022推荐系统论文集锦(附pdf下载)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F545374876) | 2022-07-23 22:28:28 |\n| 44 | [TransRec: 基于混合模态反馈的可迁移推荐系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F541387375) | 2022-07-14 09:47:58 |\n| 45 | [RecSys2022推荐系统论文集锦](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F539925973) | 2022-07-10 22:50:01 |\n| 46 | [推荐系统相关资源介绍（书籍、代码、综述、教程等内容）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F537566024) | 2022-07-05 17:55:53 |\n| 47 | [上交最新深度元学习推荐算法综述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F527315188) | 2022-06-13 21:11:46 |\n| 48 | [SimpleX: 一个简单且有效的协同过滤框架](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F526138302) | 2022-06-12 22:08:41 |\n| 49 | [SIGIR2022 \\| UCCR: 以用户为中心的对话推荐系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F515893047) | 2022-06-11 21:28:26 |\n| 50 | [WWW2022 \\| Recommendation Unlearning](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F523683205) | 2022-06-02 18:35:27 |\n| 51 | [SIGIR2022 \\| 基于Prompt的用户自选公平性推荐算法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F519355409) | 2022-05-30 21:23:20 |\n| 52 | [SIGIR2022 \\| SimGCL: 面向推荐系统的极简图对比学习方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F509511858) | 2022-05-05 11:39:08 |\n| 53 | [论文周报 \\| 推荐系统领域最新研究进展（0410-0417）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F500570998) | 2022-04-18 20:28:32 |\n| 54 | [论文周报(0404-0410) \\| 推荐系统领域最新研究进展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F496341317) | 2022-04-11 08:37:40 |\n| 55 | [首篇自监督学习推荐系统综述: 150篇文献概述四大类方法(含开源算法库SELFRec)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F493464153) | 2022-04-05 21:23:13 |\n| 56 | [TKDE2022 \\| 最新深度学习推荐系统综述：从协同过滤到信息增强的推荐系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F488613439) | 2022-03-28 09:52:42 |\n| 57 | [SIGIR2021@Elliot \\| 一个全新且全面的推荐系统Benchmark](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F464948417) | 2022-02-08 17:37:18 |\n| 58 | [AAAI2022推荐系统论文集锦](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F455292971) | 2022-01-10 08:53:50 |\n| 59 | [一文梳理联邦学习推荐系统研究进展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F408689514) | 2021-09-09 22:51:56 |\n| 60 | [RecSys2021推荐系统论文集锦](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F402517085) | 2021-08-23 09:24:35 |\n| 61 | [RSPapers \\| 基于自监督学习推荐系统论文合集](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F380700263) | 2021-06-15 10:18:01 |\n| 62 | [WWW2021 \\| 最新深度学习推荐系统教程](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F368259989) | 2021-04-27 15:35:22 |\n| 63 | [推荐系统中的对抗机器学习技术总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F355340856) | 2021-03-08 00:00:27 |\n| 64 | [AAAI2021推荐系统论文清单](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F341716240) | 2021-01-04 13:44:01 |\n| 65 | [KDD2020最佳论文: 关于个性化排序任务评价指标的大讨论](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F206823510) | 2020-08-30 19:35:17 |\n| 66 | [SIGIR2020 \\| 基于GCN的鲁棒推荐系统研究](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F179279299) | 2020-08-10 21:40:56 |\n| 67 | [ABPR: 利用对抗训练技术增强的BPR](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F161214623) | 2020-07-17 11:23:18 |\n| 68 | [推荐系统之FM与MF傻傻分不清楚](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F149063040) | 2020-06-17 23:10:55 |\n| 69 | [利用对抗技术来权衡推荐精度与用户隐私](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F148547813) | 2020-06-15 21:59:15 |\n| 70 | [SIGIR2020推荐系统论文聚焦](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F147076110) | 2020-06-09 23:25:04 |\n| 71 | [IJCAI'20最新推荐系统论文聚焦](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F144089382) | 2020-05-28 11:49:35 |\n| 72 | [最新边信息推荐系统综述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F129304773) | 2020-04-13 09:31:07 |\n| 73 | [在家无聊？16篇最新推荐系统论文送你](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F111125491) | 2020-03-06 11:03:42 |\n| 74 | [AAAI2020推荐系统论文集锦](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F102949266) | 2020-01-15 22:06:27 |\n| 75 | [社会化推荐浅谈](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F38413102) | 2019-12-22 22:59:04 |\n| 76 | [IJCAI'19最新推荐系统论文分享](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F74469773) | 2019-07-20 17:51:40 |\n| 77 | [当推荐系统邂逅深度学习](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F52824004) | 2018-12-29 23:04:44 |\n| 78 | [由协同过滤联想到的...](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F41240619) | 2018-08-03 20:28:55 |\n| 79 | [极大似然估计与最大后验概率估计](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F40024110) | 2018-07-18 22:46:57 |\n| 80 | [推荐系统之矩阵分解家族](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F35262187) | 2018-06-11 20:48:23 |\n| 81 | [由Logistic Regression所联想到的...](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F32681265) | 2018-01-09 22:04:35 |\n| 82 | [网络表示学习概述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F32504175) | 2017-12-31 12:17:58 |\n| 83 | [反向传播之我见](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F28821475) | 2017-08-27 10:44:50 |\n| 84 | [推荐系统从入门到接着入门](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F27502172) | 2017-06-21 23:39:04 |\n\n\n## sliderSun\n> 介绍： https:\u002F\u002Fgithub.com\u002FsliderSun,https:\u002F\u002Fblog.csdn.net\u002Fweixin_37947156。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [LLMs源码阅读之（四）Mistral系列](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F688059726) | 2024-03-21 15:37:17 |\n| 2 | [LangChain：代码世界的魔法师，源码解读带你笑看技术黑洞](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684011400) | 2024-02-29 16:48:32 |\n| 3 | [LLMs源码阅读（二）Baichuan](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F675212809) | 2024-02-26 14:47:13 |\n| 4 | [知识盛宴：探秘LLMs、Sora和LWM的神奇世界](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F672633137) | 2024-02-21 13:17:31 |\n| 5 | [使用PEFT微调LLMs](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F623866920) | 2023-04-22 14:56:17 |\n| 6 | [ChatGLM-6B P-Tuning v2 教程](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F619417296) | 2023-04-04 17:14:52 |\n| 7 | [The Illustrated Stable Diffusion](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F596087332) | 2023-01-04 22:20:43 |\n| 8 | [【Linux】多个版本的CUDA切换](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F589442446) | 2022-12-05 21:44:25 |\n| 9 | [InfoCSE：信息聚合对比学习的句子表示](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F575219521) | 2022-10-20 22:07:35 |\n| 10 | [MixCSE ：混合负样本无监督句子表示的对比学习](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F555939177) | 2022-08-20 16:32:31 |\n| 11 | [MoCoSE : 对比学习中负样本的影响](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F555770079) | 2022-08-20 00:10:17 |\n| 12 | [DisCo：句子表示的对比知识蒸馏](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F555748085) | 2022-08-19 23:00:52 |\n| 13 | [ArcCSE \\| 基于角度margin的对比学习](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F555369904) | 2022-08-19 00:02:20 |\n| 14 | [EASE：实体感知的句子Embedding对比学习](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F512700632) | 2022-05-11 23:32:58 |\n| 15 | [DiffCSE：结合对比学习和ELECTRA的句子表示](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F503491410) | 2022-04-25 17:52:24 |\n| 16 | [VIRT:通过虚拟交互改进基于表示的文本匹配模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F443757608) | 2021-12-10 18:26:49 |\n| 17 | [NLP对比表示中的对抗学习](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F440860495) | 2021-12-03 17:57:25 |\n| 18 | [TRANS-ENCODER：自蒸馏和互蒸馏的无监督句对模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F437729611) | 2021-11-25 20:28:18 |\n| 19 | [Dynamic-TinyBERT：通过动态序列长度提TinyBERT的推理效率](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F437364437) | 2021-11-24 22:35:42 |\n| 20 | [S-SimCSE：基于抽样子网络的句子嵌入对比学习](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F437142080) | 2021-11-24 16:24:15 |\n| 21 | [KroneckerBERT：基于Kronecker分解的知识蒸馏的语言模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F414287266) | 2021-09-29 14:24:51 |\n| 22 | [DyLex：将动态词汇结合到BERT中用于序列标注](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F412839346) | 2021-09-23 20:26:02 |\n| 23 | [PAUSE：基于PU损失和多项式退火的未标记的句子嵌入训练方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F409570497) | 2021-09-13 18:01:29 |\n| 24 | [ESimCSE：无监督句子嵌入对比学习的增强样本构建方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F409124038) | 2021-09-11 10:17:25 |\n| 25 | [短文本多意图语义解析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F405096922) | 2021-08-30 18:29:46 |\n| 26 | [细粒度的实体类型的Prompt-Learning](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F403551370) | 2021-08-25 20:25:28 |\n| 27 | [AL-TextCNN：基于embedding压缩的一种轻量级TextCNN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F397804210) | 2021-08-09 15:33:39 |\n| 28 | [ACT：一种高效文本分类的注意卷积变换](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F386697557) | 2021-07-05 13:11:09 |\n| 29 | [ELBERT：基于置信窗口早期退出的Fast ALBERT](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F386664564) | 2021-07-05 10:14:11 |\n| 30 | [RDCNN: 使用加权残差连接的深度动态卷积模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F384796920) | 2021-06-30 15:45:59 |\n| 31 | [RomeBERT：多出口BERT的鲁棒训练](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F348198528) | 2021-02-05 20:16:11 |\n| 32 | [CLEAR:将SimCLR应用于NLP句子表征](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F347697497) | 2021-01-28 16:29:08 |\n| 33 | [一种新颖的命名实体识别（NER）评估技术](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F344745423) | 2021-01-16 16:32:19 |\n| 34 | [图解GPT3的工作原理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F344695943) | 2021-01-16 11:46:38 |\n| 35 | [Switch Transformer：谷歌万亿参数的语言模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F343954960) | 2021-01-13 20:16:03 |\n| 36 | [Poor Man's BERT: 更小更快的Transformer模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F343229835) | 2021-01-10 16:22:25 |\n| 37 | [TernaryBERT：可感知蒸馏的三值化BERT](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F267150517) | 2020-10-30 17:38:09 |\n| 38 | [一文详解文本深度学习模型的压缩](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F184973728) | 2020-10-19 20:47:26 |\n| 39 | [Cluster-Former：基于聚类的稀疏Transformer，用于远距离相关性编码](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F252438195) | 2020-10-09 17:00:04 |\n| 40 | [那些悄悄拍了拍Transformer的奔涌的后浪们](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F170587934) | 2020-08-07 05:00:38 |\n| 41 | [DeLighT：超深轻型Transformer](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F168259907) | 2020-08-07 00:07:34 |\n| 42 | [「芝麻街」Big Bird : Sparse Attention 再填新成员](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F165004334) | 2020-07-31 18:58:28 |\n| 43 | [预训练的应用挑战与实践探索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F163715853) | 2020-07-25 23:20:22 |\n| 44 | [开放域对话系统：现状和未来](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F163709485) | 2020-07-25 22:56:56 |\n| 45 | [SqueezeBERT:关于高效的神经网络，计算机视觉能教会NLP什么?](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F158738295) | 2020-07-11 18:18:18 |\n| 46 | [End2End NLU：Joint Model(Intent+Slot)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F158675992) | 2020-07-11 15:19:39 |\n| 47 | [TUPE:重新思考语言预训练中的位置编码](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F157567595) | 2020-07-09 18:22:33 |\n| 48 | [Memory Transformer](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F151025932) | 2020-07-05 11:45:53 |\n| 49 | [Match2：相似问题识别的匹配模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F150878142) | 2020-06-27 18:57:20 |\n| 50 | [Transformer和Bert相关知识解答](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F149634836) | 2020-06-20 17:56:01 |\n| 51 | [语言模型的位置掩码](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F149279813) | 2020-06-20 09:34:28 |\n| 52 | [MC-BERT：通过元控制器进行有效的语言预训练](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F148662793) | 2020-06-18 14:50:59 |\n| 53 | [Linformer:具有线性复杂性的自注意力机制](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F147225773) | 2020-06-14 16:39:45 |\n| 54 | [Funnel-Transformer:过滤掉顺序冗余以实现高效的语言处理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F146767383) | 2020-06-09 00:04:43 |\n| 55 | [TriggerNER:学习使用实体触发器来解释命名实体识别](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F146200413) | 2020-06-07 16:32:49 |\n| 56 | [AWE：Attention Word Embedding](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F145039875) | 2020-06-02 13:26:43 |\n| 57 | [Highway Transformer：自选门增强了自关注网络](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F144985424) | 2020-06-01 09:55:55 |\n| 58 | [SYNTHESIZER:重新思考Transformer模型中的自我注意](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F144563499) | 2020-05-31 17:28:12 |\n| 59 | [Soft-Masked BERT用于拼写纠错](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F142957837) | 2020-05-28 17:56:18 |\n| 60 | [NLP中的自我监督表示学习](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F144187709) | 2020-05-28 12:13:59 |\n| 61 | [lite-transformer](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F142953648) | 2020-05-23 04:20:49 |\n| 62 | [图解SimCLR框架](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F142951091) | 2020-05-23 01:18:28 |\n| 63 | [ICLR 2020上，Transformers 有何新动向？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F141624736) | 2020-05-18 14:47:16 |\n| 64 | [💡Illustrating the Reformer](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F139220925) | 2020-05-09 17:24:42 |\n| 65 | [DeeBERT: 动态提前退出加速BERT推理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F139197227) | 2020-05-09 12:18:35 |\n| 66 | [DeFormer:分解预先训练的Transformers，以更快地回答问题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F138807224) | 2020-05-08 14:03:15 |\n| 67 | [ColBERT：一种新颖的后期交互范式的检索模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F138703309) | 2020-05-07 17:19:50 |\n| 68 | [对话状态跟踪与预训练编码器的多域 Trask-oriented对话系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F136708477) | 2020-05-01 14:34:08 |\n| 69 | [Keyword-Attentive Deep Semantic Matching](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F135991533) | 2020-04-26 17:47:27 |\n| 70 | [MPNet: 掩码语言建模和排列语言建模结合的预训练语言模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F134113657) | 2020-04-22 14:05:34 |\n| 71 | [PALM:上下文条件生成预训练一个自动编码和自回归语言模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F131549349) | 2020-04-17 17:50:14 |\n| 72 | [ProFormer：走向基于设备LSH投影的变压器](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F130929424) | 2020-04-16 11:14:39 |\n| 73 | [LADABERT：混合模型压缩的轻量级自适应BERT](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F129298567) | 2020-04-12 23:02:31 |\n| 74 | [更快且同样准确:Transformer模型的简单分解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F85619782) | 2019-10-08 17:20:38 |\n| 75 | [改进RNN的门控机制](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F85581493) | 2019-10-08 14:16:11 |\n| 76 | [Sparse Transformer](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F84802318) | 2019-09-30 14:03:57 |\n\n\n## 绝密伏击\n> 介绍： 九天惊雷撼乾坤，一指破空九万里,一位篮球爱好者。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [挑战 Transformer：全新架构 Mamba 详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684231320) | 2024-02-28 17:44:37 |\n| 2 | [Sora技术报告——世界模拟器](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F682549750) | 2024-02-17 22:19:11 |\n| 3 | [假如GPT-4目前只能解决人类任务的10%，GPT-5应该是15%或者20%](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F679042019) | 2024-01-21 21:04:45 |\n| 4 | [深入浅出ChatGPT：技术原理一探究竟](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F678912290) | 2024-01-20 20:49:14 |\n| 5 | [RoPE外推优化——支持192K上下文长度](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F678755776) | 2024-01-19 20:38:38 |\n| 6 | [群魔乱舞：MoE大模型详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F677638939) | 2024-01-15 21:05:42 |\n| 7 | [再论大模型位置编码及其外推性](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F675243992) | 2023-12-29 23:20:21 |\n| 8 | [大模型混合精度训练](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F673702662) | 2023-12-22 19:15:59 |\n| 9 | [如何构建自己的大模型（万字长文）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F673308333) | 2023-12-21 11:38:53 |\n| 10 | [用户序列建模](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F669898579) | 2023-12-01 18:02:38 |\n| 11 | [大模型轻量级微调（LoRA）：训练速度、显存占用分析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F666000885) | 2023-11-09 21:53:40 |\n| 12 | [一文读懂Llama 2（从原理到实战）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F653303123) | 2023-08-30 20:09:45 |\n| 13 | [LLaMa-1 技术详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F648774481) | 2023-08-08 19:15:58 |\n| 14 | [大模型文本生成——解码策略（Top-k & Top-p & Temperature）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F647813179) | 2023-08-04 19:10:29 |\n| 15 | [十分钟读懂旋转编码（RoPE）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F647109286) | 2023-08-01 18:52:37 |\n| 16 | [Sparse Transformer](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F643801236) | 2023-07-15 23:28:57 |\n| 17 | [6年推荐系统经验总结——「推荐系统技术原理与实践」](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F641176648) | 2023-07-03 16:13:22 |\n| 18 | [清华大学通用预训练模型：GLM](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F637382548) | 2023-06-17 20:16:34 |\n| 19 | [循环神经网络详解（RNN\u002FLSTM\u002FGRU）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F636756912) | 2023-06-13 21:16:42 |\n| 20 | [压缩即智能：为什么 ChatGPT 拥有智能？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F634194171) | 2023-06-02 20:12:29 |\n| 21 | [谷歌大模型指令微调：The Flan Collection](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F633346577) | 2023-05-31 14:51:51 |\n| 22 | [大模型CoT（思维链）总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F629087587) | 2023-05-13 21:14:31 |\n| 23 | [大模型微调实践：ChatGLM-6B全参数微调](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F627788620) | 2023-05-08 19:49:43 |\n| 24 | [大模型微调总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F627642632) | 2023-05-08 15:59:14 |\n| 25 | [LORA：大模型轻量级微调](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F623543497) | 2023-04-21 17:58:02 |\n| 26 | [ChatGPT技术原理解析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F618320262) | 2023-03-31 20:52:49 |\n| 27 | [OpenAI ChatGPT（四）：十分钟读懂 GPT-3](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F614597581) | 2023-03-25 19:32:34 |\n| 28 | [GPT-4技术文档](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F614271969) | 2023-03-16 18:36:09 |\n| 29 | [OpenAI ChatGPT（三）：Tensorflow实现GPT-2](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F614003576) | 2023-03-14 21:17:17 |\n| 30 | [OpenAI ChatGPT（三）：十分钟读懂 GPT-2](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F613895056) | 2023-03-14 18:32:03 |\n| 31 | [OpenAI ChatGPT（二）：Tensorflow实现GPT-1](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F606318317) | 2023-02-15 17:26:01 |\n| 32 | [OpenAI ChatGPT（二）：十分钟读懂 GPT-1](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F604625917) | 2023-02-09 20:45:42 |\n| 33 | [ChatGPT Is All you Need](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F603497653) | 2023-02-04 21:43:02 |\n| 34 | [OpenAI ChatGPT（一）：Tensorflow实现Transformer](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F603243890) | 2023-02-03 20:55:02 |\n| 35 | [OpenAI ChatGPT（一）：十分钟读懂 Transformer](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F600773858) | 2023-01-28 00:04:49 |\n| 36 | [十分钟读懂Stable Duffision](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F600251419) | 2023-01-20 21:00:06 |\n| 37 | [十分钟读懂Diffusion：图解Diffusion扩散模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F599887666) | 2023-01-18 19:03:44 |\n| 38 | [爆火的ChatGPT，到底怎么样？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F595278103) | 2022-12-29 20:44:06 |\n| 39 | [AIGC爆火的背后——扩散模型DDPM浅析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F590840909) | 2022-12-11 00:10:56 |\n| 40 | [AIGC爆火的背后——对抗生成网络GAN浅析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F580137376) | 2022-11-04 19:14:25 |\n| 41 | [长序列建模（二）：美团SDIM（Sampling-based Deep Interest Modeling）模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F560657191) | 2022-09-02 20:17:26 |\n| 42 | [阿里ETA模型——实践篇](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F556195411) | 2022-08-21 20:07:02 |\n| 43 | [长序列建模（一）：阿里ETA（End-to-end Target Attention）模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F547087040) | 2022-07-28 20:05:56 |\n| 44 | [SIGIR2022：阿里多任务学习最新论文ESCM2](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F526545110) | 2022-06-09 18:36:04 |\n| 45 | [多场景建模](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F446635065) | 2021-12-17 16:30:26 |\n| 46 | [【总结】推荐系统——精排篇【3】DIN\u002FDIEN\u002FBST\u002FDSIN\u002FMIMN\u002FSIM\u002FCAN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F433135805) | 2021-11-14 18:29:53 |\n| 47 | [【总结】推荐系统——精排篇【2】WDL\u002FDCN\u002FDCN-v2](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F433086709) | 2021-11-14 13:19:41 |\n| 48 | [【总结】推荐系统——精排篇【1】FM\u002FFFM\u002FGBDT+LR\u002FMLR](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F432817787) | 2021-11-13 21:21:44 |\n| 49 | [元学习在推荐系统中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F432088211) | 2021-11-12 19:31:58 |\n| 50 | [【总结】推荐系统中知识蒸馏应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F372575360) | 2021-05-16 15:41:44 |\n| 51 | [知识蒸馏在推荐系统中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F366725144) | 2021-04-22 16:27:54 |\n| 52 | [【总结】推荐系统——召回篇【4】](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F356560809) | 2021-03-19 21:41:33 |\n| 53 | [【总结】推荐系统——召回篇【3】](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F354859728) | 2021-03-09 20:52:33 |\n| 54 | [【总结】推荐系统——召回篇【2】](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F352169069) | 2021-03-01 19:45:10 |\n| 55 | [【总结】推荐系统——召回篇【1】](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F351716045) | 2021-02-21 22:29:45 |\n| 56 | [推荐系统中的用户留存优化](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F350042268) | 2021-02-08 17:05:35 |\n| 57 | [SIGIR2020最佳论文：如何消除推荐系统中的曝光偏差](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F338825375) | 2020-12-23 21:04:12 |\n| 58 | [多目标学习在推荐系统的应用(MMOE\u002FESMM\u002FPLE)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F291406172) | 2020-11-14 04:25:24 |\n| 59 | [模型的参数初始化](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F136438591) | 2020-04-26 20:40:48 |\n| 60 | [RALM: 实时Look-alike 算法在微信看一看中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F103531533) | 2020-01-20 10:52:22 |\n| 61 | [回顾阿里经典CTR预估模型DIN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F103092757) | 2020-01-17 15:23:22 |\n| 62 | [深度学习中激活函数总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F102008364) | 2020-01-10 18:26:35 |\n| 63 | [回顾Google经典CTR预估模型WDL](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F100898327) | 2020-01-03 21:53:46 |\n| 64 | [回顾阿里经典CTR预估模型MLR](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F100532677) | 2020-01-01 13:59:27 |\n| 65 | [回顾阿里经典CTR预估模型：MLR(mixed logistic regression)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F100207934) | 2019-12-31 17:07:07 |\n| 66 | [2019年度总结：深度学习在推荐系统中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F99536133) | 2019-12-26 23:10:00 |\n| 67 | [有趣的证明](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F97165613) | 2019-12-13 16:09:49 |\n| 68 | [推荐系统论文DSIN：Deep Session Interest Network](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F97015090) | 2019-12-12 22:29:10 |\n| 69 | [推荐系统论文：Behavior Sequence Transformer](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F96338316) | 2019-12-09 20:33:42 |\n| 70 | [行列式点过程DPP在推荐系统中的应用(续)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F95677561) | 2019-12-06 15:17:41 |\n| 71 | [行列式点过程DPP在推荐系统中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F95607668) | 2019-12-05 22:08:58 |\n| 72 | [深度学习中Batch Normalization和Dice激活函数](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F78829402) | 2019-08-19 18:44:15 |\n| 73 | [LR训练优化-稀疏特征过滤](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F51947854) | 2018-12-09 17:57:16 |\n| 74 | [优先队列的使用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F48525768) | 2018-11-04 20:26:19 |\n| 75 | [阿里论文《Deep Interest Evolution Network》](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F45325081) | 2018-09-25 18:21:53 |\n\n\n## Houye\n> 介绍： 化学本，计算机博。私信不看，有问题付费咨询。,微信Houye93 公众号:【图与推荐】，有问题欢迎值乎。。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [最新综述 \\| A Review of Graph Neural Networks in Epidemic Modeling](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F692367021) | 2024-04-14 08:53:09 |\n| 2 | [导师：瞒着我发水刊，你退学吧！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691823700) | 2024-04-11 06:20:35 |\n| 3 | [迈向公平图学习的新基准：电子科大等发布全新综合数据集和统一评估方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691405551) | 2024-04-09 05:37:24 |\n| 4 | [大厂校招实习内推群. 无内鬼, 速来.](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F688148572) | 2024-03-20 22:46:44 |\n| 5 | [VLDB2024 \\| 基于动态图神经网络的多元时间序列预测](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F687311305) | 2024-03-16 06:01:34 |\n| 6 | [LLM+GNN=GraphEdit](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F686488070) | 2024-03-12 06:23:30 |\n| 7 | [2024 最新综述 \\| 当知识图谱遇上多模态学习](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684268416) | 2024-02-27 22:43:39 |\n| 8 | [京东, 招推荐算法实习生, 有顶会论文发表机会](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F683295333) | 2024-02-22 05:01:51 |\n| 9 | [大模型时代，图在推荐系统中的前沿应用探索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F680066257) | 2024-01-30 00:44:09 |\n| 10 | [NeurIPS'23 \\| 图数据蒸馏 v.s. 图像数据蒸馏,](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F679459457) | 2024-01-24 01:28:01 |\n| 11 | [开放申请 \\| 2024腾讯犀牛鸟精英人才计划](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F678226768) | 2024-01-17 06:22:45 |\n| 12 | [推荐系统解释生成研究进展速览](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F677581251) | 2024-01-13 06:08:47 |\n| 13 | [综述：LLM驱动的生成式信息抽取](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F677158149) | 2024-01-11 06:20:00 |\n| 14 | [最新综述 \\| GNN如何处理表格？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F677157654) | 2024-01-11 05:52:04 |\n| 15 | [淘宝主搜：大模型在长尾Query改写召回上的实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F676959257) | 2024-01-10 10:43:32 |\n| 16 | [论文周报 \\| 推荐系统领域最新研究进展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F676959253) | 2024-01-10 06:18:47 |\n| 17 | [大模型天才少年！“智谱星”计划等你来](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F677359927) | 2024-01-02 17:43:21 |\n| 18 | [谷歌出品 \\| TIGER:生成式检索推荐系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F674703547) | 2023-12-26 22:54:43 |\n| 19 | [香港中文领衔港科广、复旦重磅发布：迈向通用图智能的新方法，图提示学习进展与挑战](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F670415529) | 2023-12-05 08:27:41 |\n| 20 | [零基础入门深度学习，学习路线及步骤参考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F657163656) | 2023-09-19 15:08:06 |\n| 21 | [JD 招推荐算法工程师](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F632057831) | 2023-05-25 11:01:49 |\n| 22 | [最新综述解读 \\| 图对比学习的范式, 优化目标等](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F619464792) | 2023-04-05 10:53:59 |\n| 23 | [Hulu北京大裁员，规模超90%。。](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F619464740) | 2023-04-05 10:53:53 |\n| 24 | [2023.3.29, 图机器学习论文快讯](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F619511377) | 2023-03-30 12:58:36 |\n| 25 | [斯坦福CS224W《几何图学习》2023课程！ 入门必看!](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F617170610) | 2023-03-24 17:47:11 |\n| 26 | [WWW23推荐系统论文集锦，GNNRec 依然火热](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F616251921) | 2023-03-23 06:25:53 |\n| 27 | [大淘宝 \\| 招AIGC方向阿里星(对比华为天才少年)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F616251915) | 2023-03-23 06:25:52 |\n| 28 | [​ICLR'23 \\| 图表示学习遇到类别不平衡怎么办?](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F615943434) | 2023-03-22 06:10:28 |\n| 29 | [顶会审稿人分享图神经网络的应用与挑战！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F615943429) | 2023-03-22 06:10:27 |\n| 30 | [交流群&资料群](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F615633884) | 2023-03-21 06:03:06 |\n| 31 | [3万美金奖金! KDD CUP 2023 竞赛正式启动](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F615633877) | 2023-03-21 06:03:05 |\n| 32 | [阿里, 招算法工程师](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F615633874) | 2023-03-21 06:03:04 |\n| 33 | [ChatGPT背景下，知识图谱该何去何从？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F614895981) | 2023-03-17 21:10:07 |\n| 34 | [京东, 招搜索召回与排序算法实习生, 待遇超好](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F614895975) | 2023-03-17 21:10:05 |\n| 35 | [代码开源！阿里妈妈展示广告Match底层技术架构最新进展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F614895965) | 2023-03-17 21:10:04 |\n| 36 | [字节, 招NLP 算法实习生(急招日常实习, base北京)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F614306923) | 2023-03-15 21:10:05 |\n| 37 | [华为中央研究院, 招图计算科研实习生](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F614060633) | 2023-03-15 06:10:22 |\n| 38 | [AI有哪些方向更容易发论文？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F614060631) | 2023-03-15 06:10:20 |\n| 39 | [百度大搜 \\| 招GNN\u002FTransformer\u002F图网络+问答+搜索方向实习生](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F613763329) | 2023-03-14 05:55:10 |\n| 40 | [关于Kaiming面试MIT教职这件事, 我问了问ChatGPT](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F612763484) | 2023-03-10 00:56:42 |\n| 41 | [DGL 1.0, 让所有人都能快速使用图机器学习。](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F612422263) | 2023-03-08 21:10:49 |\n| 42 | [最新综述 \\| 图上知识蒸馏怎么做？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F612188672) | 2023-03-08 06:10:52 |\n| 43 | [GNN论文周报 \\| 来自剑桥、港大、华中科大等机构前沿论文研究](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F611891878) | 2023-03-07 05:29:17 |\n| 44 | [腾讯招科研型算法实习生(犀牛鸟精英人才)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F611891874) | 2023-03-07 05:29:16 |\n| 45 | [对标OGB! 新一代大规模GNN数据集IGB来啦~](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F611394487) | 2023-03-05 00:10:23 |\n| 46 | [​ICLR 2023 \\| LightGCL: 简单且高效的图对比学习推荐系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F611190099) | 2023-03-04 01:17:55 |\n| 47 | [358 篇论文, 最新知识图谱KG综述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F611190098) | 2023-03-04 01:17:54 |\n| 48 | [招全奖博士 \\| 图神经网络+强化学习方向](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F610606579) | 2023-03-02 05:46:25 |\n| 49 | [AAAI'23 \\| 推荐系统相关论文整理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F610304249) | 2023-03-01 06:01:14 |\n| 50 | [超硬核！！！超图（Hypergraph）研究一览: Survey, 学习算法，理论分析，tutorial，数据集，Tools!](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F610304242) | 2023-03-01 06:01:13 |\n| 51 | [麦考瑞大学最新知识图谱构建综述，37页内容358篇文献系统阐述大数据视野下知识图谱构建全过程方法及其最新进展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F610304236) | 2023-03-01 06:01:12 |\n| 52 | [「WWW'23 \\| 快手」短视频推荐系统中提升用户留存算法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F610023562) | 2023-02-28 09:49:13 |\n| 53 | [斯坦福博士论文 \\| 双曲空间中的图表示学习](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F610023539) | 2023-02-28 09:49:12 |\n| 54 | [​ICLR23 \\| 具有引力-斥力机制的GNN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F609493653) | 2023-02-26 02:10:26 |\n| 55 | [寒冬中为数不多的 HC \\| 快手招图学习+多模态+推荐方向实习生](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F609493652) | 2023-02-26 02:10:25 |\n| 56 | [降本提效 \\| 如何将工业推荐模型的参数量降低1000倍?](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F609288019) | 2023-02-25 05:38:18 |\n| 57 | [Nat. Mach. Intell：图机器学习的软硬件协同](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F609288013) | 2023-02-25 05:38:17 |\n| 58 | [CIKM2022: LTE4G：图神经网络中的长尾专家](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F608661182) | 2023-02-22 23:50:28 |\n| 59 | [知识增强的图机器学习在药物发现中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F608661177) | 2023-02-22 23:50:27 |\n| 60 | [GNN领域最新的研究综述以及研究趋势 \\| 附论文下载](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F608364218) | 2023-02-22 06:10:48 |\n| 61 | [知乎精选 \\| 长远看算法岗真的比开发岗香吗？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F608054561) | 2023-02-21 05:20:53 |\n| 62 | [剑桥 \\|几何图神经网络表达能力如何？附Slides与视频](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F606740867) | 2023-02-16 08:38:05 |\n| 63 | [【剑桥大学博士论文】图神经网络的实用处理与加速，190页pdf](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F606404838) | 2023-02-15 06:10:17 |\n| 64 | [AAAI'23教程 \\| 图神经网络:基础、前沿与应用，209页ppt全面阐述GNN最新进展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F606112437) | 2023-02-14 06:33:12 |\n| 65 | [Awesome！搜索\u002F推荐\u002F广告 近400篇优质文章整理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F605329339) | 2023-02-11 01:05:02 |\n| 66 | [AAAI'23杰出论文一作分享：如何将推荐系统训练提速 72 倍？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F605329331) | 2023-02-11 01:05:01 |\n| 67 | [阿里妈妈向量化召回实践：量化索引->树索引->图索引](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F605022526) | 2023-02-10 06:46:15 |\n| 68 | [PyG 官方教程 \\| 开箱即用的图神经网络解释框架](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F605022520) | 2023-02-10 06:46:14 |\n| 69 | [中科院计算所招聘特别研究助理\u002F博士后：社会计算、图神经网络、AI for Social Science](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F604698105) | 2023-02-09 06:10:02 |\n| 70 | [ICML’22 \\| 时间-then-图 v.s. 时间-and-图](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F604085915) | 2023-02-07 08:37:30 |\n| 71 | [【经典书】图论第二版，654页pdf](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F604085910) | 2023-02-07 08:37:29 |\n| 72 | [8篇 ICLR 2023 高分GNN论文](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F603336620) | 2023-02-04 00:52:28 |\n| 73 | [最新综述 \\| GNN如何建模时空信息？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F603336606) | 2023-02-04 00:52:27 |\n| 74 | [顶会审稿人:论文的这些坑不要踩！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F602731329) | 2023-02-02 06:12:02 |\n| 75 | [斯坦福@AAAI2021 \\| 身份感知图神经网络](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F348232715) | 2021-01-30 22:17:07 |\n\n\n## Microstrong\n> 介绍： 微信公众号：Microstrong，大规模分布式算法工程师,欢迎关注微信公众号【Microstrong】，我写过4年Android代码，了解前端、熟悉后台，现在主要的研究兴趣是机器学习、深度学习、推荐系统、自然语言处理等相关内容，喜欢分享在学习过程中的读书、思考笔记。欢迎加我微信：Microstrong_AI，一起学习交流进步！\n我的CSDN博客：https:\u002F\u002Fmicrostrong.blog.csdn.net\u002F\n我的GitHub地址：https:\u002F\u002Fgithub.com\u002FMicrostrong0305。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [AUC详解与Python实现](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F607973196) | 2023-09-02 20:08:18 |\n| 2 | [涨点利器：推荐系统中对双塔模型的各种改造升级](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F468875898) | 2023-01-28 16:06:11 |\n| 3 | [推荐系统在工业界的N+1条实战经验](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F336628289) | 2022-02-11 00:33:00 |\n| 4 | [变分自编码器(VAEs)在协同过滤中的应用论文精读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F413599945) | 2021-10-04 16:07:51 |\n| 5 | [KDD'2018 Best Paper-Embedding技术在Airbnb实时搜索排序中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F383512342) | 2021-09-18 23:01:32 |\n| 6 | [YouTube采样修正的双塔模型论文精读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F372550424) | 2021-05-31 02:16:17 |\n| 7 | [深度学习中的知识蒸馏技术(下)-知识蒸馏与推荐系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F345290332) | 2021-03-22 00:26:14 |\n| 8 | [深度学习中的知识蒸馏技术](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F319880839) | 2021-01-19 01:51:52 |\n| 9 | [多目标学习在推荐系统中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F268359893) | 2020-11-06 22:17:16 |\n| 10 | [BERT4Rec:使用Bert进行序列推荐](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F263014307) | 2020-10-15 01:36:02 |\n| 11 | [BERT模型精讲](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F150681502) | 2020-07-05 02:51:45 |\n| 12 | [From Static Embedding to Contextualized Embedding](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F147938963) | 2020-06-21 14:10:27 |\n| 13 | [一张图搞懂《从Word Embedding到Bert模型—自然语言处理中的预训练技术发展史》](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F147646822) | 2020-06-11 19:58:28 |\n| 14 | [基于知识图谱和图卷积神经网络的应用和开发](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F144083271) | 2020-06-07 19:28:36 |\n| 15 | [深度学习推荐系统中各类流行的Embedding方法（下）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F140067638) | 2020-05-23 18:07:21 |\n| 16 | [深度学习推荐系统中各类流行的Embedding方法（上）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F137964687) | 2020-05-11 01:02:33 |\n| 17 | [Doc2vec原理解析及代码实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F136096645) | 2020-04-25 00:10:26 |\n| 18 | [Embedding技术在房产推荐中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F133392688) | 2020-04-19 23:51:29 |\n| 19 | [深入浅出Word2Vec原理解析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F114538417) | 2020-03-26 22:49:23 |\n| 20 | [智能推荐算法在直播场景中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F109577040) | 2020-03-14 23:00:10 |\n| 21 | [XLNet详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F110204573) | 2020-03-07 22:00:53 |\n| 22 | [NLP的任务](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F109122090) | 2020-02-27 00:33:31 |\n| 23 | [从BERT到ALBERT](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F108451858) | 2020-02-23 01:02:29 |\n| 24 | [从Transformer到BERT模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F108031414) | 2020-02-21 19:05:16 |\n| 25 | [Self-Attention与Transformer](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F107575170) | 2020-02-19 19:52:23 |\n| 26 | [词向量与ELMo模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F107223119) | 2020-02-16 23:34:20 |\n| 27 | [深入理解CatBoost](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F102540344) | 2020-02-10 19:34:14 |\n| 28 | [2019已结束，2020再出发](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F102297589) | 2020-01-12 22:22:53 |\n| 29 | [一张图搞懂《推荐系统技术演进趋势：从召回到排序再到重排》](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F101574523) | 2020-01-08 01:02:20 |\n| 30 | [深入理解LightGBM](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F99069186) | 2020-01-04 21:19:46 |\n| 31 | [深入理解XGBoost](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F83901304) | 2019-12-22 02:04:11 |\n| 32 | [深入理解GBDT多分类算法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F91652813) | 2019-11-27 21:15:16 |\n| 33 | [深入理解GBDT二分类算法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F89549390) | 2019-11-14 02:07:18 |\n| 34 | [对数损失函数](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F89614607) | 2019-11-01 13:34:02 |\n| 35 | [深入理解GBDT回归算法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F81016622) | 2019-10-26 02:58:41 |\n| 36 | [梯度提升（Gradient Boosting）算法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F86354141) | 2019-10-13 04:29:21 |\n| 37 | [深入理解提升树（Boosting tree）算法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F84139957) | 2019-10-01 04:42:28 |\n| 38 | [Regression Tree 回归树](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F82054400) | 2019-09-16 02:05:19 |\n| 39 | [机器学习中的判别式模型和生成式模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F74586507) | 2019-08-25 16:39:01 |\n| 40 | [《生成式对抗网络GAN的研究进展与展望》论文笔记](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F78202701) | 2019-08-15 01:24:39 |\n| 41 | [一张图搞懂《GAN万字长文综述》](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F78192548) | 2019-08-14 22:37:44 |\n| 42 | [2019秋招算法岗复盘](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F70741958) | 2019-07-07 22:48:56 |\n| 43 | [基于随机森林的电信用户流失模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F54948979) | 2019-05-17 16:40:49 |\n| 44 | [理解LSTM网络](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F42863963) | 2019-04-30 12:24:53 |\n| 45 | [带师妹轻松过笔试](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F57710121) | 2019-02-26 20:41:53 |\n| 46 | [聊天机器人的各种架构剖析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F55201625) | 2019-01-18 20:56:49 |\n| 47 | [机器学习在自动驾驶（计算机视觉）中的案例分析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F54992103) | 2019-01-17 23:25:52 |\n| 48 | [如何给文章自动生成摘要](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F54571283) | 2019-01-11 10:35:52 |\n| 49 | [我的2018年总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F53985547) | 2019-01-04 17:42:23 |\n| 50 | [深度学习中的注意力机制](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F53036028) | 2018-12-25 21:26:24 |\n| 51 | [卷积神经网络（CNN）综述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F51678022) | 2018-12-11 16:26:48 |\n| 52 | [循环神经网络（RNN）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F43190710) | 2018-11-03 22:59:11 |\n| 53 | [Code2Pix-用于图形用户界面的深度学习编译器](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F48039719) | 2018-11-01 12:14:50 |\n| 54 | [美团大脑智享生活](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F47580480) | 2018-10-24 22:33:34 |\n| 55 | [Linux基本操作（一）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F46217592) | 2018-10-08 17:27:59 |\n| 56 | [EM算法详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F40991784) | 2018-07-31 21:25:33 |\n| 57 | [贝叶斯分类器](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F40485461) | 2018-07-27 01:25:39 |\n| 58 | [对Dilated Convolution理解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F39542237) | 2018-07-12 22:31:44 |\n| 59 | [卷积神经网络中感受野的详细介绍](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F39184237) | 2018-07-08 12:06:45 |\n| 60 | [偏差（Bias）与方差（Variance）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F38853908) | 2018-07-04 13:25:52 |\n| 61 | [深度学习优化方法-AdaGrad](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F38298197) | 2018-06-20 21:25:00 |\n| 62 | [深度学习中Dropout原理解析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F38200980) | 2018-06-18 21:56:30 |\n| 63 | [主成分分析（PCA）原理详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F37777074) | 2018-06-08 22:00:45 |\n| 64 | [机器学习中SVD总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F37038542) | 2018-05-20 15:23:32 |\n| 65 | [分类中解决类别不平衡问题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F36381828) | 2018-05-10 20:21:59 |\n| 66 | [用Tensorflow构建一个神经网络](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F36416291) | 2018-05-04 15:57:47 |\n\n\n## 石塔西\n> 介绍： CDA持证人，推荐算法说书人～公众号：推荐道,如果有问题咨询，请走“付费咨询”渠道，谢谢理解支持。。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [新年杂感：从4号坦克谈到大模型与NFT](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F682757607) | 2024-02-19 09:57:43 |\n| 2 | [《互联网大厂推荐算法实战》出版上架了！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F676156556) | 2024-01-05 09:15:17 |\n| 3 | [大步向前：评Google针对推荐场景改进的Adagrad算法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F661609678) | 2023-10-16 16:23:53 |\n| 4 | [忽冷忽热：简评腾讯的Cold & Warm Net](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F658710826) | 2023-09-27 14:57:04 |\n| 5 | [简评Airbnb基于多任务学习的搜索算法Journey Ranker](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F655006082) | 2023-09-08 09:43:52 |\n| 6 | [似曾相识：评阿里促销季CVR预估算法HDR](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F654107781) | 2023-09-04 07:22:33 |\n| 7 | [Fresh Attention: 评Google的多通道物料冷启算法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F653697870) | 2023-09-01 11:53:42 |\n| 8 | [个性化目标权重：简评Pinterest的TransAct](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F652207249) | 2023-08-25 06:04:04 |\n| 9 | [禁止摸鱼：简评用户长期兴趣召回模型PinnerFormer](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F651975836) | 2023-08-24 06:51:31 |\n| 10 | [似曾相识：谈Google CDN长尾物料推荐](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F651731184) | 2023-08-23 05:59:08 |\n| 11 | [脚踏实地：来自Google的企业级推荐算法实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F634217033) | 2023-06-02 16:30:50 |\n| 12 | [授人以渔：学算法，我是如何记笔记的？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F630511922) | 2023-05-19 07:22:28 |\n| 13 | [《互联网大厂推荐算法实战》思维导图福利](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F628243733) | 2023-05-10 11:43:46 |\n| 14 | [互联网大厂的这些推荐算法面试题，你都能答上来吗？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F627578461) | 2023-05-08 08:42:45 |\n| 15 | [《互联网大厂推荐算法实战》上线啦！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F623814354) | 2023-04-23 08:59:12 |\n| 16 | [《互联网大厂推荐算法实战》的目录](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F617615036) | 2023-03-28 12:47:12 |\n| 17 | [一桥飞架双塔：腾讯“虚拟内核”双塔](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F555757996) | 2022-08-22 08:04:04 |\n| 18 | [再见Attention：建模用户长期兴趣的新范式](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F540579632) | 2022-07-12 11:48:47 |\n| 19 | [三问阿里的TDM召回](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F535425154) | 2022-06-29 16:03:46 |\n| 20 | [一文搞懂Approximate Softmax：从公式到代码](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F528862933) | 2022-06-15 07:55:09 |\n| 21 | [算法周报：再思考PDN与DC-GNN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F519643852) | 2022-05-25 11:51:47 |\n| 22 | [推荐算法遇到后悔药：评蚂蚁的ESCM2模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F515777381) | 2022-05-17 16:10:56 |\n| 23 | [算法周报220510：Online Learning怎么才能学了不忘](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F512556219) | 2022-05-11 10:36:08 |\n| 24 | [动态权重：推荐算法的新范式](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F500934745) | 2022-04-19 08:49:12 |\n| 25 | [日久见人心：论建模用户长期兴趣的几种姿势](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F494881660) | 2022-04-08 08:45:14 |\n| 26 | [新手福利！数据科学面试中的回家作业](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F487681524) | 2022-03-25 21:32:04 |\n| 27 | [重温经典之ps-lite源码解析(4)：实现分布式FM](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F467702941) | 2022-02-15 14:35:51 |\n| 28 | [重温经典之ps-lite源码解析(3)：顾客、工人和服务器](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F467697961) | 2022-02-15 14:23:57 |\n| 29 | [重温经典之ps-lite源码解析(2)：邮局和邮车](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F467693949) | 2022-02-15 14:16:06 |\n| 30 | [重温经典之ps-lite源码解析(1)：基础](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F467650462) | 2022-02-15 12:43:06 |\n| 31 | [授人以渔：分享我的算法学习经验](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F462811848) | 2022-01-28 20:46:04 |\n| 32 | [初来乍到：帮助新用户冷启的算法技巧](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F458843906) | 2022-01-18 11:19:57 |\n| 33 | [刀功：谈推荐系统特征工程中的几个高级技巧](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F448680238) | 2021-12-22 20:08:52 |\n| 34 | [先入为主：将先验知识注入推荐模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F442845759) | 2021-12-08 18:01:43 |\n| 35 | [少数派报告：谈推荐场景下的对比学习](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F435903339) | 2021-11-21 16:08:52 |\n| 36 | [久别重逢话双塔](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F428396126) | 2021-11-02 10:24:49 |\n| 37 | [万变不离其宗：用统一框架理解向量化召回](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F345378441) | 2021-01-19 12:32:13 |\n| 38 | [FM：推荐算法中的瑞士军刀](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F343174108) | 2021-01-10 10:12:12 |\n| 39 | [四化大业：论算法工程师的自我修养](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F341376500) | 2021-01-02 15:42:14 |\n| 40 | [推荐算法的\"五环之歌\"](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F336643635) | 2020-12-13 18:56:19 |\n| 41 | [阿里ESAM：用迁移学习解决召回中的样本偏差](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F335626180) | 2020-12-10 14:14:05 |\n| 42 | [无中生有：论推荐算法中的Embedding思想](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F320196402) | 2020-11-29 19:24:20 |\n| 43 | [知识图谱上的双塔召回：阿里的IntentGC模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F312065828) | 2020-11-25 20:50:13 |\n| 44 | [Google PPRGo: 两分钟分类千万节点的最快GNN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F298087878) | 2020-11-17 17:44:30 |\n| 45 | [亲兄弟明算账：快速了解阿里的M2GRL模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F286168931) | 2020-11-11 18:42:05 |\n| 46 | [PinSAGE有伴了! 快速了解PinnerSAGE模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F283791190) | 2020-11-10 20:07:27 |\n| 47 | [GraphSAGE+FM+Transformer强强联手：评微信的GraphTR模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F279287735) | 2020-11-08 15:08:23 |\n| 48 | [PinSAGE召回模型及源码分析(3)：PinSAGE模型及训练](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F275960775) | 2020-11-06 15:06:58 |\n| 49 | [PinSAGE召回模型及源码分析(2)：数据管道](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F275949260) | 2020-11-06 14:54:37 |\n| 50 | [PinSAGE 召回模型及源码分析(1): PinSAGE 简介](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F275942839) | 2020-11-06 14:49:36 |\n| 51 | [负样本为王：评Facebook的向量化召回算法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F165064102) | 2020-07-29 17:28:39 |\n| 52 | [再评Airbnb的经典Embedding论文](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F162163054) | 2020-07-21 15:21:27 |\n| 53 | [一图胜千言: 解读阿里的Deep Image CTR Model](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F57056588) | 2019-02-19 10:48:32 |\n| 54 | [也评Deep Interest Evolution Network](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F54838663) | 2019-01-14 18:28:33 |\n| 55 | [用NumPy手工打造 Wide & Deep](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F53110408) | 2018-12-24 14:53:50 |\n| 56 | [走马观花Google TF-Ranking的源代码](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F52447211) | 2018-12-15 15:32:53 |\n| 57 | [看漫画学强化学习](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F51652845) | 2018-12-05 19:33:09 |\n| 58 | [学习Airbnb是如何将\"业务\"与\"算法\"结合的](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F50081120) | 2018-11-16 15:27:44 |\n| 59 | [看Google如何实现Wide & Deep模型(3)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F48251812) | 2018-11-01 20:38:56 |\n| 60 | [用TensorFlow实现支持多值、稀疏、共享权重的DeepFM](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F48057256) | 2018-10-30 20:18:00 |\n| 61 | [看Google如何实现Wide & Deep模型（2.2）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F47970601) | 2018-10-29 21:03:52 |\n| 62 | [看Google如何实现Wide & Deep模型（2.1）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F47965313) | 2018-10-29 20:55:25 |\n| 63 | [看Google如何实现Wide & Deep模型(1)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F47293765) | 2018-10-21 16:10:44 |\n| 64 | [看Youtube怎么利用深度学习做推荐](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F46247835) | 2018-10-15 21:12:14 |\n\n\n## 阿水\n> 介绍： 公众号【Coggle数据科学】,数据挖掘\u002F计算机视觉从业者\n数据竞赛爱好者。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [优化预测速度 部署ML模型的7个要点](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F597301038) | 2023-01-07 15:41:45 |\n| 2 | [Python知识点：调试和优化代码](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F560413480) | 2022-09-02 06:32:39 |\n| 3 | [时序资料汇总：模型和常见库对比](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F553133457) | 2022-08-12 17:53:46 |\n| 4 | [60种特征工程操作：使用自定义聚合函数](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F541138920) | 2022-07-13 15:51:08 |\n| 5 | [Kaggle知识点：XGBoost迭代读取数据集](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F534294701) | 2022-06-27 11:22:16 |\n| 6 | [从0学习CV：科大讯飞神经影像疾病预测](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F532682946) | 2022-06-23 11:34:32 |\n| 7 | [竞赛总结：CHIP2020医学命名实体识别](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F532638891) | 2022-06-23 10:32:59 |\n| 8 | [科大讯飞活跃竞赛汇总（推荐\u002FNLP\u002FCV）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F532636124) | 2022-06-23 10:28:34 |\n| 9 | [Kaggle知识点：缺失值处理方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F426114163) | 2021-10-26 23:19:00 |\n| 10 | [薅羊毛 Colab使用外部数据的7种方法！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F409816932) | 2021-09-13 13:23:34 |\n| 11 | [拉通对齐 梳理Kaggle竞赛组合拳！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F408838215) | 2021-09-10 07:13:36 |\n| 12 | [Kaggle时间序列比赛汇总](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F408838120) | 2021-09-10 07:09:54 |\n| 13 | [竞赛总结：Kaggle外星信号搜索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F403951822) | 2021-08-26 21:18:37 |\n| 14 | [Kaggle知识点：深度学习代码规范](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F399681621) | 2021-08-14 10:54:31 |\n| 15 | [Pytorch Debug指南：15条重要建议](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F399680884) | 2021-08-14 10:48:30 |\n| 16 | [NeurIPS 2021 比赛汇总](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F394892278) | 2021-07-31 11:35:13 |\n| 17 | [Kaggle知识点：40个Linux资源查看命令](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F389167858) | 2021-07-13 10:15:37 |\n| 18 | [Kaggle从零到实践：使用Word2Vec和BILSTM识别Quora重复提问](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F388584272) | 2021-07-11 09:43:33 |\n| 19 | [如何一小时杀入天池OCR比赛前排？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F388455539) | 2021-07-10 16:38:19 |\n| 20 | [Kaggle从零到实践：Bert中文文本分类](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F388009679) | 2021-07-09 08:46:52 |\n| 21 | [竞赛总结：Kaggle Shopee多模态检索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F374034009) | 2021-05-21 09:48:05 |\n| 22 | [竞赛总结：Kaggle HuBMAP肾小球比赛](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F372170378) | 2021-05-14 08:45:37 |\n| 23 | [ICCV 2021竞赛汇总](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F371688932) | 2021-05-12 14:20:06 |\n| 24 | [Kaggle知识点：内存优化方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F359702325) | 2021-03-25 06:55:38 |\n| 25 | [竞赛总结：京东AI时尚挑战赛](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F356778591) | 2021-03-13 10:36:24 |\n| 26 | [CVPR 2021 竞赛汇总](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F354935838) | 2021-03-05 21:02:43 |\n| 27 | [Treelite：树模型部署加速工具（支持XGBoost、LightGBM和Sklearn）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F347514385) | 2021-01-27 21:14:36 |\n| 28 | [Coggle一周年：与竞赛爱好者一路同行](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F337489636) | 2020-12-17 02:19:44 |\n| 29 | [CCF贝壳房产聊天问答匹配高分思路](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F312339144) | 2020-11-25 23:26:59 |\n| 30 | [你应该知道的LightGBM各种操作！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F266865429) | 2020-10-19 20:54:51 |\n| 31 | [SMP2020微博情绪分类比赛总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F264864179) | 2020-10-11 18:52:28 |\n| 32 | [KDD Cup历年比赛介绍合集](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F262289092) | 2020-10-06 23:24:44 |\n| 33 | [打包带走，竞赛必备的NLP库](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F259371758) | 2020-09-25 21:39:34 |\n| 34 | [竞赛总结：Cornell Birdcall比赛复盘](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F259367052) | 2020-09-25 20:49:02 |\n| 35 | [DCIC算法分析赛完整方案分享](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F243172869) | 2020-09-14 19:44:43 |\n| 36 | [Kaggle知识点：入门到进阶的10个问题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F217602850) | 2020-09-05 13:02:09 |\n| 37 | [算法分析赛：从数据中挖掘价值，72万奖金，DCIC 2020 大数据赛道来了！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F214344923) | 2020-09-03 23:19:10 |\n| 38 | [竞赛总结：Kaggle SIIM-ISIC比赛复盘](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F196439952) | 2020-08-24 11:52:09 |\n| 39 | [竞赛总结：海南大数据创新算法赛](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F180553212) | 2020-08-11 23:40:13 |\n| 40 | [竞赛总结：新冠期间饿了么骑士行为预估](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F163562874) | 2020-07-25 07:52:10 |\n| 41 | [Kaggle年度竞赛：谷歌地标检索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F159502475) | 2020-07-15 04:13:57 |\n| 42 | [Kaggle知识点：时序数据与Embedding](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F144030067) | 2020-05-27 19:02:20 |\n| 43 | [零基础入门CV赛事：赛题介绍与Baseline](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F142945220) | 2020-05-23 00:03:26 |\n| 44 | [Kaggle知识点：数据分析EDA](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F141524536) | 2020-05-17 10:34:47 |\n| 45 | [Kaggle知识点：Adversarial Validation](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F136057721) | 2020-04-24 21:21:37 |\n| 46 | [Kaggle知识点：数据扩增方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F133270667) | 2020-04-18 18:47:17 |\n| 47 | [视频版权检测优胜解决方案](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F125721585) | 2020-04-05 20:18:11 |\n| 48 | [Kaggle Bengali 比赛完整总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F118367385) | 2020-03-27 14:39:38 |\n| 49 | [数据竞赛2019年度年鉴发布（250页竞赛方案独家呈现）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F107668479) | 2020-02-18 19:37:57 |\n| 50 | [DCIC 2020-天池智慧海洋建设算法赛：独家Baseline！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F101299599) | 2020-01-06 17:41:25 |\n| 51 | [DataFountain \\| 工件负荷率预测冠军分享](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F100520412) | 2020-01-01 10:24:53 |\n| 52 | [爱可可推荐！关于竞赛思路，方法和代码实践，Datawhale数据竞赛Baseline开源分享！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F97506935) | 2019-12-15 20:21:43 |\n| 53 | [FFmpeg视频抽帧那些事](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F85895180) | 2019-10-11 17:35:26 |\n| 54 | [【竞赛分享】首届中诚信征信比赛冠军MOMO总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F83606195) | 2019-09-22 18:10:40 |\n| 55 | [阿水总结的数据竞赛Tricks](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F82456047) | 2019-09-14 12:44:10 |\n| 56 | [Pandas常见的性能优化方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F81554435) | 2019-09-07 20:26:01 |\n| 57 | [阿水TopLine比赛开源-带你上TOP5](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F80597962) | 2019-08-31 17:01:08 |\n| 58 | [【竞赛分享】VideoNet视频内容识别挑战赛](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F79563696) | 2019-08-24 16:09:41 |\n| 59 | [【竞赛总结】从Quick Draw看图像分类比赛](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F78578735) | 2019-08-17 17:56:45 |\n| 60 | [【竞赛分享】第三届阿里云安全赛季军-0day](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F77492583) | 2019-08-10 14:40:13 |\n| 61 | [【竞赛分享】JDATA绝对语义识别挑战赛-季军](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F76518783) | 2019-08-03 17:38:18 |\n| 62 | [【竞赛分享】TinyMind人民币面值及编码识别-第五名](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F75407221) | 2019-07-27 11:37:20 |\n\n\n## 吴海波\n> 介绍： 机器学习,蘑菇街VP，WeShop全球化。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [WeShop 2023秋冬季客户案例精选](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F682839180) | 2024-02-19 16:41:27 |\n| 2 | [我们发布了WeShop商拍1.5版----分享一些最近的思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F680507675) | 2024-02-05 20:28:10 |\n| 3 | [以WeShop为例尝试回答一些经常被问的AIGC产品业务问题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F645661098) | 2023-07-29 18:18:38 |\n| 4 | [谈谈做WeShop过程中对AIGC产品的一些思考----写在WeShop正式版上线](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F633513013) | 2023-05-31 12:53:45 |\n| 5 | [和大家汇报下我们电商AI模特产品WeShop beta版本开放测试](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F629144911) | 2023-05-13 23:54:47 |\n| 6 | [电商数字模特生成技术实践分享](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F621970429) | 2023-04-14 17:18:07 |\n| 7 | [应用视角下ChatGPT背后的关键技术讨论](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F609624863) | 2023-02-26 20:31:01 |\n| 8 | [Diffusion Models导读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F591720296) | 2022-12-14 12:51:07 |\n| 9 | [MakeItTalk之Speech Content分支训练总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F454414519) | 2022-01-07 14:46:07 |\n| 10 | [关于talking face generation两篇论文解读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F429965015) | 2021-11-07 17:42:50 |\n| 11 | [电商直播流量分配算法优化总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F157333568) | 2020-07-06 21:05:00 |\n| 12 | [强烈推荐一个播放几十万的B站机器学习UP主shuhuai008](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F83392214) | 2019-09-20 18:48:48 |\n| 13 | [如果你恰好对春秋战国感兴趣，大概没有比这更好的入门书了](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F79648178) | 2019-08-24 22:49:42 |\n| 14 | [如果你恰好对春秋战国感兴趣，大概没有比这更好的入门书了](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F78197700) | 2019-08-14 23:35:16 |\n| 15 | [以youtube的RL论文学习如何在推荐场景应用RL](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F77494496) | 2019-08-10 14:39:43 |\n| 16 | [电商多目标优化小结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F76413089) | 2019-08-02 20:20:29 |\n| 17 | [知乎机器学习精华整理【持续更新-7.31】](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F76028117) | 2019-07-31 18:34:28 |\n| 18 | [建了个新专栏](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F74231416) | 2019-07-18 22:09:02 |\n| 19 | [强化学习入门简述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F64197895) | 2019-04-29 13:20:21 |\n| 20 | [入门推荐：只用numpy 200行python代码撸一个玩具DNN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F55497753) | 2019-01-22 22:57:30 |\n| 21 | [2018年读过的书（非技术）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F55424180) | 2019-01-22 08:56:50 |\n| 22 | [2018我的深度学习应用落地元年](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F53975489) | 2019-01-03 19:58:37 |\n| 23 | [乱弹机器学习评估指标AUC](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F52930683) | 2018-12-21 11:32:06 |\n| 24 | [记在2018杭州Google GDG上的分享](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F50857097) | 2018-11-26 13:11:28 |\n| 25 | [推荐一个非常优秀的深度学习教程：斯坦福CS231n](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F50632819) | 2018-11-22 22:50:58 |\n| 26 | [一个值得讨论的问题:word2vec与SVD\u002FLSA等的关系](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F50109979) | 2018-11-16 18:59:39 |\n| 27 | [不一样的论文解读2018 KDD best paper: Embeddings at Airbnb](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F49537461) | 2018-11-13 14:19:04 |\n| 28 | [谈谈机器学习算法相关配套系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F49014283) | 2018-11-09 08:19:45 |\n| 29 | [Github上7k+星的Pytorch教程和2w+星的tensorflow教程推荐](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F48753674) | 2018-11-06 22:54:27 |\n| 30 | [算法工程师又不只是工程师](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F48249123) | 2018-11-01 19:27:19 |\n| 31 | [读《枪炮、病菌和钢铁》](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F46827883) | 2018-10-15 18:25:16 |\n| 32 | [NLP应用之智能会话机器人（BOT）技术综述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F46244363) | 2018-10-08 20:41:09 |\n| 33 | [论算法工程师首先是个工程师之深度学习在排序应用踩坑总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F44315278) | 2018-09-12 00:07:20 |\n| 34 | [为腾讯开源的PS平台Angel打call](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F42607529) | 2018-08-21 18:29:49 |\n| 35 | [AUC和线上点击率指标不一致问题分析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F42521586) | 2018-08-20 20:16:41 |\n| 36 | [一个有意思的话题：A\u002FB测试的理论基础](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F42327819) | 2018-08-17 22:46:34 |\n| 37 | [基于深度学习的电商服饰搭配推荐实践讨论](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F40973199) | 2018-07-31 17:45:49 |\n| 38 | [Tensorflow实践问题总结系列一](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F39774203) | 2018-07-15 08:42:50 |\n| 39 | [NLP入门课程推荐：斯坦福cs224N](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F38387843) | 2018-06-22 20:17:02 |\n| 40 | [大规模特征构建实践总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F37547126) | 2018-05-31 20:34:07 |\n| 41 | [搜索下拉框的算法和实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F36636525) | 2018-05-09 17:29:51 |\n| 42 | [在线学习（Online Learning）导读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F36410780) | 2018-05-04 13:05:19 |\n| 43 | [写在校招季，谈谈互联网公司机器学习从业者的Offer选择](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F35940883) | 2018-04-21 09:42:17 |\n| 44 | [神经网络基础](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F35891447) | 2018-04-19 23:57:36 |\n| 45 | [Embedding向量召回在蘑菇街的实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F35491904) | 2018-04-10 12:33:52 |\n| 46 | [换个角度谈谈优秀的机器学习团队](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F33461386) | 2018-01-31 14:02:59 |\n| 47 | [2017年专栏总结及展望](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F32631603) | 2018-01-04 17:57:36 |\n| 48 | [试玩RNN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F31574667) | 2017-11-30 18:33:29 |\n| 49 | [基于spark大规模LR模型调优总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F31307675) | 2017-11-22 20:43:51 |\n| 50 | [计算广告学&专有名词](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F28016762) | 2017-07-21 10:09:52 |\n| 51 | [蘑菇街推荐工程实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F28009200) | 2017-07-20 18:07:24 |\n| 52 | [基于深度学习的图像搜索系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F27984895) | 2017-07-19 17:59:37 |\n| 53 | [电商搜索广告召回匹配](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F27850493) | 2017-07-12 21:02:17 |\n| 54 | [美丽联合（蘑菇街）业务升级下的机器学习应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F26686081) | 2017-05-03 10:09:17 |\n\n\n## 王喆\n> 介绍： 广告\u002F推荐 Engineering Manager,广告\u002F推荐, Engineering Manager, 主页http:\u002F\u002Fwzhe.me, 知乎专栏\u002F微信公众号：王喆的机器学习笔记。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [专门写给程序员，工程师们的一本理财书](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F603790240) | 2023-02-13 08:44:22 |\n| 2 | [“深度”学习计算广告](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F593506739) | 2022-12-22 09:27:17 |\n| 3 | [「理工男谈理财8」聊聊比特币，一年跌了70%！是不是到了抄底的时候？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F586186632) | 2022-12-05 08:27:02 |\n| 4 | [当Parameter Server遇上GPU——大规模并行训练平台HugeCTR](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F578046577) | 2022-10-28 08:18:11 |\n| 5 | [算法工程师的「天地之间」](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F495479206) | 2022-10-17 08:18:11 |\n| 6 | [排得更好VS估得更准VS搜的更全「推荐、广告、搜索」算法间到底有什么区别？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F430431149) | 2021-11-16 09:05:29 |\n| 7 | [我的财富管理课程「程序员的个人财富课」](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F423414292) | 2021-10-21 08:51:07 |\n| 8 | [「AI大咖谈」阿里算法专家谈大规模推荐系统粗排层的设计与实现](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F371025064) | 2021-05-10 10:32:28 |\n| 9 | [「DLP-KDD 2021征文」及上届论文全集，包含深度学习推荐\u002F广告系统、多目标、模型服务等](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F367925705) | 2021-04-26 13:32:26 |\n| 10 | [DLP-KDD 2021征文：搜索、推荐、广告领域深度学习实践国际研讨会](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F364358132) | 2021-04-14 14:28:30 |\n| 11 | [「AI大咖谈」FLAG资深工程师谈ML Infra和分布式模型服务](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F360007940) | 2021-03-29 08:46:56 |\n| 12 | [如何解决深度推荐系统中的Embedding冷启动问题？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F351390011) | 2021-02-22 08:39:23 |\n| 13 | [我的实战课程「深度学习推荐系统实战」-王喆的机器学习笔记](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F341895115) | 2021-01-05 08:49:20 |\n| 14 | [「AI大咖谈」DLP-KDD最佳论文作者谈「图神经网络」的特点、发展与应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F259494288) | 2020-09-28 08:41:31 |\n| 15 | [「AI大咖谈」ex-Google，ex-Facebook，现微博广告核心技术负责人谈算法与数据中台](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F245162802) | 2020-09-15 12:18:03 |\n| 16 | [见微知著，你真的搞懂Google的Wide&Deep模型了吗？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F142958834) | 2020-05-25 08:02:21 |\n| 17 | [回顾经典，Netflix的推荐系统架构](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F114590897) | 2020-05-12 14:49:21 |\n| 18 | [DLP-KDD全部文章及资源，覆盖GNN、Graph Emb、Transformer等业界前沿领域](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F135919198) | 2020-04-24 14:48:36 |\n| 19 | [DLP-KDD 2020征文：第二届面向高维稀疏数据的深度学习实践国际研讨会](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F134024376) | 2020-04-21 14:27:17 |\n| 20 | [《深度学习推荐系统》勘误与勘误奖励](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F129733612) | 2020-04-13 15:59:35 |\n| 21 | [关于深度学习推荐系统领域的15个问题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F123103206) | 2020-04-03 11:03:51 |\n| 22 | [我的新书「深度学习推荐系统」-王喆的机器学习笔记](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F119248677) | 2020-03-30 08:19:31 |\n| 23 | [从阿里的User Interest Center看模型线上实时serving方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F111929212) | 2020-03-12 12:35:58 |\n| 24 | [为什么有些深度学习网络要加入Product层？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F111842425) | 2020-03-09 14:14:59 |\n| 25 | [透着浓浓工业风的Facebook深度学习推荐系统论文](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F82839874) | 2019-09-24 15:10:22 |\n| 26 | [一文读懂「Parameter Server」的分布式机器学习训练原理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F82116922) | 2019-09-16 08:27:29 |\n| 27 | [分布式机器学习之——Spark MLlib并行训练原理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F81784947) | 2019-09-11 08:24:19 |\n| 28 | [如何准备算法工程师面试，斩获一线互联网公司机器学习岗offer？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F76827460) | 2019-08-19 08:54:14 |\n| 29 | [如何解决推荐系统工程难题——深度学习推荐模型线上serving？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F77664408) | 2019-08-12 08:43:08 |\n| 30 | [如何增强推荐系统模型更新的「实时性」？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F75597761) | 2019-08-05 10:01:34 |\n| 31 | [天下武功，唯快不破，论推荐系统的「 实时性」](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F74813776) | 2019-07-31 13:27:09 |\n| 32 | [推荐系统中比模型结构更重要的是什么？[附阿里盖坤，朱小强留言]](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F73601088) | 2019-07-15 08:33:04 |\n| 33 | [不要犯战略性的失误——如何合理制定推荐系统的优化目标？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F72549613) | 2019-07-08 10:13:09 |\n| 34 | [Netflix推荐系统模型的快速线上评估方法——Interleaving](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F68509372) | 2019-06-10 08:03:28 |\n| 35 | [Embedding在深度推荐系统中的3大应用方向](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F67218758) | 2019-05-28 13:19:52 |\n| 36 | [毕加索的「公牛」和机器学习的「特征工程」](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F65475550) | 2019-05-13 13:17:41 |\n| 37 | [关于Node2vec算法中Graph Embedding同质性和结构性的进一步探讨](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F64756917) | 2019-05-06 13:18:20 |\n| 38 | [深度学习中不得不学的Graph Embedding方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F64200072) | 2019-04-29 14:29:19 |\n| 39 | [谷歌、阿里、微软等10大深度学习CTR模型最全演化图谱【推荐、广告、搜索领域】](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F63186101) | 2019-04-22 08:21:34 |\n| 40 | [揭开YouTube深度推荐系统模型Serving之谜](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F61827629) | 2019-04-09 14:55:11 |\n| 41 | [前深度学习时代CTR预估模型的演化之路](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F61154299) | 2019-04-02 14:26:18 |\n| 42 | [Embedding从入门到专家必读的十篇论文](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F58805184) | 2019-03-11 08:14:55 |\n| 43 | [回顾Facebook经典CTR预估模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F57987311) | 2019-03-04 13:56:33 |\n| 44 | [Airbnb如何解决Embedding的数据稀疏问题？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F57313656) | 2019-02-25 14:46:11 |\n| 45 | [从KDD 2018 Best Paper看Airbnb实时搜索排序中的Embedding技巧](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F55149901) | 2019-01-22 15:04:47 |\n| 46 | [为什么说算法工程师的面试是一门玄学？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F54497063) | 2019-01-14 08:49:23 |\n| 47 | [算法工程师必须要知道的面试技能雷达图](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F54089811) | 2019-01-07 08:58:34 |\n| 48 | [万物皆Embedding，从经典的word2vec到深度学习基本操作item2vec](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F53194407) | 2018-12-26 14:26:13 |\n| 49 | [YouTube深度学习推荐系统的十大工程问题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F52504407) | 2018-12-17 08:10:38 |\n| 50 | [重读Youtube深度学习推荐系统论文，字字珠玑，惊为神文](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F52169807) | 2018-12-12 13:36:28 |\n| 51 | [推荐系统中的注意力机制——阿里深度兴趣网络（DIN）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F51623339) | 2018-12-05 15:13:19 |\n| 52 | [王喆的机器学习笔记——关注推荐系统、计算广告前沿](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F51117616) | 2018-11-30 03:39:04 |\n\n\n## zenRRan\n> 介绍： 公众号：「深度学习自然语言处理」，小小NLPer~,不做螺丝钉，学以致用撒~。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [直播分享！LLM事实性、幻觉、评估与编辑](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F671954430) | 2023-12-13 11:07:22 |\n| 2 | [打起来了~ 最小SOTA模型：Mistral 7B，各方面碾压LLaMA2 13B和LLaMA1 34B](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F658957059) | 2023-09-28 17:40:39 |\n| 3 | [NAACL2024投稿交流群已开启~](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F658428909) | 2023-09-26 10:01:33 |\n| 4 | [这篇究极讽刺的文章一出，NLP无了](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F658328116) | 2023-09-25 17:23:56 |\n| 5 | [NLPCC2023开会将近，入群提前认识小伙伴~](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F657844522) | 2023-09-22 16:18:37 |\n| 6 | [EMNLP2023要开奖了，进群交流](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F657762276) | 2023-09-22 10:45:37 |\n| 7 | [北大 \\| 摘要生成还有未来吗？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F657442877) | 2023-09-20 18:41:33 |\n| 8 | [OpenBA：开源模型家族再添一员！从头训练的15B中英非对称Encoder-Decoder结构双语模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F657441633) | 2023-09-20 18:28:02 |\n| 9 | [微软最新视觉语言预训练(VLP)综述：基础知识、最新进展和未来趋势，适合所有阶段读者阅读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F649124369) | 2023-08-10 10:30:39 |\n| 10 | [寻找国内PhD offer、满足毕业要求、找教职等，还非常推荐COLING的，最简单b会之一，投稿交流群已建立~](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F648907940) | 2023-08-09 11:22:27 |\n| 11 | [清华大学刘知远老师的大模型公开课来啦！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F647914732) | 2023-08-04 10:02:52 |\n| 12 | [UnIVAL：第一个支持图像、视频、音频和文本任务的大一统模型！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F647672032) | 2023-08-03 09:54:19 |\n| 13 | [陈丹琦重新定义了文本相似性问题，提出C-STS，GPT-4也不能很好解决](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F647443903) | 2023-08-02 10:15:34 |\n| 14 | [刘知远等众多机构提出ToolLLM：促进大型语言模型掌握16000+真实世界的APIs](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F647204931) | 2023-08-01 10:07:57 |\n| 15 | [基础模型定义视觉新时代：综述与展望](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F646959493) | 2023-07-31 10:03:20 |\n| 16 | [LLM时代NLP研究何去何从？一个博士生的角度出发](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F632446200) | 2023-05-26 17:24:35 |\n| 17 | [上交清华提出中文大模型的知识评估基准C-Eval，辅助模型开发而非打榜](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F631509203) | 2023-05-23 12:29:12 |\n| 18 | [NLP中关于数据增强的最新综述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F613978790) | 2023-03-14 19:23:33 |\n| 19 | [AIGC最新综述：从 GAN 到 ChatGPT 的AI生成历史](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F612963871) | 2023-03-10 17:29:19 |\n| 20 | [上交提出：更好的语言模型预训练需要更好的Masking](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F612252154) | 2023-03-08 11:02:57 |\n| 21 | [斯坦福+南洋理工等五大机构对ChatGPT做了在NLP任务上的优劣势的详细分析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F606785094) | 2023-02-16 10:52:13 |\n| 22 | [解读 ChatGPT 背后的技术重点：RLHF、IFT、CoT、红蓝对抗](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F604237227) | 2023-02-07 16:22:41 |\n| 23 | [访谈 \\| 陈丹琦 —— 穿越多元文化，做独具特色的科研](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F602846688) | 2023-02-02 14:27:10 |\n| 24 | [AAAI2023 \\| 百度+中科院提出USM：一种信息抽取的大一统方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F602554122) | 2023-02-01 15:08:24 |\n| 25 | [COLING2022 \\| 中科院+北邮提出：具有Event-Argument相关性的事件因果关系提取方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F602202991) | 2023-01-31 12:42:37 |\n| 26 | [陈丹琦提出：带有语言约束的可控文本生成](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F601743431) | 2023-01-29 19:59:30 |\n| 27 | [邱锡鹏提出：DiffusionBERT - 用扩散模型改进生成式掩码语言模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F589379729) | 2022-12-05 17:02:57 |\n| 28 | [微软+上财提出GENIUS: 一个能根据草稿进行文本生成的“小天才”模型，也是一个即插即用的数据增强工具，代码开源](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F587180622) | 2022-11-27 20:16:51 |\n| 29 | [谷歌提出Flan预训练方法，一个模型解决可所有NLP任务，并发布Flan-T5模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F586660846) | 2022-11-25 20:32:41 |\n| 30 | [COLING'22 \\| SelfMix：针对带噪数据集的半监督学习方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F573183339) | 2022-10-14 10:14:42 |\n| 31 | [近200篇文章汇总而成的机器翻译非自回归生成最新综述，揭示其挑战和未来研究方向](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F535238046) | 2022-06-29 10:17:48 |\n| 32 | [AAAI2022 \\| 吐血整理了NLP相关的论文，包括信息抽取、机翻、NER、多模态、数据增强、问答、多语言、KD、文本纠错等](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F479490593) | 2022-03-11 19:00:20 |\n| 33 | [NLP算法面试的一些个人建议](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F478907106) | 2022-03-10 18:50:28 |\n| 34 | [ACL'22 \\| 浙大提出基于强化学习的实体对齐方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F478902891) | 2022-03-10 18:43:59 |\n| 35 | [ACL'22 \\| 基于双语文本填充任务的交互式机器翻译方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F478330686) | 2022-03-09 18:42:25 |\n| 36 | [多模态 \\| 复旦推出跨视觉-语言预训练模型，并达到SOTA](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F478113589) | 2022-03-09 13:33:29 |\n| 37 | [ACL'22 \\| 使用对比学习增强多标签文本分类中的k近邻机制](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F478107552) | 2022-03-09 13:23:05 |\n| 38 | [ACL'22 \\| 一文解读复旦黄萱菁、邱锡鹏等老师NLP实验室的12篇长文](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F475247386) | 2022-03-03 14:42:53 |\n| 39 | [清华ACL'22 \\| 一文读懂刘知远和刘洋老师所在实验室18篇论文详情](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F474679061) | 2022-03-02 14:24:24 |\n| 40 | [一种全新易用的基于Word-Word关系的NER统一模型，刷新了14种数据集并达到新SoTA](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F471546548) | 2022-02-23 22:14:18 |\n| 41 | [阿里+北大 \\| 在梯度上做简单mask竟有如此的神奇效果](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F471543652) | 2022-02-23 22:11:00 |\n| 42 | [博士招生 \\| 北京大学和中山大学博士申请考核还有名额，门槛不高，速来](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F437835107) | 2021-11-25 23:41:48 |\n| 43 | [NAACL2021 \\| 陈丹琦又打破常规，最近流行的实体识别和关系抽取要回到最初状态？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F414810626) | 2021-09-28 09:43:58 |\n| 44 | [清华刘知远联合新加坡国立大学提出CPT：基于预训练视觉-语言模型的跨模态Prompt-Tuning](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F414800147) | 2021-09-28 09:26:20 |\n| 45 | [让人深思：句法真的重要吗？邱锡鹏组提出一种基于Aspect的情感分析的强大基线](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F410969037) | 2021-09-16 12:58:18 |\n| 46 | [复旦邱锡鹏Lab提出：一个统一的面向基于Aspect的所有情感分析子任务的生成式方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F410967806) | 2021-09-16 12:54:44 |\n| 47 | [哈尔滨工业大学（深圳）张民教授团队招收自然语言处理推免硕博研究生](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F409515730) | 2021-09-12 12:02:24 |\n| 48 | [清华提出：用于细粒度实体分类的Prompt-Learning，并提出可训练Prompt模板](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F408881849) | 2021-09-10 10:05:09 |\n| 49 | [ACL2021 \\| 一种巧妙解决NER覆盖和不连续问题的方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F408878682) | 2021-09-10 10:00:35 |\n| 50 | [NAACL2021 \\| 苏大&阿里提出：一种统一的基于跨度的意见挖掘方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F407908896) | 2021-09-07 17:34:19 |\n| 51 | [一种巧妙且简单的数据增强方法 - MixUp 小综述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F407089225) | 2021-09-05 18:06:58 |\n\n\n## 琦琦\n> 介绍： 一个爱跳舞 的程序猿,建议尽量不要私信我，极有可能漏看。\n有疑问可在文章下评论，我看到了会回复的~谢谢~。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [略谈LLM与工业界控制系统结合——一文概览agent的前沿应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F690574332) | 2024-04-06 21:06:23 |\n| 2 | [[万字长文]一篇文章带你理解Stable Diffusion是如何工作的](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F688914275) | 2024-04-05 20:24:47 |\n| 3 | [温凉河畔，南阳古城，拜谒医圣——三和书院医道传承第十次主干课感悟](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F687733082) | 2024-03-18 21:59:48 |\n| 4 | [春节寒假感悟](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684269504) | 2024-02-27 22:54:19 |\n| 5 | [openAI文生视频sora的技术核心是什么？将会对哪些行业产生影响？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F682999379) | 2024-02-21 22:38:20 |\n| 6 | [无需训练\u002F部署模型，一文学会图像相似度算法pHash原理和实战](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F677667097) | 2024-01-27 22:15:01 |\n| 7 | [如何用产假提升自己——遇见更好的自己](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F674048492) | 2023-12-25 19:55:58 |\n| 8 | [基于扩散建模（Diffusion Modeling）的推荐系统——Part2](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F673002694) | 2023-12-19 16:43:32 |\n| 9 | [基于扩散建模（Diffusion Modeling）的推荐系统——Part1](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F672814349) | 2023-12-18 19:49:36 |\n| 10 | [让所有大模型参数可调——Parameter-Efficient Fine-Tuning(PEFT)高效微调方法总结（系列4终结篇）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F672553093) | 2023-12-17 15:13:56 |\n| 11 | [大模型Parameter-Efficient Fine-Tuning(PEFT)——参数高效微调方法技术总览（系列3）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F672350814) | 2023-12-15 17:29:40 |\n| 12 | [国内外类ChatGPT大模型总览——含40页PPT总结（系列2）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F672159840) | 2023-12-14 15:52:17 |\n| 13 | [“学而时习之，不亦说乎？”——三和书院医道传承第九次主干课感悟](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F668475995) | 2023-11-23 21:39:40 |\n| 14 | [三和书院医道传承第七次主干课感悟](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F657863290) | 2023-09-22 17:23:01 |\n| 15 | [三和书院五届同有班2023暑假作业](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F653441126) | 2023-08-31 10:12:03 |\n| 16 | [推荐今年的一本新书《这就是推荐系统》](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F652142790) | 2023-08-26 20:37:12 |\n| 17 | [针对推荐任务调整LLM大语言模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F640214714) | 2023-06-28 18:10:18 |\n| 18 | [基于ChatGPT的推荐系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F638794937) | 2023-06-21 21:33:28 |\n| 19 | [无术不立，无道不远——三和书院医道传承第六次主干课感悟](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F638287451) | 2023-06-19 22:38:18 |\n| 20 | [[万字硬核总结]通过个性化prompt结合语言建模与用户行为——基于LLM的零样本推荐系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F637856419) | 2023-06-17 21:53:10 |\n| 21 | [[亚马逊]GPT4Rec解读：用于个性化推荐和用户兴趣解释的生成式框架——GPT在推荐系统中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F637105415) | 2023-06-14 18:52:17 |\n| 22 | [开源家族——中文羊驼LLaMA & Alpaca大语言模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F636136687) | 2023-06-10 19:06:06 |\n| 23 | [现代人之“伤寒”——三和书院医道传承第五次主干课感悟](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F634893324) | 2023-06-05 21:24:34 |\n| 24 | [开源大模型论文\u002F代码\u002F模型文件汇总](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F631625550) | 2023-05-23 18:19:13 |\n| 25 | [开源大模型斯坦福Alpaca（小羊驼）——指令调优的LLaMA模型——100美元媲美GPT3.5](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F631296001) | 2023-05-22 16:38:04 |\n| 26 | [开源大模型LLaMA（羊驼）论文详解——Facebook母公司Meta推出，超越GPT-3](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F631085425) | 2023-05-21 21:06:31 |\n| 27 | [清华ChatGLM底层原理详解——ChatGPT国内最强开源平替，单卡可运行](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F630134021) | 2023-05-17 18:01:52 |\n| 28 | [[万字论文详解]媲美ChatGPT——Google支持的Anthropic推出”更理性的Claude“](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F629225773) | 2023-05-14 11:27:21 |\n| 29 | [揭开大型语言模型ChatGPT的神秘面纱](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F627509839) | 2023-05-07 19:05:07 |\n| 30 | [InstructGPT论文精读——ChatGPT前身，从人类反馈中学习](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F627312306) | 2023-05-06 18:21:56 |\n| 31 | [[万字长文]ChatGPT系列论文精读——大模型经典论文GPT1、GPT2、GPT3](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F626494749) | 2023-05-03 21:15:42 |\n| 32 | [一文读懂GPT家族和BERT的底层区别——自回归和自编码语言模型详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F625714067) | 2023-04-28 18:29:09 |\n| 33 | [ChatGPT相关技术必读论文](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F624811729) | 2023-04-25 18:40:07 |\n| 34 | [巫医一家，从国学角度看中医治病——三和书院医道传承第四次主干课感悟](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F622387530) | 2023-04-16 21:16:12 |\n| 35 | [君子慎始，差若毫厘，谬以千里——三和书院医道传承第三次主干课感悟](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F613320387) | 2023-03-12 12:08:05 |\n| 36 | [我是如何看待和应对新冠疫情的](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F603684513) | 2023-02-05 19:02:21 |\n| 37 | [辨证求因，审因论治——三和书院医道传承大课“疫情当下，我们该如何应对”感悟](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F592721054) | 2022-12-18 18:48:13 |\n| 38 | [CS285深度强化学习笔记3——马尔科夫决策过程 & 强化学习目标 & RL结构 & RL类型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F356053534) | 2021-03-11 20:04:38 |\n| 39 | [CS285深度强化学习笔记2——序列决策问题和imitation learning](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F354748682) | 2021-03-08 19:39:53 |\n| 40 | [CS285深度强化学习笔记1——概览](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F354553750) | 2021-03-04 20:51:37 |\n| 41 | [多任务学习——共享模式／权重选择／attention融合论文剖析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F347338896) | 2021-02-10 16:29:10 |\n| 42 | [基于ESMM模型的MTL多目标优化实践——用户活跃度影响排序机制——蘑菇街首页信息流推荐](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F344165004) | 2021-02-08 18:50:15 |\n| 43 | [基于ESMM模型的多目标优化实践——蘑菇街商城篇](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F338515054) | 2021-01-08 16:16:49 |\n| 44 | [蘑菇街增量学习番外篇三：deepFM的动态正则实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F337649676) | 2020-12-18 15:35:17 |\n| 45 | [蘑菇街增量学习番外篇二：优化器设计理论篇（AdamW、AdaDeltaW、FTRL）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F329877052) | 2020-12-17 18:06:37 |\n| 46 | [蘑菇街增量学习番外篇一：动态正则之tensorflow中div转mod设计（含代码实现）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F270354109) | 2020-11-27 21:02:52 |\n| 47 | [蘑菇街首页推荐多目标优化之reweight实践：一把双刃剑？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F271858727) | 2020-11-10 21:39:01 |\n| 48 | [文本相关性在蘑菇街搜索推荐排序系统中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F265522400) | 2020-10-30 21:39:43 |\n| 49 | [蘑菇街推荐算法之迷——self attention不如traditional attention？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F256252184) | 2020-09-23 22:09:25 |\n| 50 | [来唠个嗑——深度学习之表示学习（理论结合实践的思考）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F234224652) | 2020-09-16 22:06:08 |\n| 51 | [蘑菇街首页推荐视频流——增量学习与wide&deepFM实践（工程+算法）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F212647751) | 2020-09-03 21:17:57 |\n\n\n## 吴恩达\n\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [吴恩达来信：智能体设计模式3：工具使用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F690698468) | 2024-04-04 11:34:05 |\n| 2 | [吴恩达来信： 智能体设计模式2：Reflection](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F689492556) | 2024-03-28 11:50:19 |\n| 3 | [吴恩达来信：智能体如何优化LLM性能](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F688226963) | 2024-03-21 12:00:17 |\n| 4 | [吴恩达来信：低数据重力下的发展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F686957251) | 2024-03-14 11:20:33 |\n| 5 | [吴恩达来信：AI智能体的黎明时刻](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F685840097) | 2024-03-07 20:01:06 |\n| 6 | [吴恩达来信：Python包的管理难题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684571718) | 2024-02-29 14:55:06 |\n| 7 | [吴恩达来信：AI企业家们的三个主题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F683387104) | 2024-02-22 15:06:00 |\n| 8 | [吴恩达来信：大型语言模型变成商品会怎么样？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F681913934) | 2024-02-12 13:08:17 |\n| 9 | [吴恩达来信：这个世界需要智能](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F681480265) | 2024-02-05 11:16:41 |\n| 10 | [吴恩达：席卷世界经济论坛的AI议题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F679860480) | 2024-01-26 11:24:07 |\n| 11 | [吴恩达来信：实现AGI的最简单方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F679194411) | 2024-01-22 17:03:24 |\n| 12 | [吴恩达来信：纽约时报与OpenAI和微软的版权较量](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F676214060) | 2024-01-05 13:29:29 |\n| 13 | [吴恩达来信：迎接2024的变与不变](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F675541705) | 2024-01-01 20:11:49 |\n| 14 | [吴恩达来信：蓬勃发展的LLM](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F670265067) | 2023-12-04 12:20:24 |\n| 15 | [吴恩达来信：勇敢发声，为AI发展助力！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F668434373) | 2023-11-23 17:10:08 |\n| 16 | [吴恩达：AI Fund建立初创公司的小心得](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F656897807) | 2023-09-18 11:52:12 |\n| 17 | [吴恩达来信：学习AI for Good, then do good！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F654908040) | 2023-09-07 17:17:19 |\n| 18 | [吴恩达来信：很久以前，LLMs......](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F653478315) | 2023-08-31 12:11:12 |\n| 19 | [吴恩达来信：多了解LLMs一点吧~](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F652063928) | 2023-08-24 13:52:31 |\n| 20 | [吴恩达来信：基于LLMs构建应用程序的小tips](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F650667002) | 2023-08-17 17:01:09 |\n| 21 | [吴恩达来信：LLMs能否理解世界？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F649274642) | 2023-08-10 20:06:24 |\n| 22 | [吴恩达来信：将一项工作分解为多个任务](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F647735080) | 2023-08-03 14:22:44 |\n| 23 | [吴恩达来信：加注水印的利与弊](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F646356914) | 2023-07-27 18:28:48 |\n| 24 | [吴恩达来信：进一步完善AI相关版权法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F644954760) | 2023-07-21 10:05:48 |\n| 25 | [吴恩达来信：快速构建，悉心调试](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F643312431) | 2023-07-13 13:40:13 |\n| 26 | [吴恩达来信：基于提示的开发在加速](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F642661646) | 2023-07-10 17:00:14 |\n| 27 | [吴恩达来信：关于AI监管](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F640443083) | 2023-06-29 17:06:12 |\n| 28 | [吴恩达来信：AI的民主化](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F637266619) | 2023-06-15 12:52:59 |\n| 29 | [吴恩达来信：吴老师喊你上课啦！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F633864756) | 2023-06-01 11:51:11 |\n| 30 | [吴恩达来信：更“省”数据的大型预训练模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F633010516) | 2023-05-29 12:13:50 |\n| 31 | [吴恩达来信：超越测试集——prompting改变了机器学习](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F630439740) | 2023-05-18 19:05:21 |\n| 32 | [吴恩达来信：LLMs的美好未来](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F623672319) | 2023-04-21 11:14:50 |\n| 33 | [吴恩达来信： 以合法和公平的方式向前发展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F620097609) | 2023-04-07 12:44:05 |\n| 34 | [吴恩达来信：此GPT非彼GPT](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F618425166) | 2023-03-31 10:35:20 |\n| 35 | [吴恩达来信：持续推动AGI发展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F616631701) | 2023-03-24 11:28:53 |\n| 36 | [吴恩达来信：风浪面前，团结就是力量！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F614454824) | 2023-03-16 13:05:15 |\n| 37 | [吴恩达来信：区别人工智能生成与人类生成](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F612640260) | 2023-03-09 16:23:24 |\n| 38 | [吴恩达来信：LandingLens震撼发布，免费羊毛等你来薅！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F610707617) | 2023-03-02 13:15:51 |\n| 39 | [吴恩达来信：充满希望的chat-based search](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F608825488) | 2023-02-23 15:30:04 |\n| 40 | [吴恩达来信：ChatGPT很酷，RL也很酷](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F606827548) | 2023-02-16 13:20:19 |\n| 41 | [吴恩达来信：合法vs公平](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F604883301) | 2023-02-09 17:04:03 |\n| 42 | [吴恩达来信：靠语言进化的LLMs](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F602832542) | 2023-02-02 13:43:21 |\n| 43 | [吴恩达来信：来自LLMs的巨大“威胁”？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F600121157) | 2023-01-19 20:15:20 |\n| 44 | [吴恩达来信：即将绽放的LLMs](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F598545150) | 2023-01-12 15:42:34 |\n| 45 | [吴恩达来信：2023人工智能热点展望](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F596730259) | 2023-01-05 11:30:41 |\n| 46 | [吴恩达来信：一起畅想2023及未来吧！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F595204817) | 2022-12-29 15:25:59 |\n| 47 | [吴恩达来信：人工智能的辉煌一年](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F593809403) | 2022-12-23 12:56:05 |\n| 48 | [吴恩达来信：围绕内容审核建立信任并做出权衡](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F592072640) | 2022-12-15 17:10:14 |\n| 49 | [吴恩达来信：建立能够展现不同置信度的模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F590332091) | 2022-12-08 18:58:02 |\n\n\n## 阿里妈妈技术\n\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [尺寸魔方：AIGC赋能下的视觉创意智能延展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691972924) | 2024-04-11 18:08:12 |\n| 2 | [阿里妈妈春季2025届实习生招聘全球启动！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F688253067) | 2024-03-21 14:27:13 |\n| 3 | [AI生成存储基座：自研超大规模向量数据库 Dolphin VectorDB](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F688201926) | 2024-03-21 10:24:47 |\n| 4 | [合约广告中基于风险约束的Pacing算法优化](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F685981294) | 2024-03-08 15:42:15 |\n| 5 | [开放下载 \\| 2023 阿里妈妈技术年刊来啦！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684807840) | 2024-03-01 17:32:50 |\n| 6 | [开源 \\| 视频尺寸魔方：分层遮掩3D扩散模型在视频尺寸延展的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684806741) | 2024-03-01 17:30:15 |\n| 7 | [强化学习在广告自动出价场景的大规模落地实践（文末有小彩蛋）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F677901083) | 2024-01-15 14:32:18 |\n| 8 | [请查收 \\| 2023 阿里妈妈技术热门文章](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F677899448) | 2024-01-15 14:24:56 |\n| 9 | [大模型时代的阿里妈妈内容风控基础服务体系建设](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F672391648) | 2023-12-15 11:48:38 |\n| 10 | [阿里妈妈万相台无界版和万相实验室获“互联网之光”首发成果奖](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F669385303) | 2023-11-29 10:16:29 |\n| 11 | [迈步从头越：阿里妈妈广告智能决策技术的演进之路](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F669160091) | 2023-11-28 09:15:09 |\n| 12 | [NeurIPS 2023 \\| Robust Graph Information Bottleneck：对抗双边图噪声的鲁棒图学习](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F668443792) | 2023-11-23 17:43:53 |\n| 13 | [Memorization Discrepancy：利用模型动态信息发现累积性注毒攻击](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F657614899) | 2023-09-21 15:48:19 |\n| 14 | [KDD'23 \\| CC-GNN：基于内容协同图神经网络的电商召回方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F655950271) | 2023-09-13 10:08:06 |\n| 15 | [KDD'23 \\| Score-Weighted VCG：考虑外部性的智能拍卖机制设计](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F655118213) | 2023-09-08 16:34:29 |\n| 16 | [阿里妈妈秋季2024届应届生招聘正式启动！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F652370812) | 2023-08-25 17:41:22 |\n| 17 | [KDD'23 \\| PerBid：在线广告个性化自动出价框架](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F650625534) | 2023-08-17 15:01:20 |\n| 18 | [ACM MM’23 \\| 4篇论文解析阿里妈妈广告创意算法最新进展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F649488593) | 2023-08-11 17:55:06 |\n| 19 | [阿里妈妈技术团队8篇论文入选 CIKM 2023](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F649434751) | 2023-08-11 17:13:44 |\n| 20 | [SIGIR'23 \\| 基于特征自适应的多场景预估建模](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F641895931) | 2023-07-10 13:49:18 |\n| 21 | [阿里妈妈 AI 热招岗位已就绪！还在等待才华横溢的你~](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F641831359) | 2023-07-06 10:55:52 |\n| 22 | [KDD'23 \\| 转化率预估新思路：基于历史数据复用的大促转化率精准预估](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F640387297) | 2023-06-29 14:42:25 |\n| 23 | [KDD'23 \\| 排序和准度联合优化：一种基于混合生成\u002F判别式建模的方案](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F639569672) | 2023-06-26 10:15:58 |\n| 24 | [化繁为简，精工细作——阿里妈妈直播智能剪辑技术详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F638683425) | 2023-06-21 14:03:53 |\n| 25 | [CVPR 2023 \\| 基于内容融合的字体生成方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F633833249) | 2023-06-01 10:20:20 |\n| 26 | [【征文】DLP@RecSys 2023：第五届面向高维稀疏数据的深度学习实践国际研讨会](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F630571560) | 2023-05-19 10:57:10 |\n| 27 | [AdaSparse: 自适应稀疏网络的多场景CTR预估建模](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F628537645) | 2023-05-11 11:35:33 |\n| 28 | [就等你了！MAX-Code首届阿里妈妈极限代码挑战赛来啦~](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F627625030) | 2023-05-08 10:26:01 |\n| 29 | [增广拍卖——二跳页下的拍卖机制探索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F623670570) | 2023-04-21 11:35:33 |\n| 30 | [​Auction Design in the Auto-bidding World系列一：面向异质目标函数广告主的拍卖机制设计](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F621506959) | 2023-04-13 06:02:30 |\n| 31 | [Bidding模型训练新范式：阿里妈妈生成式出价模型（AIGB）详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F619301816) | 2023-04-04 10:33:10 |\n| 32 | [万字长文，漫谈广告技术中的拍卖机制设计（经典篇）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F618023549) | 2023-03-29 19:04:11 |\n| 33 | [阿里妈妈智能诊断工程能力建设](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F616334622) | 2023-03-23 11:43:14 |\n| 34 | [代码开源！阿里妈妈展示广告Match底层技术架构最新进展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F614214963) | 2023-03-15 15:48:36 |\n| 35 | [贝叶斯分层模型应用之直播场景打分校准](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F614214235) | 2023-03-15 15:44:18 |\n| 36 | [阿里妈妈春季2024届实习生招聘正式启动！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F613984334) | 2023-03-14 19:11:55 |\n| 37 | [积沙成塔——阿里妈妈动态算力技术的新演进与展望](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F612560873) | 2023-03-09 12:05:32 |\n| 38 | [广告营销场景下的隐私计算实践：阿里妈妈营销隐私计算平台SDH](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F612560388) | 2023-03-09 12:02:43 |\n| 39 | [Dolphin：面向营销场景的超融合多模智能引擎](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F606646857) | 2023-02-15 19:08:51 |\n| 40 | [广告深度学习计算：向量召回索引的演进以及工程实现](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F604748988) | 2023-02-09 10:39:17 |\n| 41 | [上下文驱动的图上文案生成](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F602795083) | 2023-02-02 13:52:14 |\n| 42 | [视频分割新范式：视频感兴趣物体实例分割 VOIS](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F602789593) | 2023-02-02 11:03:14 |\n| 43 | [开放下载 \\| 2022阿里妈妈技术年刊来啦！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F599915935) | 2023-01-18 18:14:00 |\n| 44 | [阿里妈妈内容风控模型预估引擎的探索和建设](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F598462611) | 2023-01-12 10:47:04 |\n| 45 | [阿里妈妈Dolphin智能计算引擎基于Flink+Hologres实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F598461310) | 2023-01-12 10:31:26 |\n| 46 | [Dolphin Streaming实时计算，助力商家端算法第二增长曲线](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F598459986) | 2023-01-12 10:29:42 |\n| 47 | [请查收 \\| 2022 阿里妈妈技术文章回顾](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F598458603) | 2023-01-12 10:26:08 |\n| 48 | [新一代自动出价范式：在线强化学习SORL框架](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F595146953) | 2022-12-29 11:41:55 |\n\n\n## 蘑菇先生\n> 介绍： 个人公众号: 蘑菇先生学习记 & 某大厂算法工程师。,胜不骄，败不馁。。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [行动胜过言语: Meta落地工业界首个万亿级别参数的生成式推荐系统模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F687478684) | 2024-03-18 09:03:30 |\n| 2 | [WWW2024 \\| 工业界大模型与搜广推工作梳理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F687092311) | 2024-03-14 22:41:36 |\n| 3 | [CIKM'23 \\| 快手: QIN 搜索长期行为序列建模](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F673033160) | 2023-12-19 13:42:25 |\n| 4 | [美团内容智能分发的算法实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F672714402) | 2023-12-18 09:12:13 |\n| 5 | [WSDM'24 \\| 工业界搜广推工作整理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F668892959) | 2023-12-03 10:52:06 |\n| 6 | [WSDM2024 \\| 港大 百度, LLMRec: 基于LLM增强的多模态图神经网络推荐](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F666016033) | 2023-11-09 20:52:57 |\n| 7 | [一文梳理推荐系统中如何应用大模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F658252702) | 2023-09-25 12:46:25 |\n| 8 | [KDD 2023 工业界搜广推论文整理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F643864567) | 2023-07-17 09:57:50 |\n| 9 | [KDD'23 \\| 阿里, 排序和校准联合建模: 让listwise模型也能用于CTR预估](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F638414676) | 2023-06-20 19:33:27 |\n| 10 | [LLM技术发展、能力增强模式和应用杂谈(一)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F638410110) | 2023-06-20 17:29:46 |\n| 11 | [一文解读Twitter开源推荐系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F618938082) | 2023-04-03 22:25:56 |\n| 12 | [百度凤巢 \\| MTMS多任务多场景统一精排模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F617002509) | 2023-03-25 20:45:36 |\n| 13 | [千人千模 \\| PEPNet: 2023快手多任务多场景建模](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F611532716) | 2023-03-09 13:03:46 |\n| 14 | [WSDM'23 \\| 工业界搜推广nlp论文整理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F594371593) | 2022-12-26 12:09:41 |\n| 15 | [CIKM'22 \\| 淘宝 GIFT: 基于Graph的冷启动视频点击率预估](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F563365486) | 2022-09-11 14:07:23 |\n| 16 | [KDD'22 \\| 阿里：基于EE探索的CTR预估](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F530935303) | 2022-06-20 20:02:31 |\n| 17 | [SIGIR'22 \\| 阿里 ESCM^2: 升级版全空间多任务转化率预估模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F509315166) | 2022-05-05 09:14:10 |\n| 18 | [P5 \\| NLP模型一统推荐系统? 谈新型推荐系统建模范式](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F496107585) | 2022-04-11 12:07:22 |\n| 19 | [2023届校招算法岗知识总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F488497444) | 2022-03-28 09:19:44 |\n| 20 | [基于个性化Prompt的推荐：推荐系统和NLP的跨界融合](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F483932940) | 2022-03-21 09:47:00 |\n| 21 | [GraphCTR特征交互新路线 \\| 一文梳理基于Graph的特征交互在CTR预估中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F469070574) | 2022-02-21 09:26:25 |\n| 22 | [基于GNN的推荐最新综述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F469687403) | 2022-02-19 23:36:54 |\n| 23 | [WSDM'22 \\| 工业界搜推广nlp论文整理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F454375755) | 2022-01-07 13:01:35 |\n| 24 | [2021年度回顾 \\| 分享算法岗工作感悟](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F453962566) | 2022-01-06 13:34:16 |\n| 25 | [Top100图神经网络论文大盘点](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F424680242) | 2021-10-22 23:27:17 |\n| 26 | [KDD'21 \\| 时间检验研究奖论文解读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F416670663) | 2021-10-10 21:01:32 |\n| 27 | [Recsys2021 \\| 推荐系统论文分类整理和导读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F417652612) | 2021-10-06 22:25:49 |\n| 28 | [KDD'21 \\| 揭秘Facebook升级版语义搜索技术](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F415516966) | 2021-09-29 21:08:48 |\n| 29 | [KDD'21 \\| 淘宝搜索中语义向量检索技术](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F409390150) | 2021-09-12 08:23:23 |\n| 30 | [KDD 21 工业界搜推广nlp论文整理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F388115800) | 2021-07-12 09:23:02 |\n| 31 | [SIGIR'21\\|SGL基于图自监督学习的推荐系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F374614160) | 2021-05-23 20:28:58 |\n| 32 | [KDD'19\\|ConcepT 腾讯概念标签体系](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F345124210) | 2021-01-31 09:34:04 |\n| 33 | [算法debug实战\\|Ng算法诊断理论的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F346401125) | 2021-01-23 16:20:45 |\n| 34 | [入职半年小结 \\| 给应届校招算法同学的几点建议](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F343579930) | 2021-01-11 23:35:51 |\n| 35 | [特征交互新路线\\|阿里 Co-action Network论文解读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F340735631) | 2020-12-30 22:18:03 |\n| 36 | [基于信息传递框架的GNN编码范式](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F332718181) | 2020-12-07 08:40:46 |\n| 37 | [PTMs\\| 2020最新NLP预训练模型综述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F317260710) | 2020-11-28 14:00:27 |\n| 38 | [Nature 2016 \\| AlphaGo 强化学习论文解读系列(一)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F310502314) | 2020-11-24 22:48:31 |\n| 39 | [基于分离式表征的图神经网络调研](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F303363880) | 2020-11-21 08:50:13 |\n| 40 | [AAAI 2020 \\| MA-GNN 记忆增强的图神经网络序列推荐方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F278234604) | 2020-11-07 21:51:56 |\n| 41 | [SIGIR2020\\|GCE-GNN基于全局上下文增强的图神经网络序列推荐方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F268619607) | 2020-10-25 21:16:32 |\n| 42 | [KDD CUP 2020之Debiasing赛道方案 (Rush)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F149061129) | 2020-06-18 08:55:14 |\n| 43 | [推荐系统中二分图表示学习调研](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F110682271) | 2020-03-03 23:08:03 |\n| 44 | [2021届校招算法岗知识点总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F107911095) | 2020-02-19 23:31:46 |\n| 45 | [图表示学习Encoder-Decoder框架](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F106726538) | 2020-02-13 18:44:38 |\n\n\n## 张俊林\n> 介绍： 你所不知道的事,Heil Hydra！嗯。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [技术神秘化的去魅：Sora关键技术逆向工程图解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F687928845) | 2024-03-20 08:45:41 |\n| 2 | [Sora能作为物理世界模拟器吗](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684089478) | 2024-02-27 08:31:36 |\n| 3 | [大模型“涌现现象”存在吗](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F677172089) | 2024-01-11 09:23:20 |\n| 4 | [大语言模型为何拥有智能](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F675045781) | 2023-12-29 08:41:58 |\n| 5 | [AIGC优质模型导读：数据为王DALL-E 3](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F669578590) | 2023-11-30 09:34:42 |\n| 6 | [世界的参数倒影：为何GPT通过Next Token Prediction可以产生智能](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F632795115) | 2023-05-28 15:07:48 |\n| 7 | [当前炼制“大语言模型”的两个现象](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F622365988) | 2023-04-16 19:51:04 |\n| 8 | [大语言模型的涌现能力：现象与解释](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F621438653) | 2023-04-12 20:17:37 |\n| 9 | [通向AGI之路：大型语言模型（LLM）技术精要](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F597586623) | 2023-01-09 08:28:15 |\n| 10 | [ChatGPT会取代搜索引擎吗](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F589533490) | 2022-12-06 09:39:22 |\n| 11 | [推荐系统排序环节的特征Embedding建模](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F573576653) | 2022-10-14 18:33:04 |\n| 12 | [对比学习视角:重新审视推荐系统的召回粗排模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F424198603) | 2021-10-28 19:35:14 |\n| 13 | [利用Contrastive Learning对抗数据噪声：对比学习在微博场景的实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F370782081) | 2021-05-09 10:26:26 |\n| 14 | [对比学习（Contrastive Learning）:研究进展精要](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F367290573) | 2021-04-24 10:41:59 |\n| 15 | [SENet双塔模型：在推荐领域召回粗排的应用及其它](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F358779957) | 2021-03-21 17:56:21 |\n| 16 | [乘风破浪的PTM：两年来预训练模型的技术进展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F254821426) | 2020-09-20 09:01:54 |\n| 17 | [知识蒸馏在推荐系统的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F143155437) | 2020-05-24 10:04:23 |\n| 18 | [推荐系统中稀疏特征Embedding的优化表示方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F141517705) | 2020-05-17 09:49:00 |\n| 19 | [推荐系统技术演进趋势：从召回到排序再到重排](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F100019681) | 2019-12-29 12:11:44 |\n| 20 | [2019人工智能技术发展趋势](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F93225103) | 2019-11-22 21:21:34 |\n| 21 | [对NLP以及推荐系统未来发展趋势的看法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F79677478) | 2019-08-25 11:02:20 |\n| 22 | [XLNet:运行机制及和Bert的异同比较](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F70257427) | 2019-06-22 10:49:56 |\n| 23 | [Bert时代的创新（应用篇）：Bert在NLP各领域的应用进展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F68446772) | 2019-06-09 10:31:09 |\n| 24 | [FFM及DeepFFM模型在推荐系统的探索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F67795161) | 2019-06-02 12:19:11 |\n| 25 | [Bert时代的创新：Bert应用模式比较及其它](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F65470719) | 2019-05-12 12:17:33 |\n| 26 | [推荐系统召回四模型之二：沉重的FFM模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F59528983) | 2019-03-18 07:57:44 |\n| 27 | [关于百度ERNIE及将知识图谱引入Bert](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F59503959) | 2019-03-17 11:55:02 |\n| 28 | [推荐系统召回四模型之：全能的FM模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F58160982) | 2019-03-03 10:55:41 |\n| 29 | [效果惊人的GPT 2.0模型：它告诉了我们什么](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F56865533) | 2019-02-16 12:01:14 |\n| 30 | [关于“中文字型深度学习模型Glyce+田字格CNN”的个人看法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F56060002) | 2019-01-31 01:05:25 |\n| 31 | [放弃幻想，全面拥抱Transformer：自然语言处理三大特征抽取器（CNN\u002FRNN\u002FTF）比较](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F54743941) | 2019-01-13 10:08:49 |\n| 32 | [天空之城：拉马努金式思维训练法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F51934140) | 2018-12-09 10:18:48 |\n| 33 | [从Word Embedding到Bert模型—自然语言处理中的预训练技术发展史](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F49271699) | 2018-11-11 15:00:27 |\n| 34 | [深度学习中的Normalization模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F43200897) | 2018-08-28 23:55:15 |\n| 35 | [NF:集成人工生命和遗传算法自动发现神经网络最优结构](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F42243262) | 2018-08-16 23:41:48 |\n| 36 | [机器码农：深度学习自动编程](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F39775730) | 2018-07-15 09:39:09 |\n| 37 | [Batch Normalization导读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F38176412) | 2018-06-17 10:12:08 |\n| 38 | [深度学习中的注意力模型（2017版）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F37601161) | 2018-06-02 09:45:57 |\n| 39 | [2017年AI技术前沿进展与趋势](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F37057045) | 2018-05-19 22:27:39 |\n\n\n## 大林\n\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [大模型高速下载常用的的几种方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F692475654) | 2024-04-15 07:59:28 |\n| 2 | [我发现了两个很好用的kimi插件](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691575336) | 2024-04-09 20:24:25 |\n| 3 | [自那之后，heygen更新了蛮多功能的](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691201705) | 2024-04-08 07:34:48 |\n| 4 | [云端如何部署测试Qwen1.5-MoE模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F689776733) | 2024-03-29 17:17:34 |\n| 5 | [OpenAI发布最新Sora视频，来自民间创作者、导演、音乐家、艺术家、创意机构等](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F689050052) | 2024-03-26 10:29:43 |\n| 6 | [就在刚刚，Claude 3发布了，推出了三个模型，Haiku、Sonnet 和 Opus，效果又震惊四方](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F685281864) | 2024-03-05 01:11:50 |\n| 7 | [谁也没想到，阿里发布的新项目，竟然遭受了谩骂](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684667862) | 2024-02-29 23:59:19 |\n| 8 | [Sora最新视频，一骑绝尘](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F683727780) | 2024-02-24 15:43:54 |\n| 9 | [紧跟着 Sora，搞 AI 的大厂都纷纷坐不住了。就在深夜，Stability AI 放出了 SD3，文字控制效果炸裂](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F683588424) | 2024-02-23 15:44:48 |\n| 10 | [谷歌刚刚发布开源大语言模型 Gemma，对标LLAMA2，汇总大家关注的一些问题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F683413607) | 2024-02-22 17:36:15 |\n| 11 | [加上AI音频的Sora视频终于有了灵魂](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F683061623) | 2024-02-20 19:22:13 |\n| 12 | [阿里最近推出AI项目的动作太过频繁，脑子跟不上了，事出反常必有妖，盘点一下](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F678552261) | 2024-01-18 16:58:09 |\n| 13 | [智谱GLM-4发布，评测效果逼近GPT4，直接说几个比较重要的结论](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F678170214) | 2024-01-16 18:26:22 |\n| 14 | [GPT应用商店如约而至，和我们想的略有不同，与此同此还同步推出了付费计划的ChatGPT Team](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F677160698) | 2024-01-11 07:49:56 |\n| 15 | [体验完阿里推出的AnyText，效果确实不错，如果落地，AI加持下的电商会怎么样？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F676524866) | 2024-01-07 19:20:25 |\n| 16 | [OpenAI 的 GPT 应用商店将于下周推出](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F676207210) | 2024-01-05 12:33:04 |\n| 17 | [2023年的最后一篇文章，祝大家元旦快乐。看到这种视频好多了，一直知道是DomoAI做的，但就是没时间去玩，今天去玩了玩](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F675195324) | 2023-12-29 15:17:50 |\n| 18 | [今天看到 Pika 全面放开的消息，瞬间炸锅了，想到我前两天拿到的 pika 内测资格，瞬间不香了，今天玩下](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F674644544) | 2023-12-26 17:06:49 |\n| 19 | [吴恩达发布企业AI转型手册，AI Transformation Playbook，对公司高管、正在创业的AIer是不错的指南。](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F673289438) | 2023-12-20 17:08:34 |\n| 20 | [网上有很多的Prompt模板，这次OpenAI发布了写好Prompt的六个策略，很实用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F673101835) | 2023-12-19 17:49:04 |\n| 21 | [OpenAI 发表的第一篇论文，值得一读，Weak-to-Strong Generalization](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F672517739) | 2023-12-15 22:59:24 |\n| 22 | [老用户抢先体验 MidJourney Alpha 网页版，再见了Discord](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F672031999) | 2023-12-13 16:13:22 |\n| 23 | [谷歌隆重推出 Gemini，中文版本以及技术报告下载](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F670837066) | 2023-12-07 08:23:04 |\n| 24 | [Heygen 80% 的问题，这篇文章搞定它](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F668779022) | 2023-11-25 17:38:44 |\n| 25 | [SD开启免费测试，教你一分钟加入尝鲜](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F643814199) | 2023-07-15 22:16:38 |\n| 26 | [亲测OpenAI开放的最新功能：代码解释器，效果着实不错](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F642722316) | 2023-07-10 22:22:44 |\n| 27 | [万字长文\\|从0-1系统性的了解大语言模型LLM研究进展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F629931592) | 2023-05-17 07:14:43 |\n| 28 | [紧跟AIGC风向知识库开放](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F627833284) | 2023-05-08 22:18:14 |\n| 29 | [到了一定年纪，回家过年都是感触](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F601480554) | 2023-01-28 19:28:08 |\n| 30 | [20230113-读书思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F598739763) | 2023-01-13 11:03:30 |\n| 31 | [国庆教你制作国旗微信头像](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F569587908) | 2022-09-30 09:54:25 |\n| 32 | [Prompt Learning 那些不错的文章合集](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F561823299) | 2022-09-06 20:00:09 |\n| 33 | [互联网职场晋升关键词](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F558836907) | 2022-08-28 23:21:07 |\n| 34 | [一个不会写sql的算法工程师、一个不会写sql的产品经理，能在公司活下去吗](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F555484473) | 2022-08-19 10:39:48 |\n| 35 | [被mentor质疑，我才知道这些互联网的含义](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F553614643) | 2022-08-14 13:49:27 |\n| 36 | [呕心沥血整理往年精华面经，2023秋招卷起来](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F533993498) | 2022-06-26 15:14:45 |\n| 37 | [能够轻松的熟练掌握上面这几个awk写法，你已经超过了90%的身边人。持续更新ing](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F532630013) | 2022-06-23 10:20:58 |\n| 38 | [ACL2022知识图谱、BERT论文合集，持续更新中](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F498868169) | 2022-04-15 09:14:32 |\n\n\n## 缄默笔记\n> 介绍： 公众号\"缄默笔记\"，分享推荐系统学习笔记,\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [2023 推荐系统会议论文梳理（上）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F646755788) | 2023-07-29 20:32:04 |\n| 2 | [「2023 \\| 快手」PEPNet：融合个性化先验信息的多场景多任务网络](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F611400673) | 2023-03-05 01:19:53 |\n| 3 | [「WWW'23 \\| 快手」推荐系统中提升用户留存算法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F609309315) | 2023-02-26 01:02:03 |\n| 4 | [推荐系统(36) 2022 Q4工业界推荐算法实践经验梳理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F597585218) | 2023-01-09 01:10:22 |\n| 5 | [推荐系统(35) 序列建模文章梳理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F571634312) | 2022-11-07 01:02:41 |\n| 6 | [推荐系统(33) 2022 Q3工业界推荐算法实践经验梳理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F569894189) | 2022-10-08 00:05:55 |\n| 7 | [推荐系统(32)「梳理」知识蒸馏优化粗排模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F556232198) | 2022-08-22 00:01:44 |\n| 8 | [推荐系统(31)「阿里」自适应场景兴趣网络](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F550903156) | 2022-08-08 23:20:11 |\n| 9 | [推荐系统(30)：2022顶会CTR相关论文梳理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F545450922) | 2022-07-25 23:35:25 |\n| 10 | [推荐系统(29)「阿里」AdaSparse: 自适应稀疏结构的多场景CTR模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F542744868) | 2022-07-20 00:32:03 |\n| 11 | [推荐系统(28) 2022 Q2 推荐算法综述类文章梳理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F539503952) | 2022-07-13 23:50:09 |\n| 12 | [推荐系统(27)：「京东」基于候选Items对用户隐式感知建模](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F538682575) | 2022-07-11 01:12:24 |\n| 13 | [推荐系统(26) 2022 Q2工业界推荐算法实践经验梳理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F536671455) | 2022-07-05 23:48:27 |\n| 14 | [推荐系统(25）「腾讯」MFH:面向大量多维关系任务的多层级多任务学习模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F534310281) | 2022-06-27 23:50:37 |\n| 15 | [推荐系统(二十四）「知识梳理」多场景建模梳理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F524458237) | 2022-06-05 23:26:13 |\n| 16 | [推荐系统(二十三) 基于场景感知和交互的多场景推荐模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F524201399) | 2022-06-04 15:32:36 |\n| 17 | [推荐系统(二十二)「IJCAI'22」多阶段推荐系统中重排综述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F521413622) | 2022-05-30 00:01:08 |\n| 18 | [推荐系统(二十一)「SIGIR'22」基于用户行为历史的多层次交叉重排模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F511169724) | 2022-05-09 00:02:52 |\n| 19 | [推荐系统(二十) 「SIGIR'22」利用上下文特征表示学习提升CTR预估](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F509075354) | 2022-05-05 00:13:19 |\n| 20 | [推荐系统(十九) 「WSDM'22」信息流中基于视野范围感知的重排序模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F495794597) | 2022-04-19 02:10:49 |\n| 21 | [推荐系统(十八) 大厂实践经验学习：双塔模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F495737522) | 2022-04-14 00:08:02 |\n| 22 | [推荐系统(十六) 大厂实践经验学习：多目标模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F493164774) | 2022-04-07 00:02:17 |\n| 23 | [推荐系统(十五) 大厂实践经验学习：排序模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F492529285) | 2022-04-03 12:36:54 |\n| 24 | [推荐系统(十四) 推荐算法综述类文章梳理(下)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F488098161) | 2022-03-28 00:11:38 |\n| 25 | [推荐系统(十三) 推荐算法综述类文章梳理(上)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F487884389) | 2022-03-26 12:46:37 |\n| 26 | [推荐系统(十二) 门控机制在CTR模型中应用梳理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F485729422) | 2022-03-23 00:33:13 |\n| 27 | [推荐系统(十一) 2021-2022年工业界推荐算法实践经验汇总](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F481610113) | 2022-03-16 00:00:48 |\n| 28 | [推荐系统(十) 「知识梳理」CTR模型中连续特征加入方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F480030543) | 2022-03-12 23:43:03 |\n| 29 | [推荐系统(九)「CIKM'21」DCAP：基于深度交叉注意力网络的CTR模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F479031635) | 2022-03-11 00:23:36 |\n| 30 | [推荐系统(八) ContextNet：基于上下文信息优化特征Embedding的CTR模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F476479629) | 2022-03-06 06:11:35 |\n| 31 | [推荐系统(七) 2021年「顶会论文」特征交叉相关CTR模型汇总](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F474987046) | 2022-03-03 01:28:26 |\n| 32 | [推荐系统(六) FmFM：FM类浅层CTR模型统一框架](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F473336663) | 2022-02-27 23:31:17 |\n| 33 | [推荐系统(五) SAM：重新思考CTR模型中Attention的作用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F473018397) | 2022-02-27 00:18:43 |\n| 34 | [推荐系统(四) EDCN：通过信息共享增强并行CTR模型显式和隐式特征交叉](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F472859338) | 2022-02-26 16:06:59 |\n| 35 | [因果推断(一) 因果推断工业应用案例](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F469706398) | 2022-02-20 01:16:51 |\n| 36 | [推荐系统(三) DESTINE：基于解耦自注意网络的CTR模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F463728021) | 2022-02-03 09:18:34 |\n| 37 | [推荐系统(二) XCrossNet：面向特征结构学习的CTR模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F463484924) | 2022-02-01 16:18:52 |\n| 38 | [推荐系统(一) FINT：基于特征域交叉的CTR模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F463335052) | 2022-01-31 13:12:13 |\n\n\n## King James\n> 介绍： 公众号：KingJames讲策略，算法出身的策略产品；,1. 专注于策略产品领域，+：MonkeyELuff 进策略产品交流群，定期给大家分享前沿策略知识；公众号：KingJames讲策略；2.《策略产品经理实战培训课程》持续招生中，https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F561585077；。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [蔡崇信专访核心要点提炼及个人感悟](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F690988052) | 2024-04-06 22:57:09 |\n| 2 | [拼多多的“坏”、“好”、“猛”以及国内电商未来格局](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F682480095) | 2024-02-18 07:22:48 |\n| 3 | [商业化策略产品经理必读系列—百度“轻舸”新营销平台+“扬楫”大模型商业引擎全面解析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F672342681) | 2024-01-14 23:33:00 |\n| 4 | [《搜广推策略产品经理》勘误（持续更新中）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F670158494) | 2023-12-03 19:30:11 |\n| 5 | [商业化策略产品经理必读系列—广告竞价拍卖机制设计](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F668461949) | 2023-11-24 08:55:59 |\n| 6 | [商业化产品经理必读系列—拼多多广告收入增长的产品利器](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F657506559) | 2023-09-24 16:40:40 |\n| 7 | [策略产品经理必读系列—第十四讲搜广推业务中CTR纠偏](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F627143850) | 2023-06-07 09:09:09 |\n| 8 | [策略产品经理必读系列—第十三讲机器学习分类任务基础评估指标AUC、召回率、准确率](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F626701529) | 2023-05-04 17:03:14 |\n| 9 | [搜索策略产品经理必读系列—第五讲Page Rank算法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F615244447) | 2023-03-19 17:58:20 |\n| 10 | [推荐策略产品经理必读系列—第七讲推荐结果的样式&创意策略](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F603361357) | 2023-02-04 09:50:59 |\n| 11 | [商业化产品经理视角下的“2022阿里妈妈m峰会”](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F565284508) | 2022-09-18 23:02:03 |\n| 12 | [“推荐+搜索+广告”策略产品经理训练营第7期招生中](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F561585077) | 2022-09-05 22:25:49 |\n| 13 | [推荐系统如何平衡推荐结果的相关性和多样性](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F558432791) | 2022-08-27 21:37:15 |\n| 14 | [推荐策略产品经理必读系列—第五讲推荐系统的召回三](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F550956126) | 2022-08-20 11:04:03 |\n| 15 | [AI产品经理必读系列—第二讲全面解读Meta发布的首份元宇宙白皮书](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F548150447) | 2022-07-31 13:45:31 |\n| 16 | [策略产品经理到底要不要懂算法？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F545688992) | 2022-07-25 08:37:14 |\n| 17 | [推荐策略产品经理必读系列—第四讲推荐系统的协同过滤召回](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F534681951) | 2022-07-23 17:44:15 |\n| 18 | [推荐策略产品经常被老板投诉的Case有哪些？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F537114586) | 2022-07-03 23:06:00 |\n| 19 | [策略产品经理实战培训课程重点内容PPT引导](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F524685930) | 2022-06-06 09:09:54 |\n| 20 | [推荐策略产品经理必读系列—第二讲推荐系统的架构](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F518107716) | 2022-05-29 09:52:54 |\n| 21 | [推荐策略产品经理必读系列—第一讲推荐系统的兴起](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F487869240) | 2022-05-21 21:52:23 |\n| 22 | [策略产品经理必读系列—第十二讲AA & AB Test最全介绍](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F483436420) | 2022-03-21 22:10:23 |\n| 23 | [搜索策略产品经理必读系列—第四讲搜索指标&业务辅助](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F444439148) | 2021-12-25 13:08:56 |\n| 24 | [策略产品经理必读系列—第十一讲通俗易懂讲解联邦学习](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F382177421) | 2021-11-28 22:02:22 |\n| 25 | [策略产品经理必读系列—第十讲兴趣电商是互联网新黑话还是新机遇？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F363730473) | 2021-04-18 17:34:08 |\n| 26 | [策略产品经理必读系列—第九讲GBDT算法在回归任务中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F330383800) | 2021-02-21 23:54:57 |\n| 27 | [搜索策略产品经理必读系列—第三讲电商搜索排序](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F262523506) | 2020-12-17 18:14:26 |\n| 28 | [策略产品经理必读系列—第八讲梯度下降法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F335191534) | 2020-12-14 17:31:24 |\n| 29 | [策略产品经理必读系列—第七讲ID3、C4.5和CART算法详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F323763330) | 2020-12-03 19:13:39 |\n| 30 | [策略产品经理必读系列—第六讲决策树模型基本概念及如何构建](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F279861778) | 2020-12-01 14:15:41 |\n| 31 | [搜索策略产品经理必读系列—第二讲电商搜索召回](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F262161436) | 2020-10-06 20:56:45 |\n| 32 | [搜索策略产品经理必读系列—第一讲电商搜索引擎整体框架](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F260679690) | 2020-10-04 21:27:50 |\n| 33 | [策略产品经理必读系列—第四讲深度学习与神经网络](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F243050824) | 2020-09-17 21:12:37 |\n| 34 | [深度解析芯片设计、制造、封装测试的全流程及各环节世界顶尖厂商技术说明](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F228757435) | 2020-09-09 19:48:35 |\n| 35 | [策略产品经理必读系列—第三讲强化学习实战](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F158864521) | 2020-07-20 23:26:26 |\n| 36 | [策略产品经理必读系列—第二讲强化学习](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F150451604) | 2020-07-05 18:15:27 |\n| 37 | [策略产品经理必读系列—第一讲机器学习](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F110166255) | 2020-03-01 19:30:35 |\n| 38 | [AI产品经理必读系列—第一讲AI一体机现状分析及商业化核心](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F84884970) | 2019-10-08 22:10:33 |\n\n\n## 猛猿\n> 介绍： 公众号：大猿搬砖简记,学习和职业历程：\n会计➡️算法➡️大数据➡️算法\n分享这段曲折自学转行路上的学习笔记，希望有相似经验的小伙伴不再孤单。\n\n学习永远是进行时。。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [图解大模型计算加速系列：vLLM源码解析2，调度器策略(Scheduler)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F692540949) | 2024-04-15 13:17:50 |\n| 2 | [图解大模型计算加速系列：Flash Attention V2，从原理到并行计算](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691067658) | 2024-04-07 13:14:41 |\n| 3 | [图解Mixtral 8 * 7b推理优化原理与源码实现](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691066049) | 2024-04-07 12:49:31 |\n| 4 | [图解大模型计算加速系列：vLLM源码解析1，整体架构](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691045737) | 2024-04-07 11:08:41 |\n| 5 | [图解大模型计算加速系列之：vLLM核心技术PagedAttention原理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691038809) | 2024-04-07 10:55:39 |\n| 6 | [图解大模型训练系列之：DeepSpeed-Megatron MoE并行训练（源码解读篇）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F681692152) | 2024-02-06 19:41:07 |\n| 7 | [图解大模型训练系列之：DeepSpeed-Megatron MoE并行训练（原理篇）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F681154742) | 2024-02-02 19:04:20 |\n| 8 | [图解大模型RLHF系列之：人人都能看懂的PPO原理与源码解读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F677607581) | 2024-01-13 12:05:52 |\n| 9 | [图解大模型计算加速系列：Flash Attention V1，从硬件到计算逻辑](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F669926191) | 2023-12-01 21:11:23 |\n| 10 | [再读Swin Transformer，有多少细节值得关注？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F663747861) | 2023-10-27 19:39:55 |\n| 11 | [关于多模态经典之作CLIP，还有哪些细节是你不知道的](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F660476765) | 2023-10-10 13:12:17 |\n| 12 | [再读VIT，还有多少细节是你不知道的](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F657666107) | 2023-09-21 19:26:45 |\n| 13 | [图解大模型微调系列之：AdaLoRA，能做“财务”预算的低秩适配器](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F657130029) | 2023-09-19 13:21:01 |\n| 14 | [深入浅出扩散模型(Diffusion Model)系列：基石DDPM（源码解读篇）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F655568910) | 2023-09-11 19:54:11 |\n| 15 | [【必看】历史技术文章汇总导航](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F654910335) | 2023-09-07 17:33:56 |\n| 16 | [图解大模型微调系列之：大模型低秩适配器LoRA（源码解读与实操篇）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F654897296) | 2023-09-07 17:06:38 |\n| 17 | [深入浅出扩散模型(Diffusion Model)系列：基石DDPM（人人都能看懂的数学原理篇）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F650394311) | 2023-08-16 19:15:43 |\n| 18 | [图解大模型微调系列之：大模型低秩适配器LoRA（原理篇）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F646831196) | 2023-07-30 12:37:08 |\n| 19 | [深入浅出扩散模型(Diffusion Model)系列：基石DDPM（模型架构篇），最详细的DDPM架构图解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F637815071) | 2023-06-17 17:40:36 |\n| 20 | [图解大模型训练之：Megatron源码解读2，模型并行](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F634377071) | 2023-06-03 13:26:37 |\n| 21 | [图解大模型系列之：Megatron源码解读1，分布式环境初始化](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F629121480) | 2023-05-13 17:31:49 |\n| 22 | [图解大模型系列之：张量模型并行，Megatron-LM](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F622212228) | 2023-04-15 20:40:41 |\n| 23 | [图解大模型训练之：数据并行下篇(ZeRO，零冗余优化)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F618865052) | 2023-04-02 13:43:23 |\n| 24 | [图解大模型训练之：数据并行上篇(DP, DDP与ZeRO)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F617133971) | 2023-03-26 16:03:44 |\n| 25 | [图解大模型训练之：流水线并行（Pipeline Parallelism），以Gpipe为例](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F613196255) | 2023-03-11 18:36:21 |\n| 26 | [ChatGPT技术解析系列之：赋予GPT写代码能力的Codex](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F611313567) | 2023-03-04 17:35:35 |\n| 27 | [ChatGPT技术解析系列之：GPT1、GPT2与GPT3](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F609367098) | 2023-02-25 14:38:57 |\n| 28 | [强化学习解析一：马尔可夫决策过程（MDP）和有模型学习](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F607596944) | 2023-02-19 13:14:39 |\n| 29 | [ChatGPT技术解析系列之：训练框架InstructGPT](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F605516116) | 2023-02-11 21:37:54 |\n| 30 | [BERT学习笔记一：基于论文精读的模型详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F461267517) | 2022-01-24 13:39:19 |\n| 31 | [Transformer学习笔记五：Subword Tokenization（子词分词器）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F460678461) | 2022-01-22 15:33:26 |\n| 32 | [Hadoop学习笔记：图解HDFS文件系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F459921566) | 2022-01-20 16:40:45 |\n| 33 | [Transformer学习笔记四：ResNet（残差网络）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F459065530) | 2022-01-18 18:26:57 |\n| 34 | [Transformer学习笔记三：为什么Transformer要用LayerNorm\u002FBatch Normalization & Layer Normalization （批量&层标准化)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F456863215) | 2022-01-13 15:56:47 |\n| 35 | [Transformer学习笔记二：Self-Attention（自注意力机制）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F455399791) | 2022-01-10 13:05:46 |\n| 36 | [Transformer学习笔记一：Positional Encoding（位置编码）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F454482273) | 2022-01-07 17:18:25 |\n\n\n## 李沐\n> 介绍： https:\u002F\u002Fgithub.com\u002Fmli。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [用随机梯度下降来优化人生](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F414009313) | 2021-09-26 06:16:37 |\n| 2 | [斯坦福2021秋季新课：实用机器学习](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F404855524) | 2021-08-30 00:45:20 |\n| 3 | [动手学深度学习PyTorch篇直播总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F402887215) | 2021-08-26 09:00:01 |\n| 4 | [工作五年反思](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F374777591) | 2021-05-24 13:41:29 |\n| 5 | [动手学深度学习 v2 开课了！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F357112515) | 2021-03-15 06:41:27 |\n| 6 | [《动手学深度学习》中文第二版预览版发布](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F355739259) | 2021-03-09 14:24:09 |\n| 7 | [《动手学深度学习》新增TensorFlow实现](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F157675926) | 2020-07-08 05:28:01 |\n| 8 | [《动手学深度学习》新增PyTorch实现](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F145719622) | 2020-06-05 00:53:44 |\n| 9 | [在伯克利教深度学习](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F66062438) | 2019-05-17 08:18:50 |\n| 10 | [GluonCV v0.4：更多更快](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F61156104) | 2019-04-02 13:36:12 |\n| 11 | [GluonNLP v0.6: 让可复现的 BERT 模型走到你身边](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F59809338) | 2019-03-20 12:03:47 |\n| 12 | [《动手学深度学习》英文预览版以及伯克利新课程](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F51116055) | 2018-11-29 09:20:52 |\n| 13 | [GluonNLP 0.3.3 新功能及重现报告](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F41435589) | 2018-08-07 07:30:17 |\n| 14 | [跨卡同步 Batch Normalization](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F40496177) | 2018-07-25 06:12:42 |\n| 15 | [GluonCV 0.2 — 计算机视觉工具包第二版](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F38509951) | 2018-06-26 13:41:33 |\n| 16 | [GluonNLP — 自然语言处理的深度学习工具包](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F36708892) | 2018-05-11 08:20:06 |\n| 17 | [MXBoard — 助力 MXNet 数据可视化](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F36277324) | 2018-04-30 12:49:24 |\n| 18 | [GluonCV — 计算机视觉的深度学习工具包](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F36126793) | 2018-04-26 08:10:13 |\n| 19 | [十分钟从 PyTorch 转 MXNet](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F35237659) | 2018-04-03 07:47:56 |\n| 20 | [第十七课：GloVe、fastText和使用预训练的词向量](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F33304205) | 2018-01-26 03:12:55 |\n| 21 | [第十六课：词向量（word2vec）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F33118069) | 2018-01-20 08:43:21 |\n| 22 | [第十四课：实现、训练和应用循环神经网络](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F32606878) | 2018-01-04 03:47:31 |\n| 23 | [第十三课：正向传播、反向传播和通过时间反向传播](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F32273645) | 2017-12-23 03:25:48 |\n| 24 | [第七课：物体检测](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F30692841) | 2017-11-03 03:30:35 |\n| 25 | [第六课：优化算法高级和计算机视觉](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F30456594) | 2017-10-26 07:22:25 |\n| 26 | [第五课：Gluon高级和优化算法基础](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F30298112) | 2017-10-20 13:42:29 |\n| 27 | [第四课：BatchNorm，更深的卷积神经网络，Hybridize和新的Kaggle练习](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F30040209) | 2017-10-12 06:47:57 |\n| 28 | [第三课：深度卷积网络，如何使用Gluon，以及核武器购买指南](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F29573306) | 2017-09-22 14:12:08 |\n| 29 | [第二课：过拟合、多层感知机、GPU和卷积神经网络](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F29329395) | 2017-09-14 12:01:07 |\n| 30 | [第一课：从上手到多类分类](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F29125290) | 2017-09-07 08:04:59 |\n| 31 | [机器学习简介](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F29100405) | 2017-09-06 11:32:05 |\n| 32 | [一起动手学习深度学习](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F29029832) | 2017-09-04 10:00:00 |\n\n\n## 策略产品Arthur\n\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [商业化策略产品基础必知策略之品牌广告策略综述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F688183937) | 2024-03-21 09:37:35 |\n| 2 | [论持久战——策略产品与算法\u002F运营\u002F研发合作方法论与岗位核心壁垒建立](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684272408) | 2024-02-27 23:24:47 |\n| 3 | [商业化策略产品必读系列之穿山甲RTA策略（Real Time API）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F681257847) | 2024-02-03 17:27:58 |\n| 4 | [推荐策略产品必读系列文章之如何构建推荐系统的优化目标](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F678217663) | 2024-01-17 00:13:50 |\n| 5 | [策略产品项目案例——美团推荐系统\"动态交互\"策略分析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F664628857) | 2023-11-02 09:35:35 |\n| 6 | [大厂项目实践案例——美团推荐系统“新颖性”建设思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F655481433) | 2023-09-11 09:35:16 |\n| 7 | [搜广推策略产品训练营第9期招生简章](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F645649804) | 2023-07-24 22:03:04 |\n| 8 | [策略产品经理干货系列之推荐系统离线评估方法与指标介绍](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F641273341) | 2023-07-03 23:07:15 |\n| 9 | [策略产品必知系列之一文详解“特征工程”](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F633491429) | 2023-05-31 00:11:50 |\n| 10 | [一文读懂策略产品必须知道的AB&AA实验全流程](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F626798393) | 2023-05-04 22:01:53 |\n| 11 | [广告策略产品大厂产品案例解析之小红书创意优选策略](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F624687123) | 2023-04-25 09:56:48 |\n| 12 | [广告机制策略产品案例解析之小红书广告平台智能创意生成策略](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F622450057) | 2023-04-17 09:33:24 |\n| 13 | [搜广推策略产品必知系列之黑盒“智能定向”策略](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F620621022) | 2023-04-09 23:39:06 |\n| 14 | [搜广推策略产品之灰盒“look alike”种子人群扩展策略（下篇）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F619228278) | 2023-04-03 22:51:32 |\n| 15 | [搜广推策略产品之灰盒“look alike”种子人群扩展策略（上篇）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F617504855) | 2023-03-27 22:57:13 |\n| 16 | [搜广推策略产品课堂之广告定向策略综述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F615192819) | 2023-03-19 12:28:56 |\n| 17 | [广告机制策略产品解析之小红书跨渠道全站投放策略（下篇）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F613717325) | 2023-03-13 22:13:33 |\n| 18 | [广告机制策略产品解析之小红书跨渠道全站投放策略（上篇）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F611583542) | 2023-03-05 23:54:40 |\n| 19 | [阿里京东流量端体验策略之“相似图\u002F相同类目”打散过滤策略](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F609999707) | 2023-02-28 08:59:39 |\n| 20 | [阿里京东流量端体验策略之“负反馈”过滤豁免策略](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F607722148) | 2023-02-19 23:24:20 |\n| 21 | [阿里京东电商推荐系统流量端体验策略——已购买过滤策略](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F606143799) | 2023-02-14 10:01:24 |\n| 22 | [阿里京东大厂策略产品案例分享之创意优选策略](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F604108452) | 2023-02-07 10:04:14 |\n| 23 | [阿里京东创意案例与思考分享之智能创意生成策略](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F603004332) | 2023-02-02 23:04:00 |\n| 24 | [商业化广告策略产品干货课堂第10课之广告创意策略百科全景](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F602704950) | 2023-02-01 23:39:43 |\n| 25 | [搜广推策略产品干货课堂第9课之新用户冷启动策略](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F602148295) | 2023-01-31 11:17:20 |\n| 26 | [搜广推策略产品干货课堂第8课之新品Item冷启动策略](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F601217652) | 2023-01-27 16:04:01 |\n| 27 | [搜广推策略产品干货课堂第7课之广告投放平台DSP设计思考理念](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F600238610) | 2023-01-20 15:45:33 |\n| 28 | [搜广推策略产品干货课堂第6课之自然搜推与广告搜推的对立统一](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F597258436) | 2023-01-07 11:45:25 |\n| 29 | [搜广推策略产品干货课堂第5课之广告出价策略之源“四点三率两控制一加强”](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F597251917) | 2023-01-07 11:19:49 |\n| 30 | [搜广推策略产品第4课之推荐系统召回那些事儿](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F581337857) | 2022-11-07 23:41:36 |\n\n\n## Keep Learning\n\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [CTR之Session行为序列建模用户兴趣：DSIN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F688338754) | 2024-03-21 21:11:32 |\n| 2 | [CTR之行为序列建模用户兴趣：DIEN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F685855305) | 2024-03-07 21:56:54 |\n| 3 | [CTR之行为序列建模用户兴趣：DIN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F679852484) | 2024-01-25 21:51:37 |\n| 4 | [如何实现TensorFlow自定义算子？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F672088843) | 2023-12-13 21:20:51 |\n| 5 | [Embedding压缩之基于二进制码的Hash Embedding](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F670802301) | 2023-12-06 22:01:13 |\n| 6 | [Embedding压缩之hash embedding](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F669320977) | 2023-11-28 21:17:42 |\n| 7 | [CTR特征建模：ContextNet & MaskNet(Twitter在用的排序模型)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F660375034) | 2023-10-09 21:34:26 |\n| 8 | [AI绘画Stable Diffusion原理之扩散模型DDPM](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F655877536) | 2023-09-12 20:47:16 |\n| 9 | [AI绘画Stable Diffusion原理之Autoencoder-Latent](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F645939505) | 2023-07-26 20:26:38 |\n| 10 | [CTR预估之Wide&Deep系列(下):NFM\u002FxDeepFM](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F634584585) | 2023-06-04 17:21:54 |\n| 11 | [CTR预估之Wide&Deep系列模型:DeepFM\u002FDCN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F631668163) | 2023-05-23 21:54:19 |\n| 12 | [CTR预估之DNN系列模型:FNN\u002FPNN\u002FDeepCrossing](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F623567076) | 2023-04-20 22:04:08 |\n| 13 | [CTR预估之FMs系列:FM\u002FFFM\u002FFwFM\u002FFEFM](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F613030015) | 2023-03-10 22:50:59 |\n| 14 | [引入对偶增强向量的双塔召回模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F608636233) | 2023-02-22 22:10:51 |\n| 15 | [ctr特征重要性建模：FiBiNet&FiBiNet++模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F603262632) | 2023-02-03 19:36:02 |\n| 16 | [BERT模型系列大全解读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F598095233) | 2023-01-10 21:49:55 |\n| 17 | [分类模型-类别不均衡问题之loss设计](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F582312784) | 2022-11-10 20:50:39 |\n| 18 | [多兴趣推荐召回模型：ComiRec](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F568781562) | 2022-09-27 20:44:02 |\n| 19 | [CTR模型训练提速(超大batch size)：CowClip](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F557451365) | 2022-08-24 20:43:51 |\n| 20 | [炼丹系列2: Stochastic Weight Averaging (SWA) & Exponential Moving Average(EMA)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F554955968) | 2022-08-17 22:12:35 |\n| 21 | [炼丹系列1: 分层学习率&梯度累积](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F553277132) | 2022-08-13 09:18:50 |\n| 22 | [BERT句向量(1)：Sentence-BERT](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F504983847) | 2022-04-25 21:54:28 |\n| 23 | [TensorRT&Triton学习笔记(一)：triton和模型部署+client](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F482170985) | 2022-03-16 21:17:57 |\n| 24 | [多兴趣推荐召回模型：MIND](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F463064543) | 2022-01-29 22:07:32 |\n| 25 | [多任务学习MTL模型：多目标Loss优化策略](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F456089764) | 2022-01-11 21:48:36 |\n| 26 | [多任务学习MTL模型：MMoE、PLE](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F425209494) | 2021-10-24 19:54:06 |\n| 27 | [深入浅出地理解Youtube DNN推荐模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F405907646) | 2021-09-01 21:40:21 |\n| 28 | [强大的向量数据库：Milvus](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F405186060) | 2021-08-30 22:12:52 |\n| 29 | [推荐系统的向量检索工具: Annoy & Faiss](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F402823379) | 2021-08-23 21:43:03 |\n\n\n## 何枝\n> 介绍： 欣赏每一个用逻辑阐述观点的人，不喜欢无论据的情绪输出。,笑一个吧，功成名就不是目的。。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [【RLHF】RL 究竟是如何与 LLM 做结合的？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F675329917) | 2023-12-31 16:52:21 |\n| 2 | [小红书 - 招募 RLHF 算法工程师](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F673454031) | 2023-12-21 15:09:33 |\n| 3 | [【RLHF】BON 更好还是 RL 更好？如何快速为当前任务选择更适合的方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F669308118) | 2023-11-29 15:48:02 |\n| 4 | [【RLHF】怎样让 PPO 训练更稳定？早期人类征服 RLHF 的驯化经验](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F666455333) | 2023-11-13 15:03:41 |\n| 5 | [Llama 2 中使用 RLHF 的一些细节：margin r、reject sampling 和 PPO](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F660058778) | 2023-10-08 16:15:04 |\n| 6 | [【LLM幻觉实验】大模型知道自己“不知道”哪些知识吗？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F655152338) | 2023-09-08 20:23:42 |\n| 7 | [如何更好地继续预训练（Continue PreTraining）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F654463331) | 2023-09-05 19:01:19 |\n| 8 | [【LLMs MBTI】ChatGPT 是 ENTJ，GPT4 竟是 INTJ？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F644878306) | 2023-07-30 17:17:52 |\n| 9 | [【Falcon Paper】我们是靠洗数据洗败 LLaMA 的！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F637996787) | 2023-06-18 23:45:11 |\n| 10 | [【LLM】从零开始训练大模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F636270877) | 2023-06-11 19:58:00 |\n| 11 | [【LLM 加速技巧】Muti Query Attention 和 Attention with Linear Bias（附源码）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F634236135) | 2023-06-03 23:00:04 |\n| 12 | [如何用 LangChain 实现一个 Zero Shot 智能决策器（附源码）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F627333499) | 2023-05-06 20:04:27 |\n| 13 | [ChatGPT表现不好？很有可能是你的prompt没有写好](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F625906860) | 2023-04-30 01:40:27 |\n| 14 | [【Instruction Tuning】ChatGLM 微调实战（附源码）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F625468667) | 2023-04-27 21:26:40 |\n| 15 | [让ChatGPT生成训练ChatGPT的训练数据](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F618334308) | 2023-03-30 22:09:17 |\n| 16 | [LLM（Large Language Model）下的自然语言处理任务（附源码）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F615305245) | 2023-03-19 23:01:53 |\n| 17 | [【RLHF】想训练ChatGPT？先来看看强化学习（RL）+语言模型（LM）吧（附源码）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F606328992) | 2023-02-14 19:35:42 |\n| 18 | [【SimCSE】没有标注数据也能训练文本匹配模型（附源码）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F599230890) | 2023-01-16 17:35:17 |\n| 19 | [【RLHF】想训练ChatGPT？得先弄明白Reward Model怎么训（附源码）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F595579042) | 2022-12-31 00:33:16 |\n| 20 | [【信息抽取】UIE——基于prompt的信息抽取模型（附源码）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F589054073) | 2022-12-04 15:49:22 |\n| 21 | [身边有一个学霸是怎样的体验？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F585806610) | 2022-11-23 21:56:01 |\n| 22 | [【文本匹配】Text Matching中的单塔方法和双塔方法（附源码）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F585533302) | 2022-11-22 12:03:23 |\n| 23 | [【P-Tuning】 一种自动学习 prompt pattern 的方法（附源码）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F583022692) | 2022-11-13 23:59:57 |\n| 24 | [【Entity Linking】女朋友想买苹果，我是应该买一部还是买一斤？试试DeepType吧！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F570532369) | 2022-10-04 21:57:00 |\n| 25 | [不想标数据了？试试Neural Snowball吧，不仅Few-Shot还能挖掘New Relation！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F569482997) | 2022-09-30 00:01:11 |\n| 26 | [如何利用AI训练一个旋转验证码模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F519065980) | 2022-05-24 12:52:41 |\n| 27 | [长文本分类——如何解决BERT输入大于512的问题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F504204038) | 2022-04-24 20:04:44 |\n| 28 | [基于BERT的几种改进模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F444588460) | 2021-12-13 11:41:16 |\n| 29 | [PaddleNLP实战——信息抽取（InfoExtraction）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F441912237) | 2021-12-06 17:33:50 |\n\n\n## 潘润琦\n> 介绍： 一只菜鸡 木有学上,\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [微软研究院科学智能中心MSR AI4Science诚招机器学习研究员](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F673227627) | 2023-12-20 13:05:36 |\n| 2 | [微软中国开放大量社招名额！不容错过！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F673227016) | 2023-12-20 12:52:01 |\n| 3 | [告别996的最好机会！微软中国开放大量社招名额](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F672149442) | 2023-12-14 10:12:49 |\n| 4 | [MSRA上海 & MIIC招聘研究开发型实习生](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F665079618) | 2023-11-04 18:43:53 |\n| 5 | [0基础无ODE理解OpenAI最新图像生成模型Consistency Model](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F634357813) | 2023-06-03 22:40:01 |\n| 6 | [微软亚洲研究院（上海）招聘 大语言模型与多模态预训练 实习生](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F612017544) | 2023-03-07 14:41:09 |\n| 7 | [ICLR 2023 上的图神经网络好文](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F605890295) | 2023-02-13 15:56:03 |\n| 8 | [ChatGPT为何这么牛？Google DeepMind OpenAI多篇顶会揭示大模型的超能力](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F600517499) | 2023-01-23 14:47:36 |\n| 9 | [NeurIPS 2022 上的图神经网络好文](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F580257040) | 2022-11-04 13:28:17 |\n| 10 | [MSRA Shanghai Lab招聘AI实习生（长期有效）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F574470345) | 2022-10-17 19:22:10 |\n| 11 | [陶哲轩教你学物理Lec3.2 Leray-Hopf weak solutions](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F569668047) | 2022-10-02 22:20:50 |\n| 12 | [平均场论中的集中不等式简介](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F556029079) | 2022-08-21 21:47:17 |\n| 13 | [机器学习中的统计物理方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F554007551) | 2022-08-18 22:44:23 |\n| 14 | [2022年了，你还在魔改loss做domain generalization吗？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F545541978) | 2022-07-25 15:37:44 |\n| 15 | [[读书笔记] 大模型不是通往智能的路！马毅曹颖沈向阳揭示AI基本原理与大一统模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F543041107) | 2022-07-20 16:50:59 |\n| 16 | [陶哲轩教你学物理Lec 3.1 Weak Solution](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F537964814) | 2022-07-09 18:07:40 |\n| 17 | [ICML 2022 上的图神经网络好文](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F523863957) | 2022-06-03 11:48:04 |\n| 18 | [[KDD20高引用论文] Connecting the dots: 开启GNN多变量时间序列预测新潮流](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F496018565) | 2022-04-10 16:07:25 |\n| 19 | [ICLR 2022 上的图神经网络好文](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F464093894) | 2022-02-05 14:52:58 |\n| 20 | [NeurIPS 2021 上的图神经网络好文](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F428156929) | 2021-11-01 17:17:20 |\n| 21 | [屠榜的Graphormer到底有多强大？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F419831967) | 2021-10-10 18:50:36 |\n| 22 | [如何科学地理解无穷宽神经网络？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F392437305) | 2021-07-23 21:07:16 |\n| 23 | [Graph-MLP: 用MLP与优化优雅地超越GNN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F385848111) | 2021-07-02 13:41:46 |\n| 24 | [ICML 2021 上的图神经网络好文](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F378224486) | 2021-06-05 22:23:19 |\n| 25 | [ICLR 2021 上的图神经网络好文](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F348515128) | 2021-02-01 15:13:25 |\n| 26 | [NeurIPS2020上图神经网络好文](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F334383918) | 2020-12-09 14:00:21 |\n| 27 | [ICML2020上图神经网络好文](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F166091092) | 2020-08-02 12:14:36 |\n| 28 | [GNN与传统算法不得不说的二三事(0)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F152320380) | 2020-07-01 13:03:14 |\n| 29 | [ICLR 2020 上的图神经网络好文](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F137763936) | 2020-05-02 17:16:51 |\n\n\n## 衣介书生\n> 介绍： 打工人，公众号：后厂村搬砖工，欢迎关注,#打工人 #互联网 #推荐算法。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [推荐系统（二十五）序列建模思路梳理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F611452357) | 2023-03-05 12:02:02 |\n| 2 | [推荐系统（二十四）FM召回思路梳理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F611367394) | 2023-03-04 22:07:04 |\n| 3 | [推荐系统（二十三）双塔模型优化思路梳理（一）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F607358554) | 2023-02-18 11:40:14 |\n| 4 | [推荐系统（二十二）AutoInt模型小结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F607351085) | 2023-02-18 09:32:38 |\n| 5 | [推荐系统（二十一）Facebook EBR模型小结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F601690102) | 2023-01-29 16:29:03 |\n| 6 | [推荐系统（二十）阿里DMR模型小结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F597534511) | 2023-01-08 20:51:24 |\n| 7 | [推荐系统（十九）京东DMT模型小结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F597532829) | 2023-01-08 20:18:01 |\n| 8 | [推荐系统（十八）阿里ETA算法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F597531444) | 2023-01-08 20:05:52 |\n| 9 | [推荐系统（十七）阿里SIM算法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F597528000) | 2023-01-08 19:59:42 |\n| 10 | [推荐系统（十六）GraphSAGE算法原理小结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F558643399) | 2022-08-28 10:01:57 |\n| 11 | [推荐系统（十五）蚂蚁SRGA学习笔记](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F553271316) | 2022-08-14 19:05:19 |\n| 12 | [推荐系统（十四）DSIN学习笔记](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F503451526) | 2022-04-23 08:59:25 |\n| 13 | [推荐系统（十三）阿里重排序算法：Personalized Re-ranking for Recommendation](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F495765818) | 2022-04-09 17:35:12 |\n| 14 | [推荐系统（十二）微信DFN模型学习笔记](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F487855984) | 2022-03-26 10:18:29 |\n| 15 | [推荐系统（十一）阿里EGES算法学习笔记](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F483559425) | 2022-03-19 09:16:10 |\n| 16 | [推荐系统（十）Google Wide&Deep模型学习笔记](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F480859587) | 2022-03-14 17:43:27 |\n| 17 | [推荐系统（八）腾讯多任务学习模型PLE](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F473828307) | 2022-02-28 21:18:55 |\n| 18 | [推荐系统（七）京东DRM论文学习笔记](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F473012563) | 2022-02-26 23:38:46 |\n| 19 | [推荐系统（六）MIND算法学习笔记](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F466543697) | 2022-02-12 12:51:07 |\n| 20 | [推荐系统（五）DCN学习笔记](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F465129260) | 2022-02-08 23:38:00 |\n| 21 | [推荐系统（四）谷歌双塔召回模型学习笔记](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F464416095) | 2022-02-06 23:55:56 |\n| 22 | [推荐系统（三）DIEN算法学习笔记](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F463652456) | 2022-02-02 19:10:32 |\n| 23 | [深度学习（四）GRU学习笔记](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F463521382) | 2022-02-01 20:52:52 |\n| 24 | [深度学习（三）LSTM学习笔记](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F463363474) | 2022-01-31 17:11:27 |\n| 25 | [推荐系统（二）FM算法学习笔记](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F463247960) | 2022-01-30 21:46:12 |\n| 26 | [推荐系统（一）DIN论文学习笔记](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F462998394) | 2022-01-29 16:46:53 |\n| 27 | [深度学习（二）DeepWalk算法原理小结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F378110734) | 2022-01-28 15:12:45 |\n| 28 | [深度学习（一）循环神经网络：BPTT算法、梯度消失、梯度爆炸](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F156932219) | 2020-07-06 19:05:41 |\n\n\n## 姚凯飞\n> 介绍： 喜欢数学的算法工程师,码农，欢迎关注我的微信公众号: data_algorithm。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [活动推荐｜上海交通大学品牌出海&跨境电商研修班第01期](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F690426016) | 2024-04-02 18:17:56 |\n| 2 | [拼多多系列vol.4:Temu与跨境仓配的蛋鸡问题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F676129482) | 2024-01-04 22:41:52 |\n| 3 | [拼多多系列vol.3:多多买菜的奇袭与青年近卫军的崛起](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F673153830) | 2023-12-19 23:41:22 |\n| 4 | [拼多多系列vol.2：拼多多的内部管理飞轮是怎么运转的？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F672879355) | 2023-12-18 21:33:54 |\n| 5 | [拼多多系列vol.1：百亿补贴的台前幕后](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F669960690) | 2023-12-01 23:33:59 |\n| 6 | [【彼岸花开】Vol.5-从TikTok Shop印尼封禁事件，看东南亚市场的变化与机遇](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F669341223) | 2023-11-28 23:25:28 |\n| 7 | [拼多多的认知盘点一：差异化竞争](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F665609115) | 2023-11-07 23:21:05 |\n| 8 | [黄峥公众号全文](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F646159782) | 2023-07-26 23:06:57 |\n| 9 | [【岗位】国际化Saas产品经理实习生](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F636830532) | 2023-06-13 18:04:51 |\n| 10 | [亚马逊体系解构-优化逻辑](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F578867670) | 2022-10-31 08:19:25 |\n| 11 | [数据挖掘算法工程师-地点杭州](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F578867120) | 2022-10-31 08:14:00 |\n| 12 | [企服思考(2)-SaaS入行的一点记录](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F559214803) | 2022-08-29 21:54:14 |\n| 13 | [算法 + 数据改变电商世界综述(三)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F63016139) | 2022-05-24 08:47:17 |\n| 14 | [算法 + 数据改变电商世界综述(二)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F63016035) | 2022-05-23 08:34:43 |\n| 15 | [算法 + 数据改变电商世界综述(一)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F63014735) | 2022-05-20 08:54:07 |\n| 16 | [推荐系统解构](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F342996680) | 2021-01-09 11:00:24 |\n| 17 | [【五.推荐青铜时代-3】召回模块概述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F56830685) | 2019-06-29 15:01:01 |\n| 18 | [【五.推荐青铜时代-2】冲突与协调](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F56830337) | 2019-04-24 22:06:50 |\n| 19 | [【五.推荐青铜时代-1】关联与个性化](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F56829949) | 2019-04-22 22:10:47 |\n| 20 | [【四.推荐石器时代-2】马太效应及相关这一时期策略](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F56829593) | 2019-04-21 16:44:04 |\n| 21 | [【四.推荐石器时代-1】前推荐时代](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F56829298) | 2019-04-20 17:06:05 |\n| 22 | [【三.推荐系统的必备要素-2】ABtest框架](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F59302409) | 2019-03-14 23:06:22 |\n| 23 | [【三.推荐系统的必备要素-1】数据](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F57772757) | 2019-02-26 22:15:52 |\n| 24 | [【二.推荐系统评价】什么是好的推荐系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F57469869) | 2019-02-23 10:52:50 |\n| 25 | [【一.概述-2】什么样的产品推荐效果明显](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F57349319) | 2019-02-21 22:18:13 |\n| 26 | [【一.概述-1】推荐系统简介](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F56784134) | 2019-02-16 19:02:29 |\n| 27 | [【零.前言】](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F56889793) | 2019-02-16 18:13:33 |\n\n\n## JioNLP团队\n> 介绍： 开源JioNLP千星作者，公众号JioNLP，数据分析,jionlp团队，微信公众号：JioNLP，开源软件 JioNLP 同名在Github。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [傻X的 AI 公司太多，我只看好月之暗面](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F685266355) | 2024-03-04 22:12:37 |\n| 2 | [为什么 OpenAI 能够制作出 GPT 和 Sora？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F682755956) | 2024-02-19 09:53:32 |\n| 3 | [《西游记》本就是一场大型真人秀](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F681979928) | 2024-02-09 21:45:02 |\n| 4 | [计算机视觉算法，难以落地无人机航拍应用，why？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F681694142) | 2024-02-06 19:57:51 |\n| 5 | [从00后整顿职场看2023年出生人口数](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F678406339) | 2024-01-17 22:04:13 |\n| 6 | [花了三周，我又更新了一版开源软件 ffio](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F678141936) | 2024-01-16 16:33:52 |\n| 7 | [JioNLP 的 2023 年终总结，再立新一年的 flag](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F675313722) | 2023-12-30 12:17:33 |\n| 8 | [给大模型LLM评测画一个句号](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F671636095) | 2023-12-11 18:01:55 |\n| 9 | [如何优雅地自动评测 LLM 模型质量](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F666001842) | 2023-11-09 19:03:40 |\n| 10 | [简单预测一下2023年出生人口：847万](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F661352837) | 2023-10-14 23:06:49 |\n| 11 | [GPT4 图像理解能力体验](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F659881445) | 2023-10-07 13:57:04 |\n| 12 | [花了两周，我又整了个开源软件 pyFFmpeg](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F657414446) | 2023-09-20 16:46:42 |\n| 13 | [炮打学而思的 MathGPT](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F653363072) | 2023-08-30 20:08:02 |\n| 14 | [上帝在嘲笑 CEC-IDE](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F652569225) | 2023-08-26 23:28:16 |\n| 15 | [大语言模型LLM可以解决数学问题吗？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F649011394) | 2023-08-09 17:28:59 |\n| 16 | [裁员潮下，我拒绝了120万年薪的Offer](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F644478847) | 2023-07-19 10:15:58 |\n| 17 | [出一份试题，评测国内各种对标 ChatGPT 的大语言模型（二）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F631532268) | 2023-05-23 14:13:54 |\n| 18 | [出一份试题，评测国内各种对标 ChatGPT 的大语言模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F626786797) | 2023-05-04 20:56:11 |\n| 19 | [评价一下国内的类ChatGPT产品](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F617874265) | 2023-03-29 11:03:23 |\n| 20 | [ChatGPT、人口出生率与经济危机](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F609959260) | 2023-02-27 22:47:50 |\n| 21 | [ChatGPT这么强，会影响NLPer的就业环境吗](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F605673596) | 2023-02-12 16:14:44 |\n| 22 | [避坑一个JIT库numba](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F598260970) | 2023-01-11 15:03:42 |\n| 23 | [未来人工智能畅想——从ChatGPT想到的](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F591210118) | 2022-12-12 14:45:21 |\n| 24 | [一文读懂ChatGPT模型原理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F589621442) | 2022-12-06 14:15:38 |\n| 25 | [JioNLP 数据分享，来看看这里有没有你想要的数据集](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F587630337) | 2022-11-29 10:38:47 |\n\n\n## Ostrich\n> 介绍： 厚积薄发,分享互联网技术和成长经验。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [ChatGPT的朋友们：大语言模型经典论文一次读到吐](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F620360553) | 2023-04-08 15:35:44 |\n| 2 | [电商商品理解：基础概念](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F585122642) | 2022-11-20 17:38:13 |\n| 3 | [电商搜索QP：总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F553378225) | 2022-08-19 10:55:26 |\n| 4 | [电商搜索QP：纠错](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F551999282) | 2022-08-10 11:32:49 |\n| 5 | [电商搜索QP：Tagging](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F532924107) | 2022-06-25 19:22:15 |\n| 6 | [电商搜索QP：中文分词](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F505616542) | 2022-05-01 21:48:12 |\n| 7 | [电商搜索工程：Rank](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F459113475) | 2022-02-07 18:41:03 |\n| 8 | [电商搜索工程：工程架构篇](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F452759774) | 2022-01-03 19:35:52 |\n| 9 | [电商搜索：Query推荐](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F446931870) | 2021-12-19 16:45:40 |\n| 10 | [电商搜索排序：重排](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F441255211) | 2021-12-12 17:35:57 |\n| 11 | [电商搜索排序：精排](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F431806763) | 2021-11-14 20:43:26 |\n| 12 | [电商搜索排序：粗排](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F422164662) | 2021-10-19 22:26:30 |\n| 13 | [因果推断：NLP应用综述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F419734891) | 2021-10-10 21:39:58 |\n| 14 | [搜索排序-番外：简话模型演进（传统方法）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F416003127) | 2021-10-02 23:53:32 |\n| 15 | [电商搜索排序-番外：特征工程](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F411783551) | 2021-09-23 23:21:01 |\n| 16 | [电商搜索排序：向量召回（下）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F402301756) | 2021-08-25 22:59:08 |\n| 17 | [电商搜索排序：向量召回（上）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F397592546) | 2021-08-11 11:57:42 |\n| 18 | [电商搜索排序：召回](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F395626828) | 2021-08-02 23:46:56 |\n| 19 | [电商搜索排序：总述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F393036573) | 2021-07-25 21:01:30 |\n| 20 | [电商搜索：相关性匹配](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F351163627) | 2021-02-18 09:32:05 |\n| 21 | [电商搜索QP：Term Weighting](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F351085094) | 2021-02-17 16:48:06 |\n| 22 | [电商搜索QP：Query改写](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F351084105) | 2021-02-17 16:42:37 |\n| 23 | [电商搜索QP：Query类目预测](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F351083652) | 2021-02-17 16:35:07 |\n\n\n## Young\n> 介绍： 公众号【Young样说】探索前沿有趣的科技AI见闻,- 清华大学本科电子，博士计算机\n- 推荐广告，智能风控，量化交易，AIGC\n- 曾任互联网算法专家（2020阿里星）\n- 个人编著书籍《Pytorch深度学习入门与实战》《Pytorch高级机器学习实战》。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [【2000个红包封面免费领】](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F679533507) | 2024-01-24 13:23:35 |\n| 2 | [Yoshua Bengio，埃隆马斯克联名呼吁：暂停AI研究6个月！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F617900708) | 2023-03-29 12:37:24 |\n| 3 | [PyTorch高级机器学习算法实战](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F611994684) | 2023-03-07 13:30:29 |\n| 4 | [OpenAI推出ChatGPT API，人工智能应用迎来新时代！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F610693928) | 2023-03-02 12:02:18 |\n| 5 | [ChatGPT引爆的智能工具风潮，让你的工作生活更高效](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F610588071) | 2023-03-01 23:43:30 |\n| 6 | [不会写简历怎么办？ChatGPT一键帮你生成专业表达方式！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F608586212) | 2023-02-22 18:46:06 |\n| 7 | [ChatGPT来了，普通人如何抓住风口？50个精选AI工具网站帮你打开思路！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F606312972) | 2023-02-14 18:16:06 |\n| 8 | [AI音频生成模型引爆音乐行业？最新四篇AI音乐生成论文解读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F603210775) | 2023-02-03 16:45:37 |\n| 9 | [Transformer可以读取整个代码库？Jeff Dean团队大规模扩展上下文长度](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F602186372) | 2023-01-31 12:22:15 |\n| 10 | [2022年“神奇”AI论文回顾](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F594120504) | 2022-12-24 23:04:32 |\n| 11 | [对于现在的年轻人而言，小红书的技术类岗位值得去吗？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F565117870) | 2022-09-16 16:59:07 |\n| 12 | [使用AI 生成艺术设计博士论文封面](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F559295513) | 2022-08-30 09:51:52 |\n| 13 | [Paper Highlight：为什么基于树的模型在表格数据上仍然优于深度学习？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F543920555) | 2022-07-20 13:07:58 |\n| 14 | [什么是SSIM？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F541385224) | 2022-07-14 09:53:43 |\n| 15 | [扩展Pytorch：加速MixConv算子（三）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F352451047) | 2021-02-24 21:23:26 |\n| 16 | [扩展Pytorch：利用CUDA实现算子（二）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F350849116) | 2021-02-15 21:47:02 |\n| 17 | [扩展Pytorch：实现自定义算子（一）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F350651297) | 2021-02-13 21:36:25 |\n| 18 | [利用Pytorch实现卷积操作](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F349683405) | 2021-02-06 16:46:00 |\n| 19 | [今日对抗样本一则](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F47924198) | 2018-10-29 13:39:39 |\n| 20 | [Reproducible ECCV 2018 (More)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F44601623) | 2018-09-15 11:41:13 |\n| 21 | [Reproducible ECCV2018 (Oral)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F43489728) | 2018-09-01 11:10:58 |\n| 22 | [今日对抗样本两则](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F35153457) | 2018-03-31 15:04:12 |\n| 23 | [这个世界怎么会有这么多奇怪的羊。。。](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F34188400) | 2018-03-03 11:25:12 |\n\n\n## 冯伟\n> 介绍： 推荐系统,混迹推荐系统的小码农。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [推荐系统的计算资源节省问题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F261055801) | 2020-10-18 06:14:23 |\n| 2 | [推荐系统的去重问题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F264746990) | 2020-10-11 06:31:07 |\n| 3 | [推荐系统的实时性：生产侧](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F261462026) | 2020-10-04 07:35:16 |\n| 4 | [推荐系统的实时性：用户侧](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F228217556) | 2020-09-27 07:54:00 |\n| 5 | [推荐系统的多样性：内容生态视角](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F228198480) | 2020-09-20 09:01:03 |\n| 6 | [推荐系统的多样性：用户视角](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F221725328) | 2020-09-13 08:20:24 |\n| 7 | [推荐系统的公平性：生产侧](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F218903129) | 2020-09-06 07:41:16 |\n| 8 | [推荐系统的公平性：用户侧](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F206175622) | 2020-08-30 07:09:40 |\n| 9 | [码农的自我修养（三）：向上管理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F98623179) | 2019-12-21 14:58:30 |\n| 10 | [码农的自我修养（二）：自我管理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F97457906) | 2019-12-15 15:34:41 |\n| 11 | [码农的自我修养（一）：向下管理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F95972814) | 2019-12-08 15:42:42 |\n| 12 | [强化学习基础篇: 策略迭代 (Policy Iteration)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F34006925) | 2018-02-25 22:45:24 |\n| 13 | [强化学习基础篇: 价值迭代 (Value Iteration)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F33229439) | 2018-02-24 00:06:52 |\n| 14 | [强化学习基础篇：马尔科夫决策过程 (MDP)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F33117537) | 2018-01-20 15:43:53 |\n| 15 | [解析微软云Azure Decision Service](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F32987031) | 2018-01-17 06:56:11 |\n| 16 | [监督学习越来越准，我为什么要写bandit问题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F32502139) | 2018-01-01 11:11:02 |\n| 17 | [Contextual Bandits: Thompson Sampling](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F32429623) | 2017-12-28 23:40:11 |\n| 18 | [Multi-Armed Bandit: Thompson Sampling](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F32410420) | 2017-12-28 10:48:30 |\n| 19 | [Contextual Bandits: LinUCB](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F32382432) | 2017-12-27 16:55:29 |\n| 20 | [Multi-Armed Bandit: UCB (Upper Bound Confidence)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F32356077) | 2017-12-26 15:59:06 |\n| 21 | [Multi-Armed Bandit: epsilon-greedy](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F32335683) | 2017-12-26 11:53:42 |\n| 22 | [开栏：智能决策系列](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F32311522) | 2017-12-25 00:19:14 |\n\n\n## 杨旭东\n\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [C++中为什么在类模板中不能特化成员函数模板？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F672789910) | 2023-12-18 10:35:44 |\n| 2 | [如何做一个“编译器中立”的C++共享库，彻底解决未定义符号的问题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F671522656) | 2023-12-11 10:27:48 |\n| 3 | [推荐系统召回模型负采样](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F658149546) | 2023-09-24 20:58:08 |\n| 4 | [你真正理解推荐系统中的协同过滤算法了吗？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F653379602) | 2023-08-30 21:55:22 |\n| 5 | [有哪些能涨两分的推荐算法模型优化技巧？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F652901586) | 2023-08-28 20:46:59 |\n| 6 | [SimRank++算法原理解析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F652075921) | 2023-08-24 14:38:50 |\n| 7 | [推荐系统中的重排算法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F647143887) | 2023-07-31 22:12:57 |\n| 8 | [EasyRec重磅升级：组件化开发深度学习模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F644910803) | 2023-07-21 00:10:55 |\n| 9 | [谷歌出品深度学习调参指南详细版](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F644360184) | 2023-07-18 17:15:53 |\n| 10 | [多样化个性化推荐算法:推荐多样性建模](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F643900259) | 2023-07-16 16:57:34 |\n| 11 | [搜索推荐广告业务场景下的流量调控算法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F643748885) | 2023-07-15 14:23:03 |\n| 12 | [流量调控PID算法调参指南](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F643275184) | 2023-07-13 11:08:32 |\n| 13 | [模型效果上限预估、分类模型Bad Case分析方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F570316683) | 2022-10-03 12:00:20 |\n| 14 | [机器学习模型交叉验证脚本](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F566044779) | 2022-09-19 17:59:21 |\n| 15 | [全网最浅显易懂的GBDT(xgboost)算法原理深入剖析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F560905141) | 2022-09-03 16:30:47 |\n| 16 | [机器学习模型超参数网格搜索脚本](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F551632284) | 2022-08-09 14:42:46 |\n| 17 | [视觉多模态推荐算法综述：从入门到入门](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F525398305) | 2022-06-07 14:35:02 |\n| 18 | [1天学会开发工业级推荐系统的特征工程：保姆级教程](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F524575369) | 2022-06-05 20:05:43 |\n| 19 | [工业级推荐系统中的特征工程](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F518308463) | 2022-05-22 21:04:19 |\n| 20 | [推荐模型离线评测效果好，线上效果却不佳的原因](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F510067184) | 2022-05-06 11:25:14 |\n| 21 | [推荐算法效果不佳时的检查清单](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F479267766) | 2022-03-11 13:25:02 |\n| 22 | [冷启动推荐模型DropoutNet深度解析与改进](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F475117993) | 2022-03-03 10:55:20 |\n\n\n## iwtbs\n> 介绍： 公众号：推荐广告算法小木屋,推荐算法工程师。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [推荐系统多目标优化专题(2)—融合公式设计思路](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F500237779) | 2022-04-18 11:41:53 |\n| 2 | [推荐系统多目标优化专题(1)——深入理解推荐系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F476753154) | 2022-03-06 23:07:17 |\n| 3 | [双塔召回模型的前世今生（下篇）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F441597009) | 2021-12-07 01:31:08 |\n| 4 | [双塔召回模型的前世今生（上篇）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F430503952) | 2021-11-08 00:55:25 |\n| 5 | [nearline(近线)召回在阿里妈妈的实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F413279632) | 2021-09-23 23:35:46 |\n| 6 | [《Embedding-based Retrieval in Facebook Search》论文精读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F395200364) | 2021-08-01 23:04:16 |\n| 7 | [蒸馏技术在推荐模型中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F386584493) | 2021-07-09 00:49:31 |\n| 8 | [推荐中的多样性与生态建设](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F381545437) | 2021-06-17 20:02:13 |\n| 9 | [推荐系统中的debias算法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F369948358) | 2021-05-17 01:28:56 |\n| 10 | [借Youtube论文，谈谈双塔模型的八大精髓问题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F369152684) | 2021-05-01 00:41:05 |\n| 11 | [推荐中的召回算法—总结串讲](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F364053939) | 2021-04-19 02:33:40 |\n| 12 | [召回模型中的负样本构造](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F358450850) | 2021-03-21 01:05:14 |\n| 13 | [推荐算法中的“多目标学习”](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F356177412) | 2021-03-12 00:22:41 |\n| 14 | [2021春招与暑期实习，一些感悟与建议【字节内推】](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F353885960) | 2021-03-02 00:34:53 |\n| 15 | [推荐场景中一些反直觉的“坑”](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F344831278) | 2021-01-16 22:13:48 |\n| 16 | [业务增长的杀手锏—推荐算法的冷启动](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F343322654) | 2021-01-11 00:58:07 |\n| 17 | [聊聊向量化召回的一些工程经验](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F341452558) | 2021-01-03 00:53:52 |\n| 18 | [推荐系统中的bad case怎么debug](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F339382743) | 2020-12-24 23:51:02 |\n| 19 | [推荐场景中，线上线下指标不一致是为啥](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F336959267) | 2020-12-15 00:49:50 |\n| 20 | [向量召回—近邻快速查找算法总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F336694120) | 2020-12-14 00:21:53 |\n| 21 | [谈谈推荐算法中的‘trade-off’](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F336690969) | 2020-12-13 23:50:27 |\n| 22 | [谈谈我眼中的“推荐算法”](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F336689862) | 2020-12-13 23:46:27 |\n\n\n## 萧瑟\n> 介绍： 王哲，广告\u002F推荐\u002F深度学习\u002FNLP，知乎专栏：炼丹实验室,http:\u002F\u002Ffreecoder.me。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [美团广告最新进展-深度上下文兴趣网络DCIN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F666011148) | 2023-11-13 17:02:59 |\n| 2 | [美团广告平台模型组社招招聘（北京）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F657111474) | 2023-09-19 11:20:21 |\n| 3 | [美团广告平台模型组科研实习生招聘](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F642910175) | 2023-07-11 17:30:27 |\n| 4 | [美团广告平台模型组科研实习生招聘](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F635336504) | 2023-06-07 15:20:04 |\n| 5 | [美团广告平台招聘（校招-北京\u002F上海）求贤若渴](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F622773721) | 2023-04-18 10:43:46 |\n| 6 | [美团广告平台模型组招聘（北京社招）求贤若渴](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F572593886) | 2022-10-11 18:07:48 |\n| 7 | [美团广告平台模型组招聘（校招&社招）求贤若渴](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F550719830) | 2022-08-06 22:54:36 |\n| 8 | [美团广告平台模型组招聘（北京）求贤若渴](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F523722618) | 2022-06-02 20:48:05 |\n| 9 | [阿里广告技术最新突破：全链路联动-面向最终目标的全链路一致性建模](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F413240790) | 2021-09-23 19:29:48 |\n| 10 | [「AI大咖谈」阿里算法专家谈大规模推荐系统粗排层的设计与实现](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F371139372) | 2021-05-10 16:05:08 |\n| 11 | [阿里粗排技术体系与最新进展分享](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F355828527) | 2021-03-09 18:47:19 |\n| 12 | [阿里定向广告最新突破：面向下一代的粗排排序系统COLD](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F186320100) | 2020-08-17 01:07:24 |\n| 13 | [阿里妈妈定向广告RANK团队-社招（北京）求贤若渴](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F81360918) | 2019-09-05 23:12:09 |\n| 14 | [阿里妈妈定向广告RANK团队-社招（北京）求贤若渴](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F81348988) | 2019-09-05 22:58:49 |\n| 15 | [Character-based Joint Segmentation and POS Tagging for Chinese using Bidirectional RNN-CRF](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F26205668) | 2017-04-06 15:20:44 |\n| 16 | [当AI邂逅艺术：机器写诗综述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F25084737) | 2017-02-04 17:50:26 |\n| 17 | [如何获取最新的深度学习资源](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F24887133) | 2017-01-15 11:46:29 |\n| 18 | [Theano调试技巧](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F24857032) | 2017-01-13 01:43:41 |\n| 19 | [深度学习网络调参技巧](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F24720954) | 2017-01-05 00:56:47 |\n| 20 | [深度学习模型使用word2vec向量的方法总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F22018256) | 2016-08-15 12:52:55 |\n| 21 | [深度学习网络调试技巧](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F20792837) | 2016-04-23 13:26:14 |\n| 22 | [深度学习网络训练技巧汇总](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F20767428) | 2016-04-18 15:45:37 |\n\n\n## 风控大鱼\n> 介绍： 互联网风控\u002F风险模型\u002F反洗钱（公众号：风控大鱼）,Nothing worth knowing can be taught.\n有个公众号：【风控大鱼】。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [IPQualityScore (IPQS) 如何判断有没有使用代理？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684367751) | 2024-02-28 14:35:26 |\n| 2 | [设备指纹中所谓的bncode数据到底指啥？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684224409) | 2024-02-27 17:43:27 |\n| 3 | [跨境洗钱手法全面梳理 —— 跨境到底咋洗钱？资金不出境也能洗？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F662351362) | 2023-10-20 13:34:45 |\n| 4 | [盘一盘支付风控系列（3）—— 大数据技术](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F658260889) | 2023-09-25 13:59:56 |\n| 5 | [一年半支付风控工作复盘](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F650796549) | 2023-08-18 13:37:55 |\n| 6 | [简单又好用的社区划分算法 —— Fast Unfolding](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F615195940) | 2023-03-19 12:51:24 |\n| 7 | [盘一盘支付风控系列（2）—— 风险防控技术（万字长文）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F610298653) | 2023-03-02 13:26:36 |\n| 8 | [盘一盘支付风控系列（1）—— 支付风险类型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F609399438) | 2023-02-25 17:28:46 |\n| 9 | [机器学习在反洗钱中的应用（二）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F600092320) | 2023-01-19 17:46:54 |\n| 10 | [机器学习在反洗钱中的应用（一）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F599205090) | 2023-01-15 16:52:05 |\n| 11 | [反洗钱风控工作术语：AML, KYC, SDD, CDD, EDD 分别是什么？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F550238844) | 2022-08-05 19:35:44 |\n| 12 | [反洗钱术语解读系列（1）—— 宣誓书 (Affidavit)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F517496172) | 2022-05-20 17:16:09 |\n| 13 | [三年半大数据风控工作复盘](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F484264668) | 2022-03-20 19:00:35 |\n| 14 | [常用风控评估指标汇总（混淆矩阵\u002F 准确率\u002F精确率\u002F召回率\u002FF1值\u002FAUC\u002FROC\u002FKS\u002FPSI\u002FLift\u002FGain等）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F464719532) | 2022-02-08 11:15:16 |\n| 15 | [商业银行风险监管核心指标](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F391685775) | 2021-07-21 10:49:11 |\n| 16 | [【项目总结】贷前评分卡建模全流程指南](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F358251409) | 2021-03-28 19:49:45 |\n| 17 | [评分卡建模工具scorecardpy全解读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F354550808) | 2021-03-05 11:12:00 |\n| 18 | [大鱼风控笔记 3：量化风控政策的关注点](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F337482775) | 2021-02-20 22:11:07 |\n| 19 | [大鱼风控笔记 2：量化风控体系的实现要求](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F337208470) | 2020-12-16 00:40:37 |\n| 20 | [大鱼风控笔记 1：量化风控体系的风险板块](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F287881172) | 2020-11-12 10:08:54 |\n| 21 | [中小银行二次风控能力建设](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F263548163) | 2020-10-09 16:05:15 |\n\n\n## 一两赘肉无\n> 介绍： 和鲸社区运营，heywhale.com,\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [50题真 • 一文入门TensorFlow2.x](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F111071013) | 2020-03-05 15:44:01 |\n| 2 | [全国人工智能大赛 行人重识别(Person ReID)赛项 季军团队方案分享](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F109920765) | 2020-02-29 13:28:16 |\n| 3 | [全国人工智能大赛 AI+4K HDR赛项 冠军团队方案分享](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F109644595) | 2020-02-28 11:28:01 |\n| 4 | [40题刷爆Keras，人生苦短我选Keras](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F103049619) | 2020-01-16 15:36:14 |\n| 5 | [90题细品吴恩达《机器学习》，感受被刷题支配的恐惧](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F101694240) | 2020-01-08 16:50:15 |\n| 6 | [60题PyTorch简易入门指南，做技术的弄潮儿🌊](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F99318332) | 2019-12-25 13:49:57 |\n| 7 | [50题matplotlib从入门到精通](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F96616339) | 2019-12-10 18:00:13 |\n| 8 | [50道练习带你玩转Pandas](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F94096219) | 2019-11-28 11:37:25 |\n| 9 | [高校大数据挑战赛Rank2教学“新人如何参加一场数据科学类比赛”](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F92962951) | 2019-11-21 15:31:42 |\n| 10 | [比赛方案分享之“莱斯杯”Rank 1](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F90476546) | 2019-11-06 15:03:15 |\n| 11 | [案例分享 \\| 文科生也能看懂的2019高校大数据挑战赛 Rank 2 案例](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F89251321) | 2019-10-30 14:22:59 |\n| 12 | [机器学习教程【2】](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F88284923) | 2019-10-24 14:34:05 |\n| 13 | [机器学习教程【1】](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F87100453) | 2019-10-17 14:05:22 |\n| 14 | [Plotly入门教程](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F85557161) | 2019-10-08 11:07:26 |\n| 15 | [数据处理教程](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F83770495) | 2019-09-24 12:06:13 |\n| 16 | [数据特征分析教程](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F82802361) | 2019-09-17 11:30:07 |\n| 17 | [TED演讲数据集探索之可视化分析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F81800992) | 2019-09-10 10:09:52 |\n| 18 | [如何用K-Lab做机器学习demo？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F80005520) | 2019-08-28 12:37:12 |\n| 19 | [10套练习，教你如何用Pandas做数据分析【6-10】](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F76929640) | 2019-08-15 13:01:32 |\n| 20 | [10套练习，教你如何用Pandas做数据分析【1-5】](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F76905282) | 2019-08-07 10:25:47 |\n| 21 | [100道练习带你玩转Numpy](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F76186124) | 2019-08-01 14:09:24 |\n\n\n## Peter PanXin\n> 介绍： AI 大数据 分布式系统,Colossus, Spanner, IAM, TensorFlow, PaddlePaddle, Recommender System, AI Platform, Mobile AI。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [聊聊LM的故事和近况](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F631065545) | 2023-05-21 21:54:46 |\n| 2 | [巨型AI模型背后的分布式训练技术（二）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F629443563) | 2023-05-15 19:06:57 |\n| 3 | [Diffusion的Noise, TextAlign, Aesthetic, RLHF思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F622018376) | 2023-04-14 19:34:52 |\n| 4 | [语言和视觉生成大模型中数据和模型复杂度的关系](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F617778251) | 2023-03-28 22:10:34 |\n| 5 | [AIGC的可控图像编辑](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F607993527) | 2023-02-20 21:16:27 |\n| 6 | [聊聊Diffusion和AIGC](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F589147010) | 2022-12-04 21:12:46 |\n| 7 | [深度学习的碳排放、算力，以及可持续性辩论](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F571239200) | 2022-10-07 19:05:44 |\n| 8 | [端上AI体验个性化讨论](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F569949482) | 2022-10-01 15:47:03 |\n| 9 | [整理一些生成模型笔记：Pix2Pix, CLIP, Diffusion Model, Dall-E 2](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F527511729) | 2022-06-12 16:57:14 |\n| 10 | [关于联邦学习的调研总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F515001980) | 2022-05-16 11:52:21 |\n| 11 | [聊聊谷歌的超级大模型PaLM: Scaling Language Modeling with Pathways](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F495287288) | 2022-04-09 20:48:39 |\n| 12 | [聊聊Jeff新作PATHWAYS: ASYNCHRONOUS DISTRIBUTED DATAFLOW FOR ML](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F491725895) | 2022-04-01 21:12:31 |\n| 13 | [回顾6年深度学习的算法实践和演进](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F464515049) | 2022-02-07 12:44:09 |\n| 14 | [关于图灵机，人，人工智能能力边界的思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F463437579) | 2022-02-01 09:03:34 |\n| 15 | [自适应AI系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F452143518) | 2021-12-31 17:22:50 |\n| 16 | [巨型AI模型背后的分布式训练技术](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F430383324) | 2021-11-07 10:56:30 |\n| 17 | [推荐广告模型的降本提效：压缩策略](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F421154873) | 2021-10-13 21:08:41 |\n| 18 | [关于基于Foundation Model的推荐系统未来的思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F412996988) | 2021-09-23 10:04:05 |\n| 19 | [从我开发的深度学习框架看深度学习这几年：TensorFlow, PaddlePaddle（飞桨）, 无量](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F363271864) | 2021-04-08 17:00:40 |\n| 20 | [机器学习平台接口设计](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F346321854) | 2021-01-22 20:06:43 |\n\n\n## 归来仍是少年\n> 介绍： 欢迎大家关注公众号《我爱自然语言处理》,做自然语言处理方向，kaggle比赛top1%一共七块奖牌，百度多形态信息抽取top1%，ccks2021因果抽取top11等，完成推荐系统，知识图谱，智能问答系统，信息检索系统，基于elasticsearch的高性能搜索系统，文本语义聚类，中文电子病历信息抽取，疾病风险预警模型，超长文本语义识别等落地项目。。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [GPT4最大的对手出现了，能否保持不败之地呢？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F685523579) | 2024-03-06 10:38:17 |\n| 2 | [GPT4霸主地位终于易主了，OpenAI慌了！！！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F685382278) | 2024-03-05 15:27:58 |\n| 3 | [谷歌deepmind开源Gemma技术报告](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684117352) | 2024-02-27 15:51:57 |\n| 4 | [怎么阻止大模型说瞎话？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F676530275) | 2024-01-09 16:01:23 |\n| 5 | [谁是大模型的显存救星？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F667993454) | 2023-11-22 23:20:40 |\n| 6 | [streaming-llm(无需微调无限扩展大模型输入)论文笔记](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F661059116) | 2023-10-13 11:38:15 |\n| 7 | [【论文笔记】baichuan 2训练报告](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F655576902) | 2023-09-11 19:35:02 |\n| 8 | [大模型中的人工反馈强化学习详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F651780908) | 2023-08-24 11:13:54 |\n| 9 | [开源baichuan 7b聊天大模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F649209664) | 2023-08-14 16:33:11 |\n| 10 | [LLM（大语言模型）部署加速方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F644001250) | 2023-07-21 15:44:03 |\n| 11 | [LLM模型在公司场景中的应用探索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F641734707) | 2023-07-06 22:51:55 |\n| 12 | [开源LLM大模型位置编码探索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F631003833) | 2023-05-22 10:20:56 |\n| 13 | [LLM大模型低资源微调p tuning v2和lora区别](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F622810394) | 2023-04-18 16:16:16 |\n| 14 | [构建开放中文聊天生成模型(训练细节和代码开源)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F619064661) | 2023-04-03 16:41:56 |\n| 15 | [动手训练个中文聊天小模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F615685274) | 2023-03-21 10:55:17 |\n| 16 | [TensorFlow2内存泄漏问题优化](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F611734055) | 2023-03-06 17:21:32 |\n| 17 | [工业界信息抽取之负样本构造](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F604754436) | 2023-02-10 11:32:28 |\n| 18 | [chatgpt横空出世引发的一些思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F600657790) | 2023-01-25 14:56:53 |\n\n\n## Tang AI\n> 介绍： 在机器学习中欲仙欲死,神经病王子，佛系，网瘾少年。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [一文说尽推荐系统的召回模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F585495313) | 2022-12-04 15:43:49 |\n| 2 | [推荐算法的离线评价指标综述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F584923052) | 2022-11-21 00:08:38 |\n| 3 | [优化器综述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F584485233) | 2022-11-19 17:53:46 |\n| 4 | [激活函数综述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F584399939) | 2022-11-17 22:12:39 |\n| 5 | [损失函数综述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F583723835) | 2022-11-16 22:16:17 |\n| 6 | [Bootstrap,Bagging与随机森林,Stacking](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F581626650) | 2022-11-09 23:41:52 |\n| 7 | [提升树-Adaboost，GBDT，XGBoost，LightGBM](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F579139086) | 2022-11-06 22:20:59 |\n| 8 | [决策树-ID3,C4.5,CART](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F578492109) | 2022-10-31 00:24:59 |\n| 9 | [凸优化的掌上明珠-回归问题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F577242897) | 2022-10-29 14:27:07 |\n| 10 | [AI的优化起源-凸优化之美](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F576850434) | 2022-10-24 23:07:01 |\n| 11 | [协同过滤算法系列(Collaborative Filtering,Swing,adamic-adar)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F575642931) | 2022-10-21 23:36:04 |\n| 12 | [推荐算法之abtest实验设计](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F573843031) | 2022-10-15 15:42:06 |\n| 13 | [推荐系统的架构-冷启动-召回-粗排-精排-重排](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F572998087) | 2022-10-14 22:23:34 |\n| 14 | [特征工程之离散特征处理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F571927346) | 2022-10-10 23:20:19 |\n| 15 | [推荐算法的特征工程之连续值特征处理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F571067511) | 2022-10-09 00:47:01 |\n| 16 | [推荐算法的基石-数据](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F569172025) | 2022-10-03 21:24:26 |\n| 17 | [推荐算法在工业界的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F566869488) | 2022-09-27 23:52:59 |\n| 18 | [推荐系统的历史](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F566101084) | 2022-09-20 22:29:43 |\n\n\n## Andy Yang\n> 介绍： 生活、学习、思考和观察世界,自由之精神 独立之思想。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [RealFormer：Real 简单，Real 有效](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F340329943) | 2020-12-29 12:16:50 |\n| 2 | [AdaBelief：一个有“信仰”的优化器](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F339225508) | 2020-12-24 13:19:35 |\n| 3 | [招个NLP算法实习生](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F197377922) | 2020-08-25 10:22:31 |\n| 4 | [PPLM： 四两拨千斤，Uber 可控语言生成框架](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F96092209) | 2019-12-09 10:29:47 |\n| 5 | [EMNLP 最佳论文解读：来自信息瓶颈的新语言学理论](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F91383421) | 2019-11-12 10:30:03 |\n| 6 | [当我们说到机器“理解”到底在说什么？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F90524345) | 2019-11-06 18:29:12 |\n| 7 | [子词技巧：The Tricks of Subword](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F90151246) | 2019-11-05 08:56:01 |\n| 8 | [T5 模型：NLP Text-to-Text 预训练模型超大规模探索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F88438851) | 2019-10-25 11:59:30 |\n| 9 | [BERT 瘦身之路：Distillation，Quantization，Pruning](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F86900556) | 2019-10-16 08:25:27 |\n| 10 | [SemBERT: BERT 的语义知识增强](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F81887324) | 2019-09-09 23:40:52 |\n| 11 | [语言生成：搜索 or 采样，that is the question](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F80211911) | 2019-08-28 20:53:20 |\n| 12 | [神经语言生成的非似然训练](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F78695564) | 2019-08-18 18:54:12 |\n| 13 | [RoBERTa：高级丹药炼制记录](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F76969817) | 2019-08-06 23:27:44 |\n| 14 | [ERNIE 2.0：芝麻街 2.0？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F76125042) | 2019-08-01 08:49:40 |\n| 15 | [SpanBert：对 Bert 预训练的一次深度探索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F75893972) | 2019-07-30 22:01:48 |\n\n\n## 机器学习推荐算法\n\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [WWW2024 \\| GraphPro: 高效融合图预训练和提示微调, 攻克实际动态推荐系统难题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F689119726) | 2024-03-26 15:29:34 |\n| 2 | [PixelRec \\| 大规模短视频封面图像推荐数据集](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F688052950) | 2024-03-20 14:43:02 |\n| 3 | [推荐新范式 \\| 以数据为中心的推荐系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F685921580) | 2024-03-08 10:57:27 |\n| 4 | [LLM-InS: 面向冷启动物品推荐的大语言模型交互模拟器](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684725277) | 2024-03-01 11:24:49 |\n| 5 | [WSDM2024 \\| Adapter4Rec: 系统探究适配器微调对于可迁移推荐的影响](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684389843) | 2024-02-28 15:54:00 |\n| 6 | [WWW2024推荐系统论文整理，包括大模型\u002F跨域\u002F序列\u002F可信推荐等热门主题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F683516906) | 2024-02-23 10:16:36 |\n| 7 | [ICDE2023推荐系统论文整理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F681620265) | 2024-02-06 10:48:52 |\n| 8 | [MicroLens \\| 大规模内容驱动短视频推荐数据集](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F675213913) | 2023-12-29 16:19:06 |\n| 9 | [AAAI2024推荐系统论文集锦, 包含37篇相关论文及部分开源代码](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F673884610) | 2023-12-24 11:50:41 |\n| 10 | [WWW研讨会征稿 \\| 主题: Recommendation With Generative Models](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F671941773) | 2023-12-13 10:05:19 |\n| 11 | [ICLR2024推荐系统投稿论文一览](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F669386030) | 2023-11-29 10:23:00 |\n| 12 | [NeurlPS2023推荐系统论文集锦](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F665852006) | 2023-11-09 09:01:09 |\n\n\n## yanianthe\n> 介绍： 炒股被抄家的前大厂程序员@不掉发就是胜利。,你好呀，交个朋友。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [推荐系统工程(11):主流样本工程方案对比](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F677599349) | 2024-01-13 10:29:53 |\n| 2 | [ChatGPT使用-成为全栈工程师初体验](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F626160408) | 2023-05-01 17:13:52 |\n| 3 | [推荐系统(10):样本拼接工程实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F594275446) | 2022-12-26 11:31:25 |\n| 4 | [推荐系统(9):特征工程实践与方案总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F565762741) | 2022-09-19 18:57:30 |\n| 5 | [推荐系统(8):如何构建序列特征服务](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F509245253) | 2022-05-04 20:18:43 |\n| 6 | [推荐系统(7):特征在线服务设计](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F495784498) | 2022-04-09 18:27:49 |\n| 7 | [推荐系统(6): 特征平台实践与思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F490480311) | 2022-03-30 20:57:57 |\n| 8 | [推荐系统(5):粗排工程实践与思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F474874372) | 2022-03-02 20:38:07 |\n| 9 | [推荐系统(4):万字长文深入浅出向量检索技术](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F462483802) | 2022-01-27 18:49:08 |\n| 10 | [推荐系统(3):倒排索引在召回中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F444514219) | 2021-12-13 19:28:37 |\n| 11 | [推荐系统(2):详解曝光去重实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F438660053) | 2021-11-28 12:49:39 |\n| 12 | [推荐系统(1): 推荐系统架构](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F435872330) | 2021-11-21 14:09:47 |\n\n\n## 王峰\n> 介绍： http:\u002F\u002Fhappynear.wang\u002F。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [特斯拉端到端演示视频分析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684731944) | 2024-03-01 12:45:41 |\n| 2 | [远距离LiDAR感知](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F680707145) | 2024-01-31 23:37:08 |\n| 3 | [LiDAR R-CNN：一种快速、通用的二阶段3D检测器](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F359800738) | 2021-04-02 09:46:58 |\n| 4 | [Label Smoothing分析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F302843504) | 2020-11-20 17:56:00 |\n| 5 | [Cross Entropy Regression](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F160122896) | 2020-07-15 21:56:23 |\n| 6 | [被忽略的Focal Loss变种](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F62314673) | 2019-04-13 17:40:28 |\n| 7 | [margin的自动化设置](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F62229855) | 2019-04-12 18:44:58 |\n| 8 | [Softmax理解之margin](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F52108088) | 2018-12-17 17:33:03 |\n| 9 | [Softmax理解之Smooth程度控制](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F49939159) | 2018-12-11 10:22:14 |\n| 10 | [Softmax理解之二分类与多分类](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F45368976) | 2018-09-26 15:12:44 |\n| 11 | [从最优化的角度看待Softmax损失函数](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F45014864) | 2018-09-25 17:06:05 |\n| 12 | [人脸识别数据集的身份重合问题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F31968327) | 2017-12-13 14:51:12 |\n\n\n## kaiyuan\n\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [跟Twitter学推荐系统：开源代码详细解读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F619706808) | 2023-04-06 10:57:32 |\n| 2 | [五万字综述！Prompt-Tuning：深度解读一种新的微调范式](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F618871247) | 2023-04-02 16:23:31 |\n| 3 | [综述：NLP中的 Human in the Loop](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F605746766) | 2023-02-20 11:37:36 |\n| 4 | [KDD'22 \\| 对比学习+知识蒸馏，Bing搜索广告最新利器！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F553845023) | 2022-09-01 20:40:30 |\n| 5 | [电商搜索全链路（PART II）Query理解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F560335679) | 2022-09-01 20:23:58 |\n| 6 | [从各大顶会看对比学习在句子表征研究进展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F517295002) | 2022-05-29 13:47:38 |\n| 7 | [电商搜索全链路（一）：Overview](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F511231953) | 2022-05-08 20:57:47 |\n| 8 | [YYDS！对比学习还能这么用？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F500188483) | 2022-04-22 11:39:59 |\n| 9 | [预训练新范式！为什么Prompt会更有效？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F458156892) | 2022-01-17 21:03:00 |\n| 10 | [一篇就够！数据增强方法综述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F442423499) | 2021-12-09 19:33:50 |\n| 11 | [继续！从顶会论文看对比学习的应用！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F439258817) | 2021-12-03 13:53:18 |\n| 12 | [从 Sentence-BERT 谈句子表征](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F432254136) | 2021-12-01 17:43:42 |\n\n\n## 北冥有鱼\n> 介绍： zepengzhang.com。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [【CS224W Lecture 17】Scaling Up Graph Neural Networks](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F394434352) | 2021-07-29 20:34:41 |\n| 2 | [【CS224W Lecture 16】Advanced Topics in Graph Neural Networks](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F394371189) | 2021-07-29 17:12:34 |\n| 3 | [【CS224W Lecture 14 & 15】Generative Models for Graphs](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F394102613) | 2021-07-28 21:53:07 |\n| 4 | [【CS224W Lecture 12 & 13】Subgraph Mining and Community Detection](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F393391530) | 2021-07-26 21:41:03 |\n| 5 | [【CS224W Lecture 10 & 11】Reasoning over Knowledge Graphs](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F392264567) | 2021-07-22 22:02:22 |\n| 6 | [【CS224W Lecture 8 & 9】Applications of Graph Neural Networks](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F391835784) | 2021-07-21 16:50:43 |\n| 7 | [【CS224W Lecture 6 & 7】Graph Neural Networks](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F391722998) | 2021-07-21 11:58:12 |\n| 8 | [【CS224W Lecture 5】Message Passing and Node Classification](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F388046224) | 2021-07-09 10:23:02 |\n| 9 | [【CS224W Colab0】Introduction of NetworkX and PyTorch Geometric](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F387703325) | 2021-07-08 10:22:25 |\n| 10 | [【CS224W Lecture 4】Graph as Matrix: Pagerank, Random walks and Embeddings](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F387578067) | 2021-07-07 20:22:06 |\n| 11 | [【CS224W Lecture 3】Node Embeddings](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F386592959) | 2021-07-04 21:58:07 |\n| 12 | [【CS224W Lecture 1 & 2】 图机器学习导论 & 传统图机器学习方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F384238476) | 2021-06-26 17:22:44 |\n\n\n## 九老师\n\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [来新加坡Tiktok一年多了，给各位大佬做个汇报](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F659057592) | 2023-10-02 18:10:01 |\n| 2 | [所谓技术深度](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F563100780) | 2022-09-10 07:04:02 |\n| 3 | [推荐系统-你真的会看AB指标吗](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F558649252) | 2022-08-28 13:41:53 |\n| 4 | [给校招算法同学的几点建议](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F553294462) | 2022-08-13 12:25:58 |\n| 5 | [我在阿里遇到的牛人](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F350525374) | 2021-02-12 14:34:51 |\n| 6 | [基于物品的协同过滤i2i--算法、trick及分布式实现](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F350447698) | 2021-02-12 09:57:15 |\n| 7 | [faiss-on-mr：推荐系统大规模离线向量检索工具](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F345639761) | 2021-01-20 14:30:53 |\n| 8 | [简单题与难题逻辑](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F342167785) | 2021-01-06 07:06:11 |\n| 9 | [2021年推荐系统相关会议投稿日程](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F285263172) | 2020-11-11 12:13:35 |\n| 10 | [互联网管理里面的两个深坑——手表定律与责权不一](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F277364641) | 2020-11-07 08:44:17 |\n| 11 | [Scrapy-Splash爬虫实战——爬取JS渲染的动态页面信息【附货币基金爬取筛选代码】](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F130867872) | 2020-04-17 07:26:52 |\n\n\n## 黑猫白猫cutecat\n\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [阿里京东流量端体验策略之“负反馈”过滤豁免策略](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F608994918) | 2023-02-24 08:39:00 |\n| 2 | [什么是ChatGPT](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F605777863) | 2023-02-13 00:02:03 |\n| 3 | [推荐系统负反馈-DFN 详解 Deep Feedback Network for Recommendation](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F604086364) | 2023-02-07 08:49:24 |\n| 4 | [广告预估：负反馈目标建模](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F602397430) | 2023-01-31 23:33:30 |\n| 5 | [Multi-Task经典模型结构-MMoE](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F415949424) | 2021-10-01 11:15:07 |\n| 6 | [Multi-Task经典模型结构：全空间多任务模型ESMM](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F411897689) | 2021-09-19 10:07:21 |\n| 7 | [推荐算法AutoInt模型：基于multi-head self-attention的特征高阶交叉](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F409503324) | 2021-09-12 11:21:17 |\n| 8 | [微软深度CTR预估模型DeepCrossing：残差网络拟合特征的自动交叉](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F407098004) | 2021-09-05 18:57:09 |\n| 9 | [微软深度CTR预估模型xDeepFM：融合显式和隐式特征交互信息](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F403377718) | 2021-08-26 12:54:34 |\n| 10 | [淘宝推荐算法精排模型BST：Transformer建模用户行为序列](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F403372207) | 2021-08-25 12:02:42 |\n| 11 | [Google深度学习CTR预估模型DCN续集：DCN-v2](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F401904819) | 2021-08-20 18:20:16 |\n\n\n## arXivDaily\n\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [计算机视觉与模式识别学术速递[2022.12.29]](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F595154763) | 2022-12-29 12:11:56 |\n| 2 | [自然语言处理学术速递[2022.12.29]](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F595153971) | 2022-12-29 12:08:04 |\n| 3 | [人工智能学术速递[2022.12.29]](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F595153294) | 2022-12-29 12:04:18 |\n| 4 | [机器学习学术速递[2022.12.29]](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F595152593) | 2022-12-29 12:00:44 |\n| 5 | [语音\\|音频处理学术速递[2022.12.29]](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F595151734) | 2022-12-29 11:57:01 |\n| 6 | [金融\\|经济学术速递[2022.12.29]](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F595150684) | 2022-12-29 11:53:01 |\n| 7 | [机器人相关学术速递[2022.12.29]](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F595149767) | 2022-12-29 11:49:30 |\n| 8 | [统计学学术速递[2022.12.29]](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F595148899) | 2022-12-29 11:45:48 |\n| 9 | [计算机视觉与模式识别学术速递[2022.12.27]](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F594622917) | 2022-12-27 11:40:26 |\n| 10 | [自然语言处理学术速递[2022.12.27]](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F594622028) | 2022-12-27 11:37:13 |\n\n\n## bytecoder\n\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [谈一谈多目标建模](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F582945850) | 2022-11-13 09:24:05 |\n| 2 | [视频搜索精排满意度刻画](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F580627813) | 2022-11-05 11:56:40 |\n| 3 | [做好搜索体验是否只要做好相关性就好了](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F578561141) | 2022-10-29 19:26:32 |\n| 4 | [谈谈搜索语义相关性](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F576929143) | 2022-10-25 08:05:29 |\n| 5 | [谈谈对比学习对语义召回的作用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F574176467) | 2022-10-16 20:39:41 |\n| 6 | [广告算法101](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F573041506) | 2022-10-12 23:49:56 |\n| 7 | [语义召回浅析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F571289786) | 2022-10-07 20:44:50 |\n| 8 | [浅谈综合搜索过程指标](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F571237036) | 2022-10-07 16:47:58 |\n| 9 | [像“蘑菇”那样思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F571235830) | 2022-10-07 16:44:16 |\n| 10 | [新搜索的一点个人思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F571235034) | 2022-10-07 16:41:36 |\n\n\n## PaperWeekly\n> 介绍： 欢迎关注同名微信公众号：PaperWeekly,厚积薄发。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [无需偏好数据也能RLHF？腾讯AI Lab提出对抗式偏好对齐方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F669939433) | 2023-12-01 20:46:52 |\n| 2 | [全奖博士招生 \\| 香港科技大学（广州）李昊昂老师招收计算机视觉方向全奖博士\u002FRA\u002F实习生](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F668566010) | 2023-11-24 12:20:07 |\n| 3 | [COLING 2022 \\| 清华美团提出DABERT：针对匹配任务的双通道注意力增强预训练模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F581837368) | 2022-11-09 14:48:25 |\n| 4 | [扩散模型初探：原理及应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F580095629) | 2022-11-04 12:06:03 |\n| 5 | [复旦大学邱锡鹏组：CNN-NER——极其简单有效的嵌套命名实体识别方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F565824221) | 2022-09-19 10:00:27 |\n| 6 | [TPAMI 2022 \\| 上海交大张拳石组：知识蒸馏为什么有效？因为有老师给你划“重点”](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F564612801) | 2022-09-15 11:27:23 |\n| 7 | [神奇的大学习率：多大才算大，神奇的效用又为何？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F562852096) | 2022-09-09 16:11:04 |\n| 8 | [ECCV 2022 \\| 港中文MMLab：基于Transformer的光流](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F561321345) | 2022-09-05 10:38:27 |\n| 9 | [P-tuning：自动构建模版，释放语言模型潜能](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F364141928) | 2021-04-12 11:52:33 |\n\n\n## 网络人工智能园地\n> 介绍： 华为网络AI平台(NAIE)官方帐号,公众号：网络人工智能园地\n官网：http:\u002F\u002Fwww.hwtelcloud.com\n微信号：NAIE666。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [2020 AIIA杯人工智能5G网络应用大赛KPI异常检测冠军团队方案分享](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F340620958) | 2020-12-30 14:12:37 |\n| 2 | [GDE全球开发者大赛-KPI异常检测优秀奖方案(Excavator)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F333747821) | 2020-12-07 19:05:25 |\n| 3 | [GDE全球开发者大赛-KPI异常检测三等奖方案(复仇者联盟)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F332618691) | 2020-12-06 20:16:46 |\n| 4 | [GDE全球开发者大赛-KPI异常检测二等奖方案(sh)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F329730082) | 2020-12-04 09:04:07 |\n| 5 | [GDE全球开发者大赛-KPI异常检测一等奖方案](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F327728055) | 2020-12-03 09:28:38 |\n| 6 | [第一届无线大数据竞赛：华为赛道-无线网络智能定位赛一等奖获奖心得](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F252434371) | 2020-09-18 11:24:43 |\n| 7 | [2020深圳开放数据应用创新大赛生活垃圾图片分类冠军方案分享](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F165621638) | 2020-07-31 20:39:58 |\n| 8 | [2020海华AI挑战赛·垃圾分类 技术组第一名方案分享](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F146750567) | 2020-06-08 20:01:21 |\n| 9 | [2020海华AI挑战赛·垃圾分类 技术组第三名方案分享](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F145726668) | 2020-06-04 09:01:51 |\n\n\n## 小潄\n\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [如何在工业界优化点击率预估:（一）开篇](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F462090167) | 2022-04-11 00:05:40 |\n| 2 | [如何在工业界优化点击率预估:（二）样本](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F465670474) | 2022-04-11 00:00:39 |\n| 3 | [如何在工业界优化点击率预估:（三）特征](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F485960208) | 2022-04-10 23:59:55 |\n| 4 | [如何在工业界优化点击率预估:（四）兴趣\\|序列建模](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F22479936) | 2022-04-10 23:59:07 |\n| 5 | [如何在工业界优化点击率预估:（五）特征交叉建模](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F489284765) | 2022-04-10 23:58:33 |\n| 6 | [如何在工业界优化点击率预估:（六）多场景建模](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F467252916) | 2022-04-10 23:57:56 |\n| 7 | [如何在工业界优化点击率预估:（七）图建模和预训练](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F491323844) | 2022-04-10 23:57:04 |\n| 8 | [如何在工业界优化点击率预估:（八）Debias&Loss&校准](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F486798320) | 2022-04-10 23:56:18 |\n| 9 | [如何在工业界优化点击率预估:（九）集成学习&模型压缩](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F488441375) | 2022-04-10 22:58:45 |\n\n\n## 阿泽\n> 介绍： 公众号：阿泽的学习笔记,程序员 摄影师 \n爱健身 高颜值 五迷 暖男 厨神 都是假的\n\n学习知识主要是为了愉悦自己的大脑，其次才是让自己生存。。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [【DL】数据规范化：你确定了解我吗？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F151850137) | 2020-06-29 22:28:33 |\n| 2 | [【DL】参数初始化：你真的了解我吗？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F148034113) | 2020-06-13 11:09:06 |\n| 3 | [【Code】关于 GCN，我有三种写法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F139359188) | 2020-05-09 21:43:49 |\n| 4 | [【GNN】万字长文带你入门 GCN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F120311352) | 2020-03-29 17:53:41 |\n| 5 | [【机器学习】决策树（下）——XGBoost、LightGBM（非常详细）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F87885678) | 2019-11-01 20:32:24 |\n| 6 | [【机器学习】决策树（中）——Random Forest、Adaboost、GBDT （非常详细）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F86263786) | 2019-10-20 22:15:28 |\n| 7 | [【机器学习】决策树（上）——ID3、C4.5、CART（非常详细）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F85731206) | 2019-10-09 11:21:37 |\n\n\n## 朱小强\n> 介绍： 技术探险者,正在开启新的旅程。。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [屠龙少年与龙：漫谈深度学习驱动的广告推荐技术发展周期](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F398041971) | 2021-08-09 22:55:57 |\n| 2 | [你真的懂点击率(CTR)建模吗？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F372048174) | 2021-05-13 20:58:53 |\n| 3 | [算力经济时代：阿里展示广告引擎的\"柔性\"变形之路](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F340467381) | 2020-12-30 17:59:02 |\n| 4 | [《深度学习推荐系统》序言电子版](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F137071474) | 2020-04-28 22:23:31 |\n| 5 | [阿里核心广告技术团队-大规模社招](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F136782595) | 2020-04-27 20:28:50 |\n| 6 | [KDD workshop征文：第一届面向高维稀疏数据的深度学习实践国际研讨会](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F61237395) | 2019-04-04 18:24:46 |\n| 7 | [镶嵌在互联网技术上的明珠：漫谈深度学习时代点击率预估技术进展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F54822778) | 2019-01-14 20:23:53 |\n\n\n## Aston Zhang\n> 介绍： 《动手学深度学习》 https:\u002F\u002Fzh.d2l.ai,\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [守得云开见月明——《动手学深度学习（PyTorch版）》终于出版](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F604762606) | 2023-02-09 11:47:48 |\n| 2 | [《动手学深度学习》中文版2.0beta版发布！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F442988686) | 2021-12-09 08:04:57 |\n| 3 | [《动手学深度学习》英文版 Dive into Deep Learning 预览版（v0.7）发布](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F98588319) | 2020-01-09 08:22:17 |\n| 4 | [[更新视频]《动手学深度学习》番外篇：注意力机制概述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F71083285) | 2019-06-27 15:38:56 |\n| 5 | [[第一季完结] 第十九课：应用seq2seq和注意力机制：机器翻译](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F33715814) | 2018-02-09 11:29:13 |\n| 6 | [第十八课：seq2seq（编码器和解码器）和注意力机制](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F33548044) | 2018-02-03 01:57:31 |\n\n\n## 其它\n| 序号 | 佳作 | 作者 | 时间 |\n| --- | --- | --- | --- |\n| 1 | [#PaperCarrier \\| LPD-GCN：具有图上下文感知节点表示的保留局部性密集图卷积网络](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F265696055) | 萌酱还是萌萌子 | 2020-10-14 16:38:00 |\n| 2 | [盘点 \\| AAAI2020中的四篇推荐系统好文](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F263603402) | 萌酱还是萌萌子 | 2020-10-09 18:29:09 |\n| 3 | [围观RecSys2020 \\| 推荐系统顶会说了啥？(附论文下载)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F260174593) | 萌酱还是萌萌子 | 2020-09-28 20:14:54 |\n| 4 | [#PaperCarrier \\| 半监督的迁移协同过滤推荐](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F257404643) | 萌酱还是萌萌子 | 2020-09-21 23:47:20 |\n| 5 | [#PaperCarrier \\| 基于图卷积的价格感知推荐](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F254991783) | 萌酱还是萌萌子 | 2020-09-20 15:42:58 |\n| 6 | [多语言预训练模型调研（持续更新，23-2-19updated）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F607444538) | 王大可 | 2023-02-19 00:47:59 |\n| 7 | [从BERT到23年间的NLP预训练模型（最近2-19更新）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F607533963) | 王大可 | 2023-02-19 00:47:08 |\n| 8 | [知识图谱之同义词近义词query扩展挖掘](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F606715354) | 王大可 | 2023-02-16 01:40:24 |\n| 9 | [知识图谱及图谱构建(持续update 23-02-08)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F604065683) | 王大可 | 2023-02-07 01:31:54 |\n| 10 | [知识图谱及(多模态)实体链接的定义和进展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F603559596) | 王大可 | 2023-02-05 01:48:16 |\n| 11 | [【lightgbm\u002Fxgboost\u002Fnn代码整理四】pytorch做二分类，多分类以及回归任务](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F80381974) | QLMX | 2019-08-29 23:10:19 |\n| 12 | [【lightgbm\u002Fxgboost\u002Fnn代码整理三】keras做二分类，多分类以及回归任务](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F79390766) | QLMX | 2019-08-22 23:36:15 |\n| 13 | [【lightgbm\u002Fxgboost\u002Fnn代码整理二】xgboost做二分类，多分类以及回归任务](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F78777407) | QLMX | 2019-08-19 12:23:06 |\n| 14 | [【lightgbm\u002Fxgboost\u002Fnn代码整理一】lightgbm做二分类，多分类以及回归任务](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F76615507) | QLMX | 2019-08-04 17:34:35 |\n| 15 | [第四届拍拍贷魔镜杯冠军方案分享](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F75199206) | QLMX | 2019-07-25 20:04:36 |\n| 16 | [CornerNet算法解读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F53407590) | 逍遥王可爱 | 2018-12-27 11:06:57 |\n| 17 | [超详细的Yolo检测框预测分析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F49995236) | 逍遥王可爱 | 2018-11-15 22:15:55 |\n| 18 | [RefineDet详细介绍](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F49984865) | 逍遥王可爱 | 2018-11-15 20:35:38 |\n| 19 | [Focal loss论文详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F49981234) | 逍遥王可爱 | 2018-11-15 20:01:51 |\n| 20 | [BAT算法面试该如何准备？简历+Coding+话术指南](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F111948369) | Luke | 2020-03-25 18:35:44 |\n| 21 | [Kaggle TensorFlow 2.0 Question Answering 21名复盘总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F104254984) | Luke | 2020-01-29 12:28:12 |\n| 22 | [深入理解NLP Subword算法：BPE、WordPiece、ULM](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F86965595) | Luke | 2019-10-16 14:30:52 |\n| 23 | [Kaggle首战Top 2%, APTOS 2019复盘总结+机器学习竞赛通用流程归纳](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F81695773) | Luke | 2019-09-08 17:56:13 |\n| 24 | [CIKM2020\\|京东DMT模型：电商推荐系统用多个Transformers 进行多目标学习](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F271039211) | Upper | 2020-11-02 22:31:25 |\n| 25 | [推荐算法最前沿\\|ACM RecSys2020推荐系统论文一览](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F266638144) | Upper | 2020-10-20 21:17:40 |\n| 26 | [NeurIPS 2020\\|京东基于卡尔曼滤波的注意力机制—广告点击率预估中的用户行为建模（下）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F265791891) | Upper | 2020-10-18 10:48:19 |\n| 27 | [2021电子科技大学图推荐最新综述！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F412501341) | 郭达森 | 2021-09-21 19:39:18 |\n| 28 | [最新SIGIR2021论文录取名单！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F368455647) | 郭达森 | 2021-04-28 10:51:05 |\n| 29 | [Benchmarking Recommendation](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F266606318) | 郭达森 | 2020-10-18 19:20:51 |\n| 30 | [【TensorFlow实现机器学习方法】KNN（K近邻算法）实现预测房屋价格](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F105704379) | AI蜗牛车 | 2020-02-08 10:42:37 |\n| 31 | [【资源分享】对于时间序列，你所能做的一切.](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F101126791) | AI蜗牛车 | 2020-01-05 15:29:48 |\n| 32 | [【Deep Learning】详细解读LSTM与GRU单元的各个公式和区别](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F82385476) | AI蜗牛车 | 2019-09-13 12:57:12 |\n| 33 | [《推荐系统》系列之十一：以用户为中心的对话推荐系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F514119072) | 朱勇椿 | 2022-05-13 22:53:10 |\n| 34 | [多视图多行为对比学习推荐系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F484654352) | 朱勇椿 | 2022-03-22 11:02:34 |\n| 35 | [WWW2022推荐系统、计算广告论文汇总](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F473494666) | 朱勇椿 | 2022-02-28 11:37:09 |\n| 36 | [DSIN 深度 Session 兴趣网络介绍及源码剖析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F342444405) | 珍妮的选择 | 2021-01-07 08:23:15 |\n| 37 | [FM 算法介绍以及 libFM 源码简析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F338849963) | 珍妮的选择 | 2020-12-22 23:51:24 |\n| 38 | [DIN 深度兴趣网络介绍以及源码浅析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F338050940) | 珍妮的选择 | 2020-12-20 11:51:31 |\n| 39 | [fastSum: 一款开源的文本摘要工具包](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F380605863) | 邱锡鹏 | 2021-06-14 21:17:02 |\n| 40 | [如何简单高效地加速基于BERT的序列标注模型？细粒度早退机制可能会优于模型蒸馏](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F379935087) | 邱锡鹏 | 2021-06-11 18:31:19 |\n| 41 | [推荐系统之Position-Bias建模](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F311820130) | billlee | 2020-11-25 18:03:39 |\n| 42 | [推荐系统之多目标优化小结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F299913604) | billlee | 2020-11-18 21:04:21 |\n| 43 | [全稀疏的3D物体检测器](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F583008657) | 明月不谙离苦 | 2022-11-13 20:58:42 |\n| 44 | [SST：单步长稀疏Transformer 3D物体检测器](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F476056546) | 明月不谙离苦 | 2022-03-08 19:21:46 |\n| 45 | [有没有二代征信报告样本，产品解读双报告？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F105068676) | FAL金科应用研究院 | 2020-02-04 17:43:50 |\n| 46 | [FSTQPD逾期指标如何运用于策略和模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F94324994) | FAL金科应用研究院 | 2019-11-29 15:40:42 |\n| 47 | [CTR\u002F推荐系统 踩坑和经验类文章汇总](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F531954121) | 乌克兰老司机 | 2022-06-21 21:44:44 |\n| 48 | [CTR\u002F推荐系统 冷启动Exploitation & Exploration文章汇总](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F531020134) | 乌克兰老司机 | 2022-06-19 23:43:28 |\n| 49 | [科大讯飞工程机械核心部件寿命预测挑战赛冠军分享](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F82394380) | 大风君heart | 2019-11-30 18:30:59 |\n| 50 | [（目前TOP1 baseline分享）科大讯飞工程机械核心部件寿命预测挑战赛](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F71631721) | 大风君heart | 2019-07-13 18:27:04 |\n| 51 | [电商搜索query-database](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F111810655) | 王盛玉 | 2020-03-14 23:34:56 |\n| 52 | [浅谈电商类目预测](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F90923697) | 王盛玉 | 2019-11-08 19:39:36 |\n| 53 | [【知识图谱】实体链接：一份“由浅入深”的综述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F100248426) | Nicolas | 2019-12-30 19:55:43 |\n| 54 | [【炼丹技巧】功守道：NLP中的对抗训练 + PyTorch实现](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F91269728) | Nicolas | 2019-11-11 16:20:19 |\n| 55 | [用于语言生成的数据相关高斯先验目标函数](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F103866607) | Jsgfery | 2020-01-24 15:30:58 |\n| 56 | [Encoding Word Order in Complex Embeddings](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F98736506) | Jsgfery | 2019-12-22 14:25:28 |\n| 57 | [图片修补 EdgeConnect 论文的阅读与翻译：生成边缘轮廓先验，再填补缺失内容](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F57112475) | 曾伊言 | 2019-02-20 17:12:32 |\n| 58 | [CycleGAN论文的阅读与翻译，无监督风格迁移](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F45394148) | 曾伊言 | 2018-10-25 16:35:43 |\n| 59 | [文章索引：视觉、文本表征和大模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F688759365) | 菜人卷 | 2024-03-24 18:42:00 |\n| 60 | [一文看完多模态：从视觉表征到多模态大模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684472814) | 菜人卷 | 2024-02-29 09:45:28 |\n| 61 | [NLP实验之新词挖掘+预训练模型继续预训练，打造适应任务的PTM](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F414384344) | 周俊贤 | 2021-09-27 08:31:38 |\n| 62 | [NLP系列之论文研读：P-tuning，自动寻找prompt，进一步激发预训练潜能](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F385419785) | 周俊贤 | 2021-06-30 16:47:43 |\n| 63 | [华为、人大、清华和港中文联合发布推荐系统的Benchmark](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F412426948) | 推荐与广告 | 2021-09-21 12:54:26 |\n| 64 | [KDD\\|2021 推荐系统中不使用嵌入表的方式获得类别特征的表征](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F392989733) | 推荐与广告 | 2021-08-15 22:17:23 |\n| 65 | [【Graph Neural Network】GraphSAGE: 算法原理，实现和应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F79637787) | 浅梦 | 2019-08-24 21:15:14 |\n| 66 | [【Graph Neural Network】GCN: 算法原理，实现和应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F78624225) | 浅梦 | 2019-08-17 23:37:48 |\n| 67 | [[召回\\|CIKM2021\\|ByteDance]字节跳动深度召回模型论文精读(Deep Retrieval)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F440156847) | 杰尼小子 | 2021-12-01 22:55:23 |\n| 68 | [[召回\\|CIKM2019\\|阿里巴巴]天猫基于动态路由的用户多兴趣建模(MIND)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F439210817) | 杰尼小子 | 2021-11-29 20:06:30 |\n| 69 | [ICDE 2023 论文解读 \\| DCMT：基于因果纠偏的直接全空间多任务转化率预测模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F610802942) | Feng Zhu | 2023-03-02 19:20:04 |\n| 70 | [论文解读系列第十六篇：IJCAI 2021--跨域推荐（Cross-Domain Recommendation）的最新综述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F371162633) | Feng Zhu | 2021-05-10 17:02:02 |\n| 71 | [以正合，以奇胜 —— 搜推广工程师卷出新高度直播预告二](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F454237149) | 算法阿科 | 2022-01-07 01:43:24 |\n| 72 | [浅谈行为序列建模](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F420995638) | 没什么大不了 | 2021-10-15 17:52:22 |\n| 73 | [肯德基、江小白和西贝莜面村都犯的错，你不用重蹈覆辙！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F51148934) | 陈尚斌Sean | 2018-11-29 14:34:23 |\n| 74 | [一年级算法工程师的工作总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F361688187) | shane miao | 2021-04-05 21:07:24 |\n| 75 | [CCF2019乘用车细分市场销量预测-baseline分享](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F82738239) | 厚切烤五花 | 2019-09-16 22:58:43 |\n| 76 | [经典推荐算法学习（九）\\| 主流深度推荐模型演化（下）\\| 从DIN、DIEN到 MIMN、SIM \\| 附DIN、DIEN TensorFlow代码实现](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F423862252) | 秋雨淅淅l | 2021-11-01 21:42:50 |\n| 77 | [NeurIPS'22 Oral\\|基于无目标后门水印的无害数据集版权保护](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F591166261) | GeorgeLee | 2022-12-12 15:55:20 |\n| 78 | [【顶会论文】推荐系统冷启动专题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F377229717) | 武侠超人 | 2021-06-28 19:48:22 |\n| 79 | [第四届拍拍贷魔镜杯季军方案分享](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F75234282) | zzz333 | 2019-07-26 09:50:02 |\n| 80 | [搜索引擎技术（1）：Overview](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F624039720) | Shusen Wang | 2023-04-22 20:46:10 |\n| 81 | [一文梳理DPR(Dense Passage Retrieval)的发展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F559720649) | Executedone | 2022-08-31 11:23:09 |\n| 82 | [全球数据竞赛平台汇总](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F60797798) | 王大溪 | 2019-03-29 16:07:05 |\n| 83 | [流水的NLP铁打的NER：命名实体识别实践与探索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F166496466) | 王岳王院长 | 2020-08-06 13:42:42 |\n| 84 | [曾被嫌弃的预训练任务NSP，做出了优秀的Zero Shot效果](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F411476796) | 苏剑林 | 2021-09-17 17:31:05 |\n| 85 | [蘑菇街自研服务框架如何提升在线推理效率？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F98538567) | fdl ws | 2019-12-20 19:29:02 |\n| 86 | [知识蒸馏与推荐系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F163477538) | 凉爽的安迪 | 2020-08-05 16:13:01 |\n| 87 | [从200多篇顶会论文看推荐系统前沿方向与最新进展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F361341288) | AI Box专栏 | 2021-04-01 14:57:18 |\n| 88 | [算法工程师的术与道：从特征工程谈数据敏感性](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F335363661) | 包包大人 | 2020-12-09 23:42:34 |\n| 89 | [扩散模型在文本生成领域的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F561233665) | 中森 | 2022-10-10 23:38:20 |\n| 90 | [SIGIR21-自动消除搜索推荐排序bias：ALL you need is AutoDebias](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F375531396) | 曾冠奇 | 2021-05-26 20:41:38 |\n| 91 | [图神经网络16-DGL实战：图、节点和边创建与运算](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F382361696) | 致Great | 2021-06-20 16:40:57 |\n| 92 | [2021-ACL论文：问答检索方向论文整理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F388148753) | 捏太阳 | 2021-07-15 11:59:47 |\n| 93 | [推荐系统实用分析技巧](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F188228577) | 纳米酱 | 2020-08-20 23:22:32 |\n| 94 | [消费者人群画像-信用智能评分Top1](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F65987372) | 大野人007 | 2019-05-16 15:09:49 |\n| 95 | [千元以内玩双动铁？双麦降噪小钢蛋魔浪O7蓝牙TWS耳机实测](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F93566110) | 眼镜哥玩数码 | 2019-11-25 14:25:41 |\n| 96 | [GPT-3的最强落地方式？陈丹琦提出小样本微调框架LM-BFF，比普通微调提升11%～](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F341609647) | JayJay | 2021-01-04 20:46:50 |\n| 97 | [在需求泛滥的当下，如何利用仪式感拯救我们的品牌价值？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F33085850) | 尼克 | 2018-01-19 09:54:23 |\n| 98 | [百度凤巢之分布式层次GPU参数服务器架构](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F115187253) | 张雨石 | 2020-03-22 12:02:57 |\n| 99 | [BLIP2：下一代多模态模型的雏形](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F606364639) | 竹鼠商人 | 2023-02-15 10:54:27 |\n| 100 | [Elasticsearch思维导图](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F429731856) | 易显维 | 2021-11-05 11:25:34 |\n| 101 | [GluonCV 0.3: 超越经典](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F46946101) | 谢流远 | 2018-10-17 08:10:40 |\n| 102 | [KDD'22\\|天级更新超越实时？看Pinterest另辟蹊径做用户长期兴趣建模](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F558608369) | 裴叁拾 | 2022-09-14 01:11:24 |\n| 103 | [CCF BDCI 乘用车销量预测 冠军方案](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F98926322) | 楼观白楼 | 2019-12-23 16:57:50 |\n| 104 | [搜推广之多场景建模论文总结分享](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F608819996) | 积极废人 | 2023-02-23 18:52:17 |\n| 105 | [聊聊多模态大模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F666425324) | Peter | 2023-11-12 22:06:52 |\n| 106 | [CIKM20-MiNet：阿里\\|跨域点击率预估混合兴趣模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F221719082) | 李嘉图 | 2020-09-08 08:51:42 |\n| 107 | [推荐系统 \\| 近20年引用量超过1000的52篇经典论文](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F183753290) | 深蓝学院 | 2020-08-14 11:09:03 |\n| 108 | [ICLR 2022图学习领域都在研究什么？Open Review投稿文章一览](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F419669070) | 唐今里 | 2021-10-09 22:29:37 |\n| 109 | [Improving Factual Consistency of Abstractive Summarization via Question Answering](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F384929959) | xsgddsg | 2021-06-29 22:31:26 |\n| 110 | [20220922推荐小记——推荐系统中如何对时长、完播等目标做多目标建模](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F567243070) | 口天吴 | 2022-09-22 22:31:24 |\n| 111 | [NeurIPS22 spotlight｜大图上的节点级Transformer](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F587086593) | Qitian | 2022-11-27 13:31:06 |\n| 112 | [【读文献】强化学习优化推荐系统长期收益](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F373771167) | 阳光明媚 | 2021-05-28 19:42:19 |\n| 113 | [阿里天池安泰杯——跨境电商智能算法大赛数据分析与可视化](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F74661459) | rain | 2019-07-22 16:03:42 |\n| 114 | [2019-CCF乘用车细分市场销量预测-Rank19](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F92651909) | Salon sai | 2019-11-26 23:04:15 |\n| 115 | [【五】知乎独家发布 \\| 标签系统：大数据的典型应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F52683548) | 磊叔-数据化运营 | 2018-12-18 20:10:28 |\n| 116 | [深度学习技术在社会化推荐中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F190944012) | 小应同学 | 2020-08-21 18:06:06 |\n| 117 | [Attention Is All You Need](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F89444823) | Magic | 2020-04-25 15:44:28 |\n| 118 | [图网络的开疆拓土——如何在非图结构数据上应用GNN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F74438967) | 张章 | 2020-01-14 00:38:07 |\n| 119 | [第二届腾讯广告算法大赛总结（Rank 9）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F38499275) | 啊黎 | 2018-06-26 13:23:27 |\n| 120 | [【已重新开源】CLIP的中文副本？说不定有惊喜呢](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F539374033) | 霜清老人 | 2022-07-09 00:10:36 |\n| 121 | [首篇-More than NLP](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F390774808) | paiisall | 2021-07-18 13:37:00 |\n| 122 | [细思极恐，我的kaggle比赛uspppm的代码被第三方平台泄漏和抄袭了。](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F543062973) | 知乎用户MYp8Kg | 2022-07-18 15:51:21 |\n| 123 | [《DialogueRNN》 阅读笔记](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F68497862) | weiss | 2019-06-10 09:29:08 |\n| 124 | [ICLR 2023：环境标签平滑，一行代码提升对抗学习稳定性\u002F泛化性](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F600466715) | yearn | 2023-02-02 22:35:14 |\n| 125 | [数据挖掘建模前快速对数据进行全局EDA分析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F357427126) | 小白Lan | 2021-03-16 11:01:29 |\n| 126 | [CIKM2021｜工业推荐论文集锦](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F422927434) | 潜心 | 2021-10-18 21:01:18 |\n| 127 | [transformers在ctr中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F349509932) | 算法一只狗 | 2021-02-05 16:52:22 |\n| 128 | [阿里DMR：融合了匹配思想的深度排序模型-Deep Match to Rank](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F163096847) | 陈阿土 | 2020-07-23 15:42:24 |\n| 129 | [粗排阶段性能与效率的权衡：基于可学习特征选择的方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F428178907) | majs | 2021-11-02 18:18:31 |\n| 130 | [也说澳门和香港的不同点](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F45474681) | 大豆 | 2018-09-27 15:39:35 |\n| 131 | [CCF-2020 路况状态时空预测 Top15](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F342112778) | Jarvis | 2021-01-05 20:12:04 |\n| 132 | [EMNLP2021论文集发布&上岸群交流](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F429660568) | 忆臻 | 2021-11-05 09:29:59 |\n| 133 | [基于Kubeflow的分布式机器学习平台实战](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F56006765) | 无痕 | 2019-01-30 11:59:09 |\n| 134 | [开源知识图谱整理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F510307797) | 霍华德 | 2022-05-06 18:21:11 |\n| 135 | [3倍加速CPU上的BERT模型部署](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F159025396) | 沈海晨 | 2020-07-13 10:18:17 |\n| 136 | [2021年，Pre-train+finetune还是“新”范式吗？乘风破浪的Prompt-base methods](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F391606045) | Timothyxxx | 2021-07-21 01:18:40 |\n| 137 | [ACM MM'2022 \\| 首个针对跨语言跨模态检索的噪声鲁棒研究工作](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F561151473) | 李加贝 | 2022-10-13 15:39:42 |\n| 138 | [信贷业务风控指标体系](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F94575231) | 雪小梨 | 2019-12-02 19:59:09 |\n| 139 | [刚打造的小生态NLG4RS：基于推荐系统的自然语言生成](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F452571871) | Lei Li | 2022-02-19 12:50:39 |\n| 140 | [新手入门 Kaggle NLP类比赛总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F109992475) | jiazhuamh | 2020-02-29 22:22:56 |\n| 141 | [数据科学竞赛：你从未见过的究极进化秘笈](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F149769029) | 大卫的小屋 | 2020-07-03 11:30:10 |\n| 142 | [2018腾讯广告算法大赛Top10-特征工程](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F40479648) | 流光 | 2018-07-24 20:47:55 |\n| 143 | [基于协同过滤的推荐算法综述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F338582478) | 包予 | 2020-12-21 23:15:49 |\n| 144 | [逾期率的计算秘密](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F96606016) | 胡静媛 | 2019-12-10 17:35:33 |\n| 145 | [【仅需初中数学水平】全网第一个极简神经网络模型推导](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F128714140) | 我去啊先生 | 2020-04-11 02:26:53 |\n| 146 | [金融NLP需求落地实践总结——使用T5-Pegasus做一句话摘要](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F412505023) | 邱震宇 | 2021-09-23 15:58:54 |\n| 147 | [CCF BDCI 乘用车销量预测 TOP3开源](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F98611487) | 莫笑傅立叶 | 2019-12-21 17:11:45 |\n| 148 | [TheWebConf 2022-GNNpaper reading1](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F551297185) | 水dong方块 | 2022-08-08 20:40:25 |\n| 149 | [智能风控筑基手册：全面了解风控指标体系](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F136208249) | 正阳 | 2020-04-25 15:48:05 |\n| 150 | [NLP预训练模型（2021版）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F419661016) | 王三火 | 2021-10-09 23:22:01 |\n\n## 亚马逊\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [算法如何高效表达图计算？亚马逊云科技 DGL 图学习平台介绍](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1655309164106) |\n| 2 | [亚马逊畅销书的 NLP 分析——推荐系统、评论分类和主题建模](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1578982799904) |\n| 3 | [我在亚马逊学到的三样东西，为我的机器学习职业之路做好了准备](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1569161146669) |\n## 苏宁\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [苏宁 11.11：一种基于神经网络的智能商品税分类系统](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1542473775853) |\n| 2 | [苏宁 11.11 ：苏宁大数据离线任务开发调度平台实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1542368352760) |\n| 3 | [苏宁 11.11：苏宁易购订单搜索系统架构及实现](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1542367560717) |\n| 4 | [苏宁 11.11：搜索引擎 Solr 在苏宁易购商品评价系统中的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1542192071013) |\n| 5 | [苏宁 11.11：仓库内多 AGV 协作的全局路径规划算法研究](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1541756162539) |\n## 丁香园\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [丁香园大数据基于 Apache Kyuubi \u002F Celeborn 的实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1701477911872) |\n| 2 | [丁香园技术｜我们为海量公开问诊数据生成了标题 —— NLG 的医疗健康科普实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1672748102417) |\n| 3 | [丁香园技术｜海量公开问诊数据生成标题 —— NLG 的医疗健康科普实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1672575138124) |\n| 4 | [丁香园技术｜从文本匹配到语义相关——新闻相似度计算的一般思路](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1659538733972) |\n| 5 | [丁香园 \\| 电商搜索的语义理解问题](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1645488641498) |\n| 6 | [丁香园基于 Milvus 的向量召回应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1624402033133) |\n| 7 | [丁香园 \\| 图表示学习 实践与思考](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1605644288853) |\n| 8 | [丁香园 \\| 搜索中的 Query 扩展技术（二）](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1605633072404) |\n## 作业帮\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [复杂场景下作业帮的深度学习模型部署实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1668688806603) |\n| 2 | [BERT 能否被“平替”？作业帮文本分类场景下的一次尝试](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1663339879175) |\n| 3 | [作业帮基于 Apache Doris 的数仓实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1602420268311) |\n| 4 | [【算法面经系列】百度、寒武纪、科大讯飞、追一科技、腾讯、作业帮算法面经](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1583735744394) |\n## VIVO\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [2021 年 11 月初，VIVO & 地平线视觉工程师面经](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1637000994296) |\n## OPPO\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [算法&大数据如何赋能？​OPPO推荐领域降本增效指南](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1709642101237) |\n| 2 | [OPPO 广告召回算法实践与探索](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1704164627876) |\n| 3 | [OPPO基于图神经网络的搜索推荐算法与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1689590030867) |\n| 4 | [OPPO基于大模型与知识图谱的技术实践探索](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1688029541571) |\n| 5 | [OPPO 端云协同机器学习平台 StarFire 技术实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1681911262271) |\n| 6 | [低延时音视频技术在OPPO云渲染场景的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1680847558265) |\n| 7 | [多模态预训练技术在 OPPO 的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1671338240588) |\n| 8 | [​OPPO 对话式 AI 助手小布演进之路](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1669284265632) |\n| 9 | [OPPO 实时计算平台基于云原生的作业弹性伸缩设计与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1663338974448) |\n| 10 | [自动化 AutoML 工具 Pluto 在 OPPO 的典型应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1662559200169) |\n| 11 | [OPPO 技术 \\| 基于 ark 框架实现推荐策略 jar 包热更新](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1661780124851) |\n| 12 | [李向林：OPPO 自研大规模知识图谱及其在小布助手中的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1655535576691) |\n| 13 | [邱盛昌：OPPO 商业化数据体系建设实战](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1654101362877) |\n| 14 | [OPPO 唐黎：零代码技能平台技术实践探索！](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1645488941495) |\n| 15 | [OPPO \\| 小布助手闲聊生成式算法](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1645392989413) |\n| 16 | [OPPO 数智技术 \\| 大数据 SQL 优化之数据倾斜解决案例全集](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1641470595723) |\n| 17 | [OPPO 小布助手算法系统探索、实践与思考](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1640650220926) |\n| 18 | [OPPO 大数据离线计算平台架构演进](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1635205226188) |\n| 19 | [OPPO 数据湖统一存储技术实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1629152485752) |\n| 20 | [OPPO \\| 统一预估引擎的设计与实现](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1623753789862) |\n| 21 | [OPPO 在 A\u002FB 实验分析平台的建设与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1614352337264) |\n## 58同城\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [​58 大数据任务调度和智能运维实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1670155591037) |\n| 2 | [【干货篇】58 同城：视觉定位技术在室内 VR 中的应用（附视频回放 +PPT 下载）](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1660460977544) |\n| 3 | [图谱实战 \\| 58 同城周超：基于招聘场景下的知识图谱构建及应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1656585917361) |\n| 4 | [58 同城 \\| 商业数据仓库建设实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1606440340970) |\n| 5 | [58 同城 AI 算法平台的演进与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1605975942974) |\n## 知乎\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [知乎埋点平台建设升级](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1697766003286) |\n| 2 | [Flink 实时计算平台在知乎的演进](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1672735455961) |\n| 3 | [基于 Doris 的知乎 DMP 系统架构与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1663900241491) |\n| 4 | [知乎 Flink 数据集成平台建设实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1620953681156) |\n| 5 | [知乎搜索排序模型的演进](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1611707324680) |\n| 6 | [知乎 \\| 搜索文本相关性与知识蒸馏](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1610819003661) |\n| 7 | [Query 理解和语义召回在知乎搜索中的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1577969687897) |\n| 8 | [用 Flink 取代 Spark Streaming，知乎实时数仓架构演进](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1550456648032) |\n| 9 | [58 技术沙龙——云搜 知乎 58 同城 搜索架构](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1549118463410) |\n| 10 | [「回顾」知乎推荐页 Ranking 经验分享](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1546015792766) |\n| 11 | [【转自知乎】当下（2018 年）腾讯的技术建设是否处于落后同体量公司的状态？](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1538026693169) |\n| 12 | [AIQ - 架构 \\| 知乎服务化的实践与思考](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1530974329825) |\n| 13 | [AIQ - 深度 \\| 知乎高赞：久居一线城市都有什么错觉？](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1530808073506) |\n| 14 | [知乎高赞：家里在一二线城市有很多套房是怎么的一种体验？答案太颠覆](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1530419775099) |\n## 贝壳找房\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [方阳：贝壳找房推理服务 MLOPS 实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1656647122886) |\n| 2 | [贝壳找房智能投放技术实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1647734426054) |\n| 3 | [王志勇：贝壳找房 CVR 转化率预估模型实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1646268689620) |\n| 4 | [贝壳找房 \\| Flink 运维体系在贝壳的实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1639778890438) |\n| 5 | [贝壳找房 \\| 人机耦合在贝壳新居住服务的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1633620223751) |\n| 6 | [贝壳找房 \\| 端到端模型在贝壳经纪人流失预警场景的实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1625870973660) |\n| 7 | [贝壳找房 \\| 基于事理图谱的应用与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1619393097387) |\n| 8 | [贝壳找房一站式大数据开发平台实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1618424887973) |\n| 9 | [贝壳找房基于 Druid 的 OLAP 引擎应用实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1617065714002) |\n| 10 | [贝壳找房 DMP 平台建设实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1612618654589) |\n| 11 | [贝壳找房 \\| 复杂订阅条件下，如何实时准确的向用户推送新上房源？](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1611957959517) |\n| 12 | [贝壳找房 \\| 基于 Milvus 的向量搜索实践（三）](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1608547494451) |\n| 13 | [贝壳找房 \\| 基于 Milvus 的向量搜索实践（二）](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1607727190023) |\n| 14 | [贝壳找房 \\| 商业化算法中台架构实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1607643871637) |\n| 15 | [贝壳找房 \\| 基于 Milvus 的向量搜索实践（一）](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1607121375101) |\n| 16 | [贝壳找房 \\| 面向 AI 技术的贝壳 OLAP 平台架构演进](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1605882289229) |\n| 17 | [贝壳找房 \\| 面向 AI 技术的贝壳一站式大数据开发平台实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1605881803521) |\n| 18 | [贝壳找房 \\| 面向 AI 技术的贝壳智能推荐平台建设实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1605881320628) |\n| 19 | [数据增强在贝壳找房文本分类中的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1604585013915) |\n| 20 | [贝壳找房 \\| 基于内容热度的推荐](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1602588064973) |\n| 21 | [贝壳找房 \\| 降本提效，贝壳搜索推荐架构统一之路](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1601333030483) |\n| 22 | [贝壳找房 \\|【知识图谱系列】开篇：基于 KBQA 的经纪人咨询助手](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1600300399521) |\n| 23 | [贝壳找房 \\| Thrift 中 TNonblockingServer 工作流程解析](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1599578656887) |\n| 24 | [【深度语义匹配模型】实践篇：语义匹配在贝壳找房智能客服中的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1590190626464) |\n| 25 | [贝壳找房【深度语义匹配模型】原理篇二：交互篇](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1589798723495) |\n| 26 | [贝壳找房【深度语义匹配模型 】原理篇一：表示型](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1589474365961) |\n| 27 | [贝壳找房【语言模型系列】实践篇：ALBERT 在房产领域的实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1589066895141) |\n| 28 | [贝壳找房—置信度计算在语音识别系统中的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1587504411849) |\n| 29 | [贝壳找房【语言模型系列】原理篇二：从 ELMo 到 ALBERT](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1587401784826) |\n| 30 | [贝壳找房—【图数据库系列】Dgraph 原理篇](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1586914787766) |\n| 31 | [贝壳找房—【图数据库系列】Dgraph 简介篇](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1586914360530) |\n| 32 | [贝壳找房—【图数据库系列】之 JanusGraph VS Dgraph：贝壳分布式图数据库技术选型之路](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1586913224622) |\n| 33 | [贝壳找房【语言模型系列】原理篇一：从 one-hot 到 Word2vec](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1586815086168) |\n| 34 | [【贝壳找房】关系图谱在贝壳的构建和应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1583336718096) |\n| 35 | [贝壳找房一镜到底：FM 们的原理及在贝壳搜索的实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1562247779512) |\n| 36 | [【贝壳找房】贝壳搜索平台实时流总体架构设计](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1552233110275) |\n| 37 | [【贝壳找房】读“懂”用户找房需求：贝壳语义解析技术实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1552148262585) |\n| 38 | [回顾·知识图谱在贝壳找房的从 0 到 1 实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1535890320749) |\n| 39 | [回顾·HBase 在贝壳找房的实践经验](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1535076050271) |\n## 第四范式\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [第四范式｜如何选择架构中的底层工具？](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1661524874287) |\n| 2 | [第四范式 \\| OpenMLDB：线上线下一致的生产级特征计算平台](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1651104872432) |\n| 3 | [知识图谱在第四范式金融场景的应用及研究](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1631836765123) |\n| 4 | [第四范式 \\| 如何构建一个好的电商搜索引擎？](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1604528566808) |\n| 5 | [第四范式 \\| 推荐系统架构治理](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1599342117931) |\n| 6 | [第四范式 \\| 基于 Spark 的大规模推荐系统特征工程](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1599059997953) |\n## 明略科技\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [2021 年 6 月底，明略科技算法岗 7 道面试题分享](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1628014065354) |\n## 饿了么\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [「回顾」饿了么推荐算法演进及在线学习实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1541671554337) |\n| 2 | [饿了么外卖推荐算法中有哪些机制与手段？](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1539779042024) |\n## 滴滴\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [滴滴国际化出行场景指标体系建设](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1711692642079) |\n| 2 | [滴滴大数据资产治理实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1711258502706) |\n| 3 | [滴滴大数据成本治理实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1704880251766) |\n| 4 | [滴滴数据挖掘工程师招聘](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1628453090198) |\n| 5 | [滴滴测试开发工程师招聘](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1628452834432) |\n| 6 | [滴滴招聘 HR 实习生](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1628452620798) |\n| 7 | [2021 年 5 月滴滴算法岗：三面拿下 offer，面试题分享](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1622488114673) |\n| 8 | [滴滴技术 \\| 小白也能懂的因果推断科普](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1621648577823) |\n| 9 | [滴滴在 HBase 性能与可用性上的探索与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1608688772703) |\n| 10 | [滴滴技术 \\| 滴滴语音交互自然语言理解探索与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1605807890525) |\n| 11 | [滴滴 Elasticsearch 集群跨版本升级与平台重构之路](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1603809321990) |\n| 12 | [深度强化学习在滴滴路径规划中的探索实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1602424002918) |\n| 13 | [滴滴技术 \\| Presto 在滴滴的探索与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1602421861788) |\n| 14 | [滴滴技术 \\| 数据挖掘技术在轨迹数据上的应用实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1601292236611) |\n| 15 | [滴滴 \\| 数据仓库指标体系建设实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1598802373776) |\n| 16 | [滴滴 \\| 实时数仓在滴滴的实践和落地](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1598802315653) |\n| 17 | [滴滴 ElasticSearch 千万级 TPS 写入性能翻倍技术剖析](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1597279092295) |\n| 18 | [滴滴司机调度系统实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1594942236189) |\n| 19 | [五年磨一剑：滴滴顺风车服务端之稳定性规范](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1591236496919) |\n| 20 | [滴滴数据驱动利器之 AB\u002FTest 实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1590721840299) |\n| 21 | [从算法到应用：滴滴端到端语音 AI 技术实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1580697766851) |\n| 22 | [头条，美团，滴滴，京东及其它公司面试经验分享！](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1569160784677) |\n| 23 | [解读：滴滴“猜你去哪儿”功能的算法实现](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1567577366676) |\n| 24 | [基于 “ 滴滴 KDD 2018 论文：基于强化学习技术的智能派单模型 ” 再演绎](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1558370681979) |\n| 25 | [滴滴基于 ElasticSearch 的一站式搜索中台实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1558079050114) |\n| 26 | [独家解读 \\| 滴滴机器学习平台架构演进之路](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1554481747379) |\n| 27 | [滴滴出行基于 RocketMQ 构建企业级消息队列服务的实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1549986997717) |\n## 微软\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [Adobe 和微软通过微软边缘为 1 亿 Windows 用户带来行业领先的 Acrobat PDF 体验](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1675908069805) |\n| 2 | [微软推出 Designer 图形图像设计软件，与 Adobe Photoshop 的较量？](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1665983336164) |\n| 3 | [实验室小师弟的新鲜春招算法面经 (阿里搜索，微信，微软等)](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1588125294551) |\n| 4 | [微软小冰：如何构建人格化的对话系统](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1583730037433) |\n| 5 | [微软 AB\u002FTesting EXP 实验管理平台](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1557945314515) |\n| 6 | [谷歌、阿里、微软等 10 大深度学习 CTR 模型最全演化图谱【推荐、广告、搜索领域】](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1557332028652) |\n| 7 | [微软专家眼中个性化推荐系统的 5 大研究趋势](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1543673861952) |\n| 8 | [NIPS 2018 丨解读微软亚洲研究院 10 篇入选论文](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1536334503252) |\n| 9 | [科学匠人 \\| 微软亚洲研究院 陈薇 用数学逻辑来优化工作和人生](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1535805924411) |\n| 10 | [AIQ - 语音识别 \\| 微软亚研自动语法纠错系统达到人类水平](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1530979943523) |\n## UC\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [京东 618 广告精排百分位 AUC 提升技术方案](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1656647831516) |\n| 2 | [UC 信息流推荐模型在多目标和模型优化方面的进展](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1571122442970) |\n| 3 | [UC 国际信息流推荐中的多语言内容理解](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1570690168076) |\n| 4 | [UC 信息流视频标签识别技术](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1569853907406) |\n| 5 | [浅谈 UC 国际信息流推荐](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1569247306778) |\n| 6 | [模型评估指标 AUC 和 ROC，这是我看到的最透彻的讲解](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1568827658600) |\n| 7 | [一文让你彻底理解准确率，精准率，召回率，真正率，假正率，ROC\u002FAUC](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1549986548173) |\n| 8 | [推荐系统遇上深度学习 (十三)--linUCB 方法浅析及实现](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1547825582955) |\n| 9 | [我收到了斯坦福、UCL、CMU、NYU、UW 的博士 offer，这是我的经验](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1543938094639) |\n| 10 | [推荐系统遇上深度学习 (九)-- 评价指标 AUC 原理及实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1536426038809) |\n| 11 | [AIQ -【干货】模型验证的常用“武器”—ROC 和 AUC](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1531811134705) |\n## 联想\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [联想基于Apache DolphinScheduler构建统一调度中心的应用实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1678100401156) |\n## 今日头条\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [今日头条搜索品质优化 - 端到端篇](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1640455266251) |\n| 2 | [今日头条在消息服务平台和容灾体系建设方面的实践与思考](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1573185369725) |\n| 3 | [今日头条算法原理（全文）](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1522748336680) |\n## 陌陌\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [2021 年 7 月底，“陌陌”推荐算法 5 道面试题分享！](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1631724273373) |\n| 2 | [陌陌 \\| 模型化召回在陌陌社交推荐的应用和探索](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1616288051476) |\n| 3 | [陌陌直播如何做到推荐系统的从 0 到 1](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1606441552856) |\n## 货拉拉\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [货拉拉用户埋点体系建设实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1701599142006) |\n| 2 | [货拉拉全链路监控体系的落地与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1677916801200) |\n## 去哪儿网\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [单机吞吐提升 100%，响应时间降低 50%：去哪儿网酒店高性能业务网关优化实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1681143994174) |\n| 2 | [去哪儿旅行混沌工程落地实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1655394520554) |\n| 3 | [去哪儿网｜国内酒店交易 DDD 应用与实践——代码篇](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1652458167227) |\n| 4 | [去哪儿网｜国内酒店交易 DDD 应用与实践——理论篇](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1652457838293) |\n| 5 | [去哪儿网 \\| 机票报价高并发实施的关键路径](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1646649286816) |\n| 6 | [去哪儿网 BI 平台建设演进与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1638225482766) |\n| 7 | [去哪儿网库存搜索在高并发场景下的探索](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1630543554354) |\n| 8 | [去哪儿网数据同步平台技术演进与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1629110434867) |\n| 9 | [去哪儿网 \\| Lucene 倒排索引原理](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1627091326793) |\n| 10 | [去哪儿网 \\| 深度学习在酒店售后智能问答场景实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1610455372660) |\n## vivo\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [vivo 大模型从训练到产品落地的最佳实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1708511711574) |\n| 2 | [分支路径图调度框架在 vivo 效果广告业务的落地实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1679623769756) |\n| 3 | [vivo \\| 解密游戏推荐系统的建设之路](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1677084451965) |\n| 4 | [异构混排在 vivo 互联网的技术实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1670421470015) |\n| 5 | [vivo 霍金实验平台设计与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1668691450480) |\n| 6 | [vivo 技术｜在推荐业务中如何用 MPS 提高 GPU 利用率？](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1667486265744) |\n| 7 | [vivo 互联网机器学习平台的建设与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1665411062165) |\n| 8 | [vivo 前端智能化实践：机器学习在自动网页布局中的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1661432366753) |\n| 9 | [vivo \\| 推荐系统 - 协同过滤在 Spark 中的实现](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1658327696663) |\n| 10 | [vivo 技术｜Elasticsearch 在地理信息空间索引的探索和演进](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1655907055589) |\n| 11 | [vivo 推荐中台升级路：机器成本节约 75%，迭代周期低至分钟级](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1655033262282) |\n| 12 | [vivo 短视频推荐去重服务的设计实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1648768215642) |\n| 13 | [Redis 在 vivo 推送平台的应用与优化实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1644883277577) |\n| 14 | [vivo 推送平台架构演进](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1642115895238) |\n| 15 | [vivo 敏感词匹配系统的设计与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1638408722035) |\n| 16 | [从技术到体验：vivo 机器翻译落地实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1633619422850) |\n| 17 | [vivo 2022 届提前批数据挖掘 面试题 \\| 文末免费送书](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1627406355143) |\n| 18 | [vivo \\| 深度解析 Lucene 轻量级全文索引实现原理](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1626313129578) |\n| 19 | [2021 年 6 月份：vivo 推荐算法工程师一面 · 5 道题 \\| 福利](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1625314187451) |\n| 20 | [vivo 应用商店推荐系统探索与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1616117382897) |\n| 21 | [vivo 技术 \\| 分布式搜索引擎 Elasticsearch 的架构分析](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1606441157938) |\n## 美团\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [【JD】美团平台推荐引擎 Java 研发工程师](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1694927285732) |\n| 2 | [美团是如何进行指标管理的？](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1681628442948) |\n| 3 | [美团在预训练语言模型上的探索和实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1681621552327) |\n| 4 | [美团酒旅图谱构建及应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1679292632275) |\n| 5 | [美团｜交互式推荐在外卖场景的探索与应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1676567215092) |\n| 6 | [美团外卖推荐智能流量分发的实践与探索](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1670506205377) |\n| 7 | [大规模异构图召回在美团到店推荐广告的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1669292088314) |\n| 8 | [美团外卖搜索基于 Elasticsearch 的优化实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1668688185539) |\n| 9 | [美团图灵机器学习平台性能起飞的秘密（一）](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1668085628389) |\n| 10 | [检索式对话系统在美团客服场景的探索与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1667530941124) |\n| 11 | [​美团关于 Apache Doris 存储层向量化改造的设计与实现](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1666874991171) |\n| 12 | [预训练语言模型压缩、双塔蒸馏在美团上的落地实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1665409968489) |\n| 13 | [知识图谱在美团搜索酒旅场景认知中的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1664520291651) |\n| 14 | [美团基于知识图谱的个性化新闻推荐系统](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1664086122995) |\n| 15 | [知识图谱在美团推荐场景中的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1663913783950) |\n| 16 | [图技术在美团外卖下的场景化应用及探索](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1662693836473) |\n| 17 | [美团搜索粗排优化的探索与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1660225427073) |\n| 18 | [Kafka 在美团数据平台的实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1659623489985) |\n| 19 | [美团大众点评搜索相关性技术探索与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1657116010069) |\n| 20 | [美团外卖广告大规模深度学习模型工程实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1657114335177) |\n| 21 | [美团综合业务推荐系统的质量模型及实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1656000342700) |\n| 22 | [张鸿志：美团大脑百亿级知识图谱的构建及应用进展](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1654268173987) |\n| 23 | [美团大脑中的商品理解与样本治理](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1652459085275) |\n| 24 | [美团 \\| 标准化思想及组装式架构在后端 BFF 中的实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1651177599302) |\n| 25 | [李翔：美团到店综合知识图谱的构建与应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1649203601235) |\n| 26 | [异构广告混排在美团到店业务的探索与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1646950622315) |\n| 27 | [GPU 在美团外卖场景精排模型预估中的应用实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1646351901765) |\n| 28 | [美团外卖广告平台化的探索与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1646351707722) |\n| 29 | [干货 \\| 美团搜索中查询改写技术的探索与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1645745968583) |\n| 30 | [美团 Flink 大作业部署与状态稳定性优化实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1645722768596) |\n| 31 | [赵海源：峰值超 2 亿 \u002F 秒，Kafka 在美团数据平台的实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1643750362429) |\n| 32 | [陈胜：美团搜索排序实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1643043366024) |\n| 33 | [汤楚熙：美团实时数仓架构演进与建设实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1642115390824) |\n| 34 | [美团 \\| 预训练技术在美团到店搜索广告中的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1638494351400) |\n| 35 | [美团搜索多业务商品排序探索与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1637283563102) |\n| 36 | [美团知识图谱问答技术实践与探索](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1636078655771) |\n| 37 | [美团基于知识图谱的剧本杀标准化建设与应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1635461486333) |\n| 38 | [情感分析技术在美团的探索与应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1634856459132) |\n| 39 | [开奖了 \\| 揭秘 2022 届美团和腾讯校招薪资，香水团完全不输鹅厂！](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1634478955073) |\n| 40 | [美团 \\| 广告深度预估技术在美团到店场景下的突破与畅想](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1634256290321) |\n| 41 | [美团 \\| 新一代 CTR 预测服务的 GPU 优化实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1631833358134) |\n| 42 | [美团智能客服技术实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1630675971284) |\n| 43 | [美团商品知识图谱的构建及应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1627834034798) |\n| 44 | [美团本地生活综合性需求知识图谱的构建及应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1626394493834) |\n| 45 | [多业务建模在美团搜索排序中的实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1625786203556) |\n| 46 | [美团外卖美食知识图谱的迭代及应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1622242677436) |\n| 47 | [美团图灵算法平台在线服务体系的演进与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1620953167502) |\n| 48 | [Query 理解在美团搜索中的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1620422043350) |\n| 49 | [美团图数据库平台建设及业务实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1618955928414) |\n| 50 | [美团酒旅数据治理实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1614352231236) |\n| 51 | [美团配送实时特征平台建设实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1610400281543) |\n| 52 | [美团智能问答技术探索与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1608634818386) |\n| 53 | [美团本地生活场景的短视频分析](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1606090402535) |\n| 54 | [美团智能搜索模型预估框架 Augur 的建设与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1603629168358) |\n| 55 | [美团外卖实时数仓建设实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1602549780101) |\n| 56 | [前沿重器 [2] \\| 美团搜索理解和召回](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1600566222359) |\n| 57 | [【社招】美团点评 Java 开发工程师](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1597748818723) |\n| 58 | [美团搜索中 NER 技术的探索与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1595549645074) |\n| 59 | [美团点评 \\| 智能搜索模型预估框架的建设与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1594941286899) |\n| 60 | [BERT 在美团搜索核心排序的探索和实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1594329514092) |\n| 61 | [美团配送 A\u002FB 评估体系建设与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1590713207541) |\n| 62 | [超强整理，非科班硕士的算法面经 (阿里 腾讯 字节 美团)](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1589071073376) |\n| 63 | [Java 线程池实现原理及其在美团业务中的实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1585850010612) |\n| 64 | [美团一站式机器学习平台建设实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1581320124242) |\n| 65 | [美团点评效果广告实验配置平台的设计与实现](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1575352029629) |\n| 66 | [美团点评 Kubernetes 集群管理实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1574928440098) |\n| 67 | [美团配送交付时间轻量级预估实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1571121996334) |\n| 68 | [头条，美团，滴滴，京东及其它公司面试经验分享！](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1569160784677) |\n| 69 | [《美团机器学习实践》—— 思维导图](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1550074429084) |\n| 70 | [美团深度学习在搜索业务中的探索与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1547131939647) |\n| 71 | [【美团】LruCache 在美团 DSP 系统中的应用演进](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1545317989899) |\n| 72 | [【美团】深入浅出排序学习：写给程序员的算法系统开发实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1545317747570) |\n| 73 | [机器学习在美团配送系统的实践：用技术还原真实世界](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1544864657295) |\n| 74 | [美团大脑：知识图谱的建模方法及其应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1542188759508) |\n| 75 | [美团深度学习系统的工程实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1540469168580) |\n| 76 | [【AIQ】梁宁万字长文：美团的破局与开局](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1537525881642) |\n| 77 | [美团上市，开盘涨 5.7%，市值超京东！与阿里的交锋再升级](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1537427490660) |\n| 78 | [独家揭秘！2.5 亿用户的美团智能推荐平台是如何构建的？](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1535728178473) |\n| 79 | [美团在 O2O 场景下的广告营销](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1534504164016) |\n| 80 | [美团 \\| 写给工程师的十条精进原则](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1534504104496) |\n| 81 | [美团点评 - 深度学习在计算机视觉中的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1530374711602) |\n| 82 | [深度学习在美团搜索广告排序的应用实践是怎么样的？](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1530373055739) |\n## 携程\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [干货 \\| 浅谈携程大住宿研发效能提升实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1670579912219) |\n| 2 | [干货 \\| 深度学习在携程搜索词义解析中的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1668071454853) |\n| 3 | [干货 \\| 携程因果推断在项目价值评估中的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1665662868092) |\n| 4 | [干货 \\| 携程搜索基于 CNN 的新词发现算法](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1665662220461) |\n| 5 | [干货 \\| 携程实体链接技术的探索及实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1657362177360) |\n| 6 | [干货 \\| 百亿节点，毫秒级延迟，携程金融基于 nebula 的大规模图应用实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1657360619214) |\n| 7 | [曹东：携程日志系统索引构建之路](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1656000694524) |\n| 8 | [携程 \\| 上百个业务场景，语义匹配技术在携程智能客服中的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1641513425523) |\n| 9 | [干货 \\| 携程 AI 推理性能的自动化优化实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1631834682730) |\n| 10 | [干货 \\| 携程酒店推荐模型优化](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1618010432289) |\n| 11 | [携程技术 \\| 时间序列预测的常见方法及思考](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1608410498309) |\n| 12 | [携程 \\| “深耕内容”背景下，携程如何做景酒优质内容的挖掘](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1607627782758) |\n| 13 | [干货 \\| 携程 Elasticsearch 数据同步实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1604599208289) |\n| 14 | [携程 \\| 机器学习模型在携程海外酒店推荐场景中的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1604533652066) |\n| 15 | [携程 \\| 响应速度与智能化如何平衡，携程酒店搜索系统实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1604530710213) |\n| 16 | [携程 \\| 用户画像在携程商旅的实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1604530409834) |\n| 17 | [携程技术 \\| 为什么我们要从 Elasticsearch 迁移到 ClickHouse？](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1602549388435) |\n| 18 | [干货 \\| 查询耗时降低 2\u002F3，携程度假搜索引擎架构优化](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1593723900741) |\n| 19 | [携程实时智能检测平台实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1581320019169) |\n| 20 | [携程金融大数据风控算法实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1555856447226) |\n## 唯品会\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [唯品会：在 Flink 容器化与平台化上的建设实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1624402299325) |\n## 华为\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [华为｜联邦学习在广告行业上的探索及应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1661848974049) |\n| 2 | [华为史佳欣：基于知识图谱的复杂问题推理问答](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1653827147921) |\n| 3 | [华为朱杰明：预训练模型在信息流推荐中的应用与探索](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1653715398604) |\n| 4 | [华为云苏嘉：如何整合预训练模型和知识图谱做医疗推理？](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1638494486035) |\n| 5 | [华为云细粒度文本情感分析及应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1614383585667) |\n## 360\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [360 数科｜基于沉淀数据的尾部流量建模方法](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1672735030249) |\n| 2 | [万亿数据秒级响应，Doris 在 360 数科实时数仓中的最佳实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1669614719587) |\n| 3 | [融 360 金融风控系统开发实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1631225280655) |\n| 4 | [2022 届 360 校招提前批推荐算法面试题总结](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1628276420249) |\n| 5 | [融 360 \\| 智能风控模型的自动化迭代](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1625664740686) |\n| 6 | [360 展示广告智能化演进](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1604192697376) |\n| 7 | [360 展示广告召回系统的演进](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1571971895488) |\n| 8 | [360 搜索的百亿级网页搜索引擎架构实现](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1565759838842) |\n| 9 | [深度学习在 360 搜索广告 NLP 任务中的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1563534203590) |\n## 神策数据\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [神策数据营销策略引擎的技术演进](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1667879312834) |\n| 2 | [神策数据 \\| 从技术视角看什么才是值得拥有的 A\u002FB 测试？](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1632793691807) |\n| 3 | [干货篇 \\| 神策数据：机器学习在用户画像中的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1618917659814) |\n| 4 | [用户画像实践：神策数据标签生产引擎架构](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1600384604366) |\n## 哔哩哔哩\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [Trino 在哔哩哔哩湖仓一体化平台中的实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1695786346052) |\n| 2 | [哔哩哔哩｜游戏中心个性化推荐系统实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1690272134493) |\n| 3 | [哔哩哔哩数据服务中台建设实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1688377832991) |\n| 4 | [B 站数据服务中台建设实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1672026069255) |\n| 5 | [哔哩哔哩｜推荐算法在用例排序优化上的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1671626902722) |\n| 6 | [Apache Flink 运行时在 B 站的稳定性优化与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1669864686624) |\n| 7 | [哔哩哔哩｜百亿数据个性化推荐：弹幕工程架构演进](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1669350720155) |\n| 8 | [B 站大数据建设之路—数据开发篇](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1669284894820) |\n## 爱奇艺\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [爱奇艺数据链路治理](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1688378659784) |\n| 2 | [Apache Kyuubi 在爱奇艺的实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1687007840943) |\n| 3 | [爱奇艺数据湖平台建设实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1686133211980) |\n| 4 | [爱奇艺统一实时计算平台建设](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1677689285799) |\n| 5 | [爱奇艺数据湖实战](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1675516126478) |\n| 6 | [猎户座 - 持续打造爱奇艺在用户画像之上的策略引擎！](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1649074601057) |\n| 7 | [爱奇艺智能内容中台｜无人值守的应用与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1637958668987) |\n| 8 | [通用排序框架在爱奇艺推荐的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1636720506676) |\n| 9 | [爱奇艺 TensorFlow Serving 内存泄漏优化实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1632697545247) |\n| 10 | [如何支持亿级用户分流实验？AB 实验平台在爱奇艺的实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1630073648836) |\n| 11 | [万物皆为向量：爱奇艺在线向量召回工程服务化实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1629469017765) |\n| 12 | [Flink 在爱奇艺广告业务的实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1628447652193) |\n| 13 | [爱奇艺搜索排序算法实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1628288752070) |\n| 14 | [爱奇艺娱乐行业完备的知识图谱库落地实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1627689023891) |\n| 15 | [丰富 TF Serving 生态，爱奇艺开源灵活高性能的推理系统 XGBoost Serving](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1627091893598) |\n| 16 | [爱奇艺多语言台词机器翻译技术实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1625844999513) |\n| 17 | [多目标排序在爱奇艺短视频推荐中的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1624916831286) |\n| 18 | [爱奇艺短视频推荐：多兴趣召回篇](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1621123836297) |\n| 19 | [kaggle 爱奇艺视频版权检测全流程（附代码、数据集和课件）](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1618503490727) |\n| 20 | [爱奇艺数据中台的建设实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1618011810715) |\n| 21 | [支持频繁更新、即席查询：ClickHouse 在爱奇艺视频生产的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1618010679357) |\n| 22 | [爱奇艺视频推荐领域的 ANN 检索实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1617925964976) |\n| 23 | [爱奇艺大数据生态的实时数仓建设](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1617062552612) |\n| 24 | [爱奇艺短视频推荐：粗排篇](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1614422394959) |\n| 25 | [爱奇艺数仓平台建设实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1608412224358) |\n| 26 | [爱奇艺机器学习平台的建设实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1607644866535) |\n| 27 | [基于 Apache Flink 的爱奇艺实时计算平台建设实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1595550476879) |\n| 28 | [i 技术会 \\| 爱奇艺效果广告探索与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1586708957622) |\n| 29 | [让 AI“读懂”短视频，爱奇艺内容标签技术解析](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1583079469781) |\n| 30 | [个性化海报在爱奇艺视频推荐场景中的实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1578051599330) |\n| 31 | [在线学习在爱奇艺信息流推荐业务中的探索与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1574147863075) |\n| 32 | [爱奇艺效果广告的个性化探索与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1571312686403) |\n| 33 | [AI 在爱奇艺视频广告中的探索](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1568791882275) |\n| 34 | [爱奇艺短视频软色情识别技术解析](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1551150755371) |\n| 35 | [「回顾」爱奇艺搜索排序模型迭代之路](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1545838182882) |\n## 大疆\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [写在博士旅程之前——前大疆创新技术总监杨硕](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1535425620363) |\n## 新浪\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [内容理解在新浪微博广告中的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1592002116244) |\n## 搜狗\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [「回顾」深度学习新技术在搜狗搜索广告中的深化应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1548405118595) |\n## 搜狐\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [【搜狐】新闻推荐系统的 CTR 预估模型](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1555562786886) |\n| 2 | [搜狐新闻推荐算法原理 \\| “呈现给你的，都是你所关心的”](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1536211854979) |\n## 小红书\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [小红书应对万亿社交网络关系的图存储实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1703676341466) |\n| 2 | [小红书推搜场景下如何优化机器学习异构硬件推理突破算力瓶颈！](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1701686721505) |\n| 3 | [小红书基于数据湖的流批统一存储实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1681711494089) |\n| 4 | [小红书高时效推荐系统背后的技术升级](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1679451572481) |\n| 5 | [小红书广告智能创意能力构建过程详解](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1676566788990) |\n| 6 | [小红书社区反作弊探索与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1675613098825) |\n| 7 | [小红书广告投放机制详解，如何用算法实现全站自动化投放](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1672576858765) |\n| 8 | [小红书近线服务统一调度平台建设实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1670557381807) |\n## CVTE\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [2021 年 6 月 9 日，CVTE NLP 算法岗面试题 5 道](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1626982085596) |\n| 2 | [2021 年 6 月，CVTE NLP 算法岗 4 道面试题分享](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1626890696739) |\n## 拼多多\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [2021 年 6 月底，拼多多搜索广告算法暑假实习面试题 2 道](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1627669377448) |\n| 2 | [2021 年 6 月 6 日 -6 月 16 日，拼多多算法面试 8 道](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1625855860892) |\n| 3 | [拼多多创始人黄峥：我的人生经历和创业理念](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1592430562272) |\n| 4 | [拼多多为什么崛起？这是目前解读最深刻的一篇](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1533400629777) |\n| 5 | [拼多多上市，80 后 CEO 创业 3 年身价 800 亿，背后这 3 个字最值得深思](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1532869729257) |\n## 科大讯飞\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [AI 开放平台 - 科大讯飞](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1652181795356) |\n| 2 | [【算法面经系列】百度、寒武纪、科大讯飞、追一科技、腾讯、作业帮算法面经](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1583735744394) |\n## 微众银行\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [微众银行在联邦推荐算法上的探索及应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1591456163075) |\n## 蘑菇街\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [浅谈蘑菇街大数据标签平台](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1612616259776) |\n| 2 | [蘑菇街增量学习番外篇三：deepFM 的动态正则实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1608409617918) |\n| 3 | [蘑菇街增量学习番外篇二：优化器设计理论篇（AdamW、AdaDeltaW、FTRL）](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1608249273073) |\n| 4 | [蘑菇街增量学习番外篇一：动态正则之 tensorflow 中 div 转 mod 设计（含代码实现）](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1608248865078) |\n| 5 | [蘑菇街首页推荐多目标优化之 reweight 实践：一把双刃剑？](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1605050284291) |\n| 6 | [文本相关性在蘑菇街搜索推荐排序系统中的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1604192286943) |\n| 7 | [蘑菇街 DSP 广告实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1602787186172) |\n| 8 | [蘑菇街首页推荐视频流——增量学习与 wide&deepFM 实践（工程 + 算法）](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1599695935343) |\n## 新东方\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [新东方在线教育实时数仓的落地实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1634858018319) |\n## 快手\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [快手数据成本白盒化治理实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1710046203068) |\n| 2 | [快手推荐系统海量模型数据处理实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1708562068179) |\n| 3 | [快手短视频推荐中的因果推断实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1708325761071) |\n| 4 | [深入浅出快手图数据库：看架构如何让推荐召回更高效](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1706521531544) |\n| 5 | [快手关于因果科学及其工业界应用落地](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1703670011695) |\n| 6 | [如何成为好的数据产品经理？-快手数据平台负责人](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1702989322036) |\n| 7 | [快手 Dragonfly 策略引擎的设计与应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1702896931474) |\n| 8 | [快手指标体系的管理驾驶舱场景应用实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1701251105460) |\n| 9 | [快手3D数字人直播互动解决方案](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1700355815551) |\n| 10 | [快手强化学习与多任务推荐](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1699440301242) |\n| 11 | [Flink on K8s在快手的实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1698109231654) |\n| 12 | [快手内容冷启动推荐模型实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1697108121186) |\n| 13 | [Blaze：SparkSQL Native 算子优化在快手的设计与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1684655112016) |\n| 14 | [快手流批一体数据湖构建实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1684130674439) |\n| 15 | [快手增长渠道数据产品实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1680759250464) |\n| 16 | [快手双边市场的复杂实验设计问题](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1678514401484) |\n| 17 | [快手商业化数据产品建设经验](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1678359601840) |\n| 18 | [快手指标中台系列 - 快手指标中台发展史及经验教训](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1675612766523) |\n| 19 | [快手推荐系统精排模型实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1675233759039) |\n| 20 | [基于表征学习的因果推断技术在快手的实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1674628506319) |\n| 21 | [快手分布式高性能图平台 KGraph 及其应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1674627459316) |\n| 22 | [快手异质性因果效应模型构建及应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1667044053579) |\n| 23 | [快手端智能—移动端部署推荐系统：快手获数据挖掘顶会 CIKM 2022 最佳论文](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1666358567268) |\n| 24 | [快手单机千万 QPS 的分布式图数据库 KGraph 的实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1663500281088) |\n| 25 | [「繁星」：快手搜索在向量检索方向的探索和实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1663498700156) |\n| 26 | [Flink 引擎在快手的深度优化与生产实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1657360082522) |\n| 27 | [宛言：爆款素材识别在快手的应用与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1657116210341) |\n| 28 | [快手牛亚男：基于多 Domain 多任务学习框架和 Transformer，搭建快手精排模型](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1654101558810) |\n| 29 | [罗清：对比学习在快手推荐排序的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1653712690576) |\n| 30 | [渠江涛：重排序在快手短视频推荐系统中的演进](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1644883063745) |\n| 31 | [快手基于 Flink 构建实时数仓场景化实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1630198378731) |\n| 32 | [快手基于 Flink 的实时计算持续优化与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1614731672830) |\n| 33 | [Flink 在快手的实践与创新](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1613168983154) |\n| 34 | [快手 \\| 端上智能在快手上下滑推荐取得 APP 时长 +1% 的应用实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1607458709963) |\n| 35 | [快手 HBase 在千亿级用户特征数据分析中的应用与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1563816249571) |\n| 36 | [快手万亿级别 Kafka 集群应用实践与技术演进之路](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1558077716919) |\n| 37 | [AIQ - AI \\| 快手 AI 技术副总裁郑文：为什么说 AI 是短视频平台的核心能力](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1532522291362) |\n## 小米\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [小米 OLAP 引擎在 Trino 的应用实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1709201451791) |\n| 2 | [小米数据生产平台的产品设计方法与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1701866141364) |\n| 3 | [小米指标体系的建设及管理最佳实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1701169233772) |\n| 4 | [小米数据中台建设实践赋能业务增长](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1700045111985) |\n| 5 | [小米数据开发平台架构实践——数据开发的生产环境隔离](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1689326702023) |\n| 6 | [数据湖 Iceberg 在小米的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1688027706366) |\n| 7 | [小米大数据存储服务的数据治理实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1676784093020) |\n| 8 | [小米电商推荐算法 CVR 模型实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1670428451105) |\n| 9 | [干货 \\| 小米 A\u002FB 实验场景查询提速：数据预聚合方案](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1669863822888) |\n| 10 | [BI 平台在小米的实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1669187231913) |\n| 11 | [NLP 技术在小米语音助手中的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1668957690145) |\n| 12 | [干货 \\| CTR 预估技术在小米海外广告的探索与应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1668689352788) |\n| 13 | [图谱问答在小米小爱中的实践探索](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1663743157596) |\n| 14 | [Apache Flink 在小米的稳定性优化和实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1663339170413) |\n| 15 | [Flink 流批一体在小米的实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1650413489842) |\n| 16 | [崔世起：小米小爱同学无效 Query 识别](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1647822608206) |\n| 17 | [小米在知识表示学习的探索与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1625104157237) |\n| 18 | [知识图谱在小米的应用与探索](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1605447622411) |\n| 19 | [基于 Apache Doris 的小米增长分析平台实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1602420868165) |\n| 20 | [小米移动搜索中的 AI 技术](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1558597039005) |\n| 21 | [雷军：小米创业 8 年内部影像首次公开 看完我心里边都是一团火](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1532870252757) |\n| 22 | [AIQ - 深度 \\| 市值 465 亿美元的小米八年往事](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1531226827263) |\n## 金山\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [网络安全就是金山银山，你的企业做到了吗？](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1664428852700) |\n## Hulu\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [Hulu 在 Content Embedding 的探索与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1611957527221) |\n## 优酷\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [万字长文 \\| 详解优酷视频质量评价体系](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1617926511225) |\n| 2 | [阿里 \\| 优酷大数据 OLAP 技术选型](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1606261598965) |\n| 3 | [优酷提出基于图执行引擎的算法服务框架，系统架构概览](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1597963956231) |\n| 4 | [优酷视频元素内容召回系统：多级多模态引擎探索](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1594262153836) |\n| 5 | [阿里文娱优酷视频搜索算法应用实践与思考](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1587427764655) |\n| 6 | [优酷 DSP 广告投放系统架构实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1575911166898) |\n## eBay\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [“亿”论 AI 之四 \\| eBay 离线特征仓库的构建与应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1666926365105) |\n| 2 | [“亿”论 AI ｜eBay 统一在线特征服务](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1665729282419) |\n| 3 | [“亿”论 AI ｜eBay 近实时特征工程](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1664519275746) |\n| 4 | [“亿”论 AI｜基于中心化元数据及配置驱动的 eBay AI 特征工程管理平台](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1663338411775) |\n| 5 | [eBay \\| 图神经网络在支付风控中的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1626394899555) |\n| 6 | [eBay \\| 亿展宏图 第二篇 \\| 图算法在 eBay 支付风控领域的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1624800419787) |\n| 7 | [eBay \\| 亿展宏图 第一篇— 两张图入门图算法](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1624052925752) |\n## 虎牙\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [虎牙平台数据驱动业务实践，破局在即！](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1702030211978) |\n| 2 | [虎牙“数据服务+自助”产品化实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1677754801102) |\n| 3 | [虎牙直播用户增长中台算法与工程实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1661955836992) |\n| 4 | [虎牙大数据平台的成本把控和 SLA 技术实践经验](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1660220006397) |\n| 5 | [张枫：计算机视觉技术在虎牙直播中的实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1657949363566) |\n| 6 | [虎牙 \\| 刘柏芳：弹性分布式训练在虎牙的实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1651105483689) |\n| 7 | [陈剑：虎牙实时计算平台服务的 SLA 之路](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1650206141534) |\n| 8 | [李茶：虎牙直播推荐系统架构详解](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1646267319366) |\n| 9 | [无监督算法在虎牙风控的探索实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1632001022244) |\n## 字节跳动\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [字节跳动数据集成引擎 BitSail 开源架构演进和实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1708427470969) |\n| 2 | [字节跳动A\u002FB测试最佳实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1681380622197) |\n| 3 | [Presto 在字节跳动的实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1679307022905) |\n| 4 | [字节跳动极高可用 KV 存储系统详解](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1678875051815) |\n| 5 | [字节跳动数据血缘技术实现与具体用例](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1677391201082) |\n| 6 | [字节跳动湖平台在批计算和特征场景的实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1677084749165) |\n| 7 | [字节跳动一站式数据治理思考及实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1671014968331) |\n| 8 | [字节跳动下一代 A\u002FB 实验系统思考](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1669615433139) |\n| 9 | [字节跳动数据中台的 Data Catalog 系统搜索实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1669013131069) |\n| 10 | [深度解析字节跳动开源数据集成引擎 BitSail](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1667717335635) |\n| 11 | [字节跳动流式数仓和实时分析服务的思考和实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1666165682401) |\n| 12 | [字节跳动｜初探自然语言预训练技术演进之路](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1664282722750) |\n| 13 | [字节跳动｜自研万亿级图数据库 ByteGraph 及其应用与挑战](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1662301908875) |\n| 14 | [字节跳动｜数据血缘图谱升级方案设计与实现](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1660890321972) |\n| 15 | [刘石伟：字节跳动埋点数据流建设与治理实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1657080263743) |\n| 16 | [字节跳动｜智能问答：基于 BERT 的语义模型](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1654531453879) |\n| 17 | [实时数据湖在字节跳动的实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1653724594892) |\n| 18 | [【干货篇】字节跳动：文本归一化与中文纠错](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1653674012600) |\n| 19 | [辛涛：字节跳动机器学习系统云原生落地实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1645392079866) |\n| 20 | [字节跳动 \\| 无人测试流水线建设之业务实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1643750967852) |\n| 21 | [2021 年 9 月底 -- 字节跳动 NLP 岗位（抖音）面试题分享](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1636137934383) |\n| 22 | [字节跳动是怎么做全链路压测的？](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1632794968855) |\n| 23 | [字节跳动全链路压测 (Rhino) 的实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1608565990587) |\n| 24 | [字节跳动 Flink 单点恢复功能实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1600725721301) |\n| 25 | [字节跳动—实习算法面经](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1589371907339) |\n| 26 | [字节跳动混沌工程实践总结](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1588002031057) |\n| 27 | [字节跳动核心竞争力到底是什么？](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1586245872683) |\n| 28 | [字节跳动自研万亿级图数据库 & 图计算实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1583079309385) |\n| 29 | [除了抖音和头条，字节跳动的 AI 实力有多强？](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1542889661894) |\n## 汽车之家\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [基于 Milvus 的向量检索平台实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1671337409850) |\n| 2 | [汽车之家 \\| 广告内容自动化投放的技术思考和方案](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1667399953849) |\n| 3 | [汽车之家｜面向推荐的汽车知识图谱构建](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1660275230621) |\n| 4 | [汽车之家推荐系统架构迭代之路](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1655983346605) |\n| 5 | [汽车之家推荐系统 AB 实验平台](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1648169446197) |\n| 6 | [汽车之家基于 Flink 的实时计算平台 3.0 建设实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1646950810964) |\n| 7 | [Apache Flink 在汽车之家的应用与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1632793503228) |\n| 8 | [汽车之家离线计算平台建设实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1630369089310) |\n| 9 | [汽车之家湖仓一体架构实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1625965149198) |\n| 10 | [汽车之家电商平台秒杀系统架构实现](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1597241245886) |\n| 11 | [汽车之家机器学习平台的架构与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1593651385422) |\n| 12 | [汽车之家如何构建用户画像](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1588868535230) |\n| 13 | [汽车之家推荐系统排序算法迭代之路](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1582903309416) |\n## 腾讯\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [腾讯音乐在音质 AIGC 的应用与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1710119111536) |\n| 2 | [腾讯金融 AI 开发平台落地实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1708858257401) |\n| 3 | [AB实验「坑」贼多？腾讯搜索实验有妙招！](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1706868331800) |\n| 4 | [腾讯数据采集治理之质量篇-从合规到合理](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1706532921516) |\n| 5 | [腾讯(大禹投放平台)用户LTV建模技术研究和实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1703758811308) |\n| 6 | [腾讯欧拉平台产品经理：如何做一款好的数据平台？](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1703756015737) |\n| 7 | [腾讯TRS在线搜参在搜推广业务中的探索和实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1700960451525) |\n| 8 | [腾讯 PCG 数据治理体系](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1700736322144) |\n| 9 | [腾讯欧拉t-Metric指标中台实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1697850216764) |\n| 10 | [AB实验在腾讯海外游戏中的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1689590712045) |\n| 11 | [腾讯大数据平台大脑AI探索与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1689326765276) |\n| 12 | [腾讯TRS之元学习与跨域推荐的工业实战](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1689069975558) |\n| 13 | [OneRec系列之知识图谱增强的腾讯视频推荐算法](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1687623911502) |\n| 14 | [腾讯欧拉如何打造数据自治系统](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1686624632380) |\n| 15 | [因果推断在腾讯 PCG 中台的落地实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1684051435058) |\n| 16 | [数据科学在腾讯内容生态中的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1683541801343) |\n| 17 | [腾讯内容生态实时信号系统实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1683180351333) |\n| 18 | [腾讯天穹 SuperSQL：统一大数据自适应计算平台技术解析](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1681985132899) |\n| 19 | [腾讯如何用因果推断扩大游戏帝国海外版图？](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1680826832384) |\n| 20 | [深度 UPLIFT 模型在腾讯金融用户增长场景中的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1679637932425) |\n| 21 | [腾讯数据平台 saas 化实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1678532401865) |\n| 22 | [腾讯自研机器学习平台“太极”八年进化之路](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1677688581518) |\n| 23 | [微信全文搜索耗时降 94%？我们用了这种方案](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1676909300095) |\n| 24 | [腾讯广告模型基于\"太极\"的训练成本优化实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1676810973616) |\n| 25 | [腾讯Alluxio（DOP）在金融场景的落地与优化实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1676810486698) |\n| 26 | [腾讯智能写作助手“文涌”（Effidit）关键技术揭秘](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1676809138032) |\n| 27 | [腾讯文本理解系统 TexSmart 中的细粒度实体识别关键技术](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1676784387721) |\n| 28 | [​广告场景下双边市场的实验设计](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1676213536875) |\n| 29 | [微信搜一搜在线检索技术演进复盘](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1676093095035) |\n| 30 | [腾讯灯塔融合引擎的设计与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1675512908988) |\n| 31 | [腾讯数据治理技术实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1675250605564) |\n| 32 | [腾讯技术｜如何开发一个 Feeds 流系统——写扩散模式](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1670156963186) |\n| 33 | [腾讯内容千亿级实时计算和规则引擎实践优化之路](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1668481851325) |\n| 34 | [腾讯 Angel Graph 图计算框架在智能风控中的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1666940589826) |\n| 35 | [Flink 在腾讯的使用与稳定性优化实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1665409421592) |\n| 36 | [腾讯 QQ 浏览器搜索场景下的智能实体推荐](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1664170614055) |\n| 37 | [腾讯大数据协同中的隐私与可靠性保护—TEE 上的分布式计算实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1663339560996) |\n| 38 | [腾讯音乐评论审核、分类与排序算法技术](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1662704909919) |\n| 39 | [腾讯技术｜深度模型推理加速的术与道](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1662281420188) |\n| 40 | [腾讯百亿级大规模内容处理中台实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1661957465389) |\n| 41 | [腾讯云实现时序搜索引擎：日志检索性能提升 40 倍](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1661525190121) |\n| 42 | [腾讯技术｜吴喆：全民 K 歌直播推荐系统详解](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1661168962310) |\n| 43 | [腾讯技术｜消息队列基本原理和选型对比](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1660704780716) |\n| 44 | [腾讯 PCG 数据中台 DEVOPS 和 AIOPS 实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1659538474593) |\n| 45 | [腾讯音乐栾鹏：cube-studio 开源一站式云原生机器学习平台](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1659103862965) |\n| 46 | [腾讯音乐的新一代歌曲识别技术](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1657948926437) |\n| 47 | [无量深度学习系统在腾讯推荐类业务的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1657359666585) |\n| 48 | [杨韬：微信搜一搜中的智能问答技术](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1655535180223) |\n| 49 | [腾讯信息流亿级相似视频识别技术架构优化实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1655440520457) |\n| 50 | [罗强：腾讯新闻如何处理海量商业化数据？](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1654103180154) |\n| 51 | [李晓亮：腾讯搜索词推荐算法探索实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1652634100366) |\n| 52 | [腾讯技术 \\| 后台自动化测试与持续部署实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1650412336148) |\n| 53 | [腾讯技术 \\| 超强指南！推荐算法架构——重排](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1649379778560) |\n| 54 | [腾讯技术 ｜ 深入解读腾讯云微搭低代码的技术架构！](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1647651607100) |\n| 55 | [腾讯技术｜微信全文搜索技术优化实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1647293789632) |\n| 56 | [腾讯音乐 \\| QQ 音乐命名实体识别技术](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1646431229793) |\n| 57 | [腾讯音乐知识图谱搜索实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1644176692457) |\n| 58 | [杨宇鸿：腾讯多模态内容理解技术及应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1643044522608) |\n| 59 | [腾讯音乐多模态音乐匹配技术与应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1642284119123) |\n| 60 | [实时性提升 4000 倍？图数据库在腾讯业务中的应用实践！](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1640649431707) |\n| 61 | [腾讯技术 \\| 微信图片翻译技术优化之路](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1640457596841) |\n| 62 | [腾讯技术 \\| Al 与推荐技术在腾讯 QQ 浏览器的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1638795882220) |\n| 63 | [腾讯 \\| 互联网知识图谱的构建及应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1638144329101) |\n| 64 | [腾讯金融研究院 \\| 寻找最优数字规则框架](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1635462257528) |\n| 65 | [兴趣搜索在腾讯看点的探索与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1634927714018) |\n| 66 | [腾讯 CTR 建模过程中的实践总结](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1634679557947) |\n| 67 | [开奖了 \\| 揭秘 2022 届美团和腾讯校招薪资，香水团完全不输鹅厂！](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1634478955073) |\n| 68 | [腾讯 \\| 智能批改技术实践与探索](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1634258676656) |\n| 69 | [Impala 在腾讯金融大数据场景中的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1633618484453) |\n| 70 | [腾讯技术 \\| QQ 浏览器智能问答技术探索实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1632697172079) |\n| 71 | [腾讯基于预训练模型的文本内容理解实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1631491601225) |\n| 72 | [腾讯基于兴趣点图谱的内容理解](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1630676224202) |\n| 73 | [2021 年 7 月中旬，腾讯 PGB,NLP 算法面试题 6 道！](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1630347207779) |\n| 74 | [腾讯技术 \\| 揭秘 Feed 信息流推荐背后的系统设计](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1628640265887) |\n| 75 | [腾讯技术 \\| 自动化接口测试实践经验](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1628117222607) |\n| 76 | [腾讯 \\| 布隆过滤器原理与应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1627092207876) |\n| 77 | [2021 年 4 月底，腾讯应用研究岗暑期实习面试题 12 道](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1625509449575) |\n| 78 | [4 月 22 日 -5 月 7 日腾讯 nlp 算法实习面试题](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1621961700187) |\n| 79 | [腾讯企业微信万亿级日志检索系统](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1621470029460) |\n| 80 | [我们和腾讯 T16 级专家聊了聊：在 AI 领域深耕的那些年](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1618954887732) |\n| 81 | [腾讯音乐：全民 K 歌推荐后台架构](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1617404608936) |\n| 82 | [腾讯音乐：全民 K 歌内容挖掘与召回](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1617404077294) |\n| 83 | [腾讯游戏实时计算应用平台建设实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1617147763294) |\n| 84 | [多目标排序模型在腾讯 QQ 看点推荐系统中的应用实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1616884898601) |\n| 85 | [腾讯音乐：全民 K 歌推荐系统架构及粗排设计](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1615248202348) |\n| 86 | [腾讯实时计算平台优化实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1612741120601) |\n| 87 | [腾讯全场景实时数仓建设实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1612218459012) |\n| 88 | [腾讯 \\| 知识图谱补全技术](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1608771620145) |\n| 89 | [腾讯云 Elasticsearch 集群多可用区容灾实现原理及最佳实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1608409908868) |\n| 90 | [腾讯技术 \\| 数据分析利器：XGBoost 算法最佳解析](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1607644635233) |\n| 91 | [腾讯 \\| 大幅降低存储成本，Elasticsearch 可搜索快照是如何办到的？](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1607388245749) |\n| 92 | [腾讯微信 \\| 看一看实时相关推荐，满足你对同主题文章的“意犹未尽”](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1606440697191) |\n| 93 | [腾讯技术 \\| 用万字长文聊一聊 Embedding 技术](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1605749293254) |\n| 94 | [腾讯看点视频推荐索引构建方案](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1605139216813) |\n| 95 | [腾讯 \\| 搜你所想，从 Query 意图识别到类目识别的演变](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1604584483403) |\n| 96 | [腾讯技术 \\| 新一代搜索引擎项目 ZeroSearch 设计探索](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1604358516545) |\n| 97 | [腾讯技术 \\| 交互式分析领域，为何 ClickHouse 能够杀出重围？](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1603414372197) |\n| 98 | [Angel：深度学习在腾讯广告推荐系统中的实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1602848152919) |\n| 99 | [亿级用户，腾讯看点信息流推荐系统的架构挑战](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1601502778776) |\n| 100 | [腾讯 \\| 从零开始了解推荐系统全貌](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1601290232724) |\n| 101 | [腾讯信息流热点挖掘技术实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1600300143698) |\n| 102 | [腾讯 \\| 深度 CTR 预估模型在应用宝推荐系统中的探索](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1599341548357) |\n| 103 | [Embedding 在腾讯应用宝的推荐实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1597886208439) |\n| 104 | [腾讯技术工程 \\| 推荐系统 embedding 技术实践总结](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1593023333222) |\n| 105 | [腾讯万亿级 Elasticsearch 内存效率提升技术解密](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1591454343821) |\n| 106 | [超强整理，非科班硕士的算法面经 (阿里 腾讯 字节 美团)](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1589071073376) |\n| 107 | [【腾讯】揭秘微信 \"看一看\" 是如何为你推荐的](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1585678981266) |\n| 108 | [【算法面经系列】百度、寒武纪、科大讯飞、追一科技、腾讯、作业帮算法面经](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1583735744394) |\n| 109 | [【算法面经系列】头条 + 腾讯 算法工程师面经（NLP 实习）](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1583735561913) |\n| 110 | [腾讯万亿级 Elasticsearch 技术解密](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1578467057645) |\n| 111 | [腾讯信息流内容理解技术实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1575291150675) |\n| 112 | [NIPS2018 \\| 腾讯 AI Lab 入选 20 篇论文，含 2 篇 Spotlight](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1545494829396) |\n| 113 | [每日生产万亿消息数据入库，腾讯如何突破大数据分析架构瓶颈](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1543385235343) |\n| 114 | [腾讯内容平台系统的架构实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1538841729285) |\n| 115 | [【转自知乎】当下（2018 年）腾讯的技术建设是否处于落后同体量公司的状态？](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1538026693169) |\n| 116 | [腾讯联合创始人张志东：发光的人要能拿得起，放得下](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1533400408294) |\n| 117 | [AIQ - AI \\| 32 篇论文、7 大事业群，这是腾讯在斯德哥尔摩的 AI 之夜](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1532182155473) |\n## VIPKID\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [VIPKID 一二面面经 (算法工程师)](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1533221758061) |\n## 好未来\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [好未来暑期算法实习面试题 5 道](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1624472047372) |\n| 2 | [5 月 24 日 -5 月 27 日，好未来算法实习岗面试题 8 道](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1623857894301) |\n## 谷歌\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [谷歌终于开源大模型啦！！！](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1709174420780) |\n| 2 | [谷歌deepmind开源Gemma技术报告](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1709020531028) |\n| 3 | [Google 技术 \\| 蓝昶：谷歌分布式机器学习优化实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1647651051914) |\n| 4 | [写给开发者的谷歌技术面试终极通关指南](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1561568669839) |\n| 5 | [谷歌、阿里、微软等 10 大深度学习 CTR 模型最全演化图谱【推荐、广告、搜索领域】](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1557332028652) |\n| 6 | [前员工揭内幕：10 年了，为何谷歌还搞不定知识图谱？](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1551242168499) |\n| 7 | [NLP-BERT 谷歌自然语言处理模型：BERT- 基于 pytorch](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1546409152644) |\n| 8 | [两位拯救谷歌的超级工程师的故事：计算机界最好的结对编程榜样](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1545025674447) |\n## 百度\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [百度基云原生的推荐系统架构设计实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1708427451810) |\n| 2 | [百度推荐排序技术的思考与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1704698422115) |\n| 3 | [百度视频推荐跨域多目标预估与融合的实践和思考](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1701339351484) |\n| 4 | [多域图大模型在百度推荐系统的实践与思考](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1697537065809) |\n| 5 | [（一文读懂大数据行业）-面向百度商业数据产品的全流程 DataOps 实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1696839903291) |\n| 6 | [百度关于互联互通的思考与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1682589921499) |\n| 7 | [百度｜精准水位在流批一体数据仓库的探索和实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1679932717568) |\n| 8 | [百度｜从稀疏表征出发、召回方向的前沿探索](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1678778034196) |\n| 9 | [百度基于 GPU 的超大规模离散模型训练框架 PaddleBox 与 FeaBox](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1678605301378) |\n| 10 | [百度文档智能技术与应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1677582000610) |\n| 11 | [飞桨PaddleNLP 设计理念与产业实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1677420000614) |\n| 12 | [度小满自动机器学习平台实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1676783545316) |\n| 13 | [百度 PLATO 在大模型推动的人机交互对话中的实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1674623792593) |\n| 14 | [百度信息流和搜索业务中的弹性近线计算探索与应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1673613734517) |\n| 15 | [百度 Feed 稳定性架构实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1673581413481) |\n| 16 | [百度流批一体的实时多维分析实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1673188017615) |\n| 17 | [百度云原生 AI ","\u003Cp align=\"center\">\n \u003Cimg width=\"300px\" src=\"https:\u002F\u002Fwww.6aiq.com\u002Fimages\u002Flogo.png\"\u002F>\n \u003Cbr>中文 | \u003Ca href=\"README_en.md\">English\u003C\u002Fa>\n \u003Cbr>全面整理高质量的人工智能、机器学习、大数据等技术资料。内容主要来自开源项目官网、综合技术网站（AIQ 、InfoQ、Stackoverflow、Github 等、国内外知名互联网公司技术博客(FAANG、Alibaba、Meituan etc)、知名技术公众号(DatafunTalk、阿里技术等)。\n\u003Cb>该文档每天自动更新\u003C\u002Fb>\u003C\u002Fp>\n\n**我们有一个梦想**：随着全球工业界在AI道路上的不断探索与沉淀，笔耕不缀，很多很多年后， AIQ终将成为人工智能领域的“史家之绝唱，无韵之离骚”。——“苦练基本功”\u003Cbr>\n**我们有一个梦想**：随着工业界不断的分享实践，未来无数的AI工程师们都能在这里找到解决方案、对标前沿，收获志同道合的朋友。智能时代里遍地生花、百家争鸣。——“坚持做正确的事，而不是容易的事”\u003Cbr>\n**我们有一个梦想**：随着不断提升人工智能技术信息获取的效率，降低信息不对称壁垒，加速行业周期，助力人类智 能化的翅膀飞的更高更远！——“每天前进三十公里”\u003Cbr>\n\n\u003Cp align=\"center\">\n \u003Ca href=\"https:\u002F\u002Fimg.6aiq.com\u002F2021\u002F10\u002Fqrcode_for_gh_55a79183406f_430-27ebd613.jpg\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FTalk-公众号-brightgreen.svg?style=popout-square\" alt=\"WeiXin\">\u003C\u002Fa>\n \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fcbamls\u002FAI_Tutorial\u002Fstargazers\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fstars\u002Fcbamls\u002FAI_Tutorial.svg?style=popout-square\" alt=\"GitHub stars\">\u003C\u002Fa>\n \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fcbamls\u002FAI_Tutorial\u002Fissues\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fissues\u002Fcbamls\u002FAI_Tutorial.svg?style=popout-square\" alt=\"GitHub issues\">\u003C\u002Fa>\n \u003Ca href=\"https:\u002F\u002Fwww.6aiq.com\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FAIQ-AIQ人工智能社区-red.svg?style=popout-square\" alt=\"AIQ\">\u003C\u002Fa>\n\u003C\u002Fp>\n\u003Cdiv style=\"color: red; font-size: 10px\">推广、广告、招聘、投稿、合作 侵权请联系邮箱\u003C\u002Fdiv>\n\n\n> Github：https:\u002F\u002Fgithub.com\u002Fcbamls\u002FAI_Tutorial\u003Cbr>\n> Website: https:\u002F\u002Fwww.6aiq.com \u003Cbr>\n> Mail: 88cbam@gmail.com \u003Cbr>\n> 加我微信: wx_vchar \u003Cbr>\n---\n\n# 滚动周报\n\n> 注：算法大牛本周发布的笔记汇总，统计区间(2024-04-08 ~ 2024-04-15), 本周报更新时间:2024-04-15 15:03:27\n\n| 序号 | 佳作 | 作者 | 时间 |\n| --- | --- | --- | --- |\n| 1 | [图解大模型计算加速系列：vLLM源码解析2，调度器策略(Scheduler)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F692540949) | 猛猿 | 2024-04-15 13:17:50 |\n| 2 | [大模型高速下载常用的的几种方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F692475654) | 大林 | 2024-04-15 07:59:28 |\n| 3 | [大模型 \\| meta2024 wukong: 推荐模型本身如何做大](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F692460232) | 亦一 | 2024-04-15 00:00:02 |\n| 4 | [揭秘NVIDIA大模型推理框架：TensorRT-LLM](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F692445786) | DataFunTalk | 2024-04-14 21:14:33 |\n| 5 | [ChatBI：基于文心一言的生成式数据分析技术探索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F692442114) | DataFunTalk | 2024-04-14 20:45:05 |\n| 6 | [最新综述 \\| A Review of Graph Neural Networks in Epidemic Modeling](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F692367021) | Houye | 2024-04-14 08:53:09 |\n| 7 | [懂车帝数据指标体系建设和应用实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F692112830) | DataFunTalk | 2024-04-12 14:07:40 |\n| 8 | [DataOps 在联通数科的实践 构建数据治理研发运营一体化能力](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F692109402) | DataFunTalk | 2024-04-12 13:59:03 |\n| 9 | [如何快速提高大模型的向量表征效果能力？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F692009751) | 刘聪NLP | 2024-04-11 22:36:46 |\n| 10 | [尺寸魔方：AIGC赋能下的视觉创意智能延展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691972924) | 阿里妈妈技术 | 2024-04-11 18:08:12 |\n| 11 | [时间序列 AI 技术与大模型：蚂蚁集团的实践与应用探索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691920410) | DataFunTalk | 2024-04-11 14:58:03 |\n| 12 | [导师：瞒着我发水刊，你退学吧！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691823700) | Houye | 2024-04-11 06:20:35 |\n| 13 | [我发现了两个很好用的kimi插件](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691575336) | 大林 | 2024-04-09 20:24:25 |\n| 14 | [大模型微调方案设计和能力整合](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691561328) | DataFunTalk | 2024-04-09 18:37:24 |\n| 15 | [Apache Spark在小米的生产实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691487374) | DataFunTalk | 2024-04-09 13:54:06 |\n| 16 | [轻量微调技术：如何运用有限数据实现高效微调](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691456279) | DataFunTalk | 2024-04-09 11:50:13 |\n| 17 | [迈向公平图学习的新基准：电子科大等发布全新综合数据集和统一评估方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691405551) | Houye | 2024-04-09 05:37:24 |\n| 18 | [RAG系统中答案无关片段对LLMs生成答案有何影响？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691370554) | 刘聪NLP | 2024-04-08 20:50:36 |\n| 19 | [理想汽车基于Flink on K8s的数据集成实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691295601) | DataFunTalk | 2024-04-08 15:01:04 |\n| 20 | [大数据安全治理与防范——网址反欺诈实战](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691280368) | DataFunTalk | 2024-04-08 14:03:49 |\n| 21 | [当大语言模型遇见推荐系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691246967) | DataFunTalk | 2024-04-08 11:03:26 |\n| 22 | [自那之后，heygen更新了蛮多功能的](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691201705) | 大林 | 2024-04-08 07:34:48 |\n\n# 大牛笔记\n * [DataFunTalk](#datafuntalk)\n * [朱翔宇](#朱翔宇)(「炼丹笔记 」「阿里云天池大赛赛题解析」作者,《阿里云天池大赛赛题解...)\n * [机智的叉烧](#机智的叉烧)(OPPO对话算法，公众号：CS的陋室,个人微信公众号：CS的陋室，N...)\n * [大师兄](#大师兄)(《深度学习高手笔记》系列丛书作者,通过和 @人民邮电出版社 的合作，...)\n * [刘聪NLP](#刘聪nlp)(专业炼丹师，专治疑难杂症,NLP算法工程师，个人微信：logCong...)\n * [北冥乘海生](#北冥乘海生)(大数据仁波切 公号“计算广告”(Comp_Ad),《计算广告》作者，...)\n * [李rumor](#李rumor)(公众号「李rumor」，AI算法小姐姐，谷歌开发者专家,还没呢。...)\n * [鱼遇雨欲语与余](#鱼遇雨欲语与余)(公众号：Coggle数据科学，《机器学习算法竞赛实战》作者,一对一学...)\n * [亦一](#亦一)(公众号：播播笔记(推荐算法)，吾之(生活思考),在不堪一击的现实里还...)\n * [张小磊](#张小磊)(小小又大大的梦想,小小又大大的梦想。...)\n * [sliderSun](#slidersun)(https:\u002F\u002Fgithub.com\u002FsliderSun,https...)\n * [绝密伏击](#绝密伏击)(九天惊雷撼乾坤，一指破空九万里,一位篮球爱好者。...)\n * [Houye](#houye)(化学本，计算机博。私信不看，有问题付费咨询。,微信Houye93 公...)\n * [Microstrong](#microstrong)(微信公众号：Microstrong，大规模分布式算法工程师,欢迎关注...)\n * [石塔西](#石塔西)(CDA持证人，推荐算法说书人～公众号：推荐道,如果有问题咨询，请走“...)\n * [阿水](#阿水)(公众号【Coggle数据科学】,数据挖掘\u002F计算机视觉从业者\n数据竞赛...)\n * [吴海波](#吴海波)(机器学习,蘑菇街VP，WeShop全球化。...)\n * [王喆](#王喆)(广告\u002F推荐 Engineering Manager,广告\u002F推荐, E...)\n * [zenRRan](#zenrran)(公众号：「深度学习自然语言处理」，小小NLPer~,不做螺丝钉，学以...)\n * [琦琦](#琦琦)(一个爱跳舞 的程序猿,建议尽量不要私信我，极有可能漏看。\n有疑问可在...)\n * [吴恩达](#吴恩达)\n * [阿里妈妈技术](#阿里妈妈技术)\n * [蘑菇先生](#蘑菇先生)(个人公众号: 蘑菇先生学习记 & 某大厂算法工程师。,胜不骄，败不馁...)\n * [张俊林](#张俊林)(你所不知道的事,Heil Hydra！嗯。...)\n * [大林](#大林)\n * [缄默笔记](#缄默笔记)(公众号\"缄默笔记\"，分享推荐系统学习笔记,...)\n * [King James](#king-james)(公众号：KingJames讲策略，算法出身的策略产品；,1. 专注于...)\n * [猛猿](#猛猿)(公众号：大猿搬砖简记,学习和职业历程：\n会计➡️算法➡️大数据➡️算...)\n * [李沐](#李沐)(https:\u002F\u002Fgithub.com\u002Fmli。...)\n * [策略产品Arthur](#策略产品arthur)\n * [Keep Learning](#keep-learning)\n * [何枝](#何枝)(欣赏每一个用逻辑阐述观点的人，不喜欢无论据的情绪输出。,笑一个吧，功...)\n * [潘润琦](#潘润琦)(一只菜鸡 木有学上,...)\n * [衣介书生](#衣介书生)(打工人，公众号：后厂村搬砖工，欢迎关注,#打工人 #互联网 #推荐算...)\n * [姚凯飞](#姚凯飞)(喜欢数学的算法工程师,码农，欢迎关注我的微信公众号: data_al...)\n * [JioNLP团队](#jionlp团队)(开源JioNLP千星作者，公众号JioNLP，数据分析,jionlp...)\n * [Ostrich](#ostrich)(厚积薄发,分享互联网技术和成长经验。...)\n * [Young](#young)(公众号【Young样说】探索前沿有趣的科技AI见闻,- 清华大学本科...)\n * [冯伟](#冯伟)(推荐系统,混迹推荐系统的小码农。...)\n * [杨旭东](#杨旭东)\n * [iwtbs](#iwtbs)(公众号：推荐广告算法小木屋,推荐算法工程师。...)\n * [萧瑟](#萧瑟)(王哲，广告\u002F推荐\u002F深度学习\u002FNLP，知乎专栏：炼丹实验室,http:...)\n * [风控大鱼](#风控大鱼)(互联网风控\u002F风险模型\u002F反洗钱（公众号：风控大鱼）,Nothing w...)\n * [一两赘肉无](#一两赘肉无)(和鲸社区运营，heywhale.com,...)\n * [Peter PanXin](#peter-panxin)(AI 大数据 分布式系统,Colossus, Spanner, IA...)\n * [归来仍是少年](#归来仍是少年)(欢迎大家关注公众号《我爱自然语言处理》,做自然语言处理方向，kagg...)\n * [Tang AI](#tang-ai)(在机器学习中欲仙欲死,神经病王子，佛系，网瘾少年。...)\n * [Andy Yang](#andy-yang)(生活、学习、思考和观察世界,自由之精神 独立之思想。...)\n * [机器学习推荐算法](#机器学习推荐算法)\n * [yanianthe](#yanianthe)(炒股被抄家的前大厂程序员@不掉发就是胜利。,你好呀，交个朋友。...)\n * [王峰](#王峰)(http:\u002F\u002Fhappynear.wang\u002F。...)\n * [kaiyuan](#kaiyuan)\n * [北冥有鱼](#北冥有鱼)(zepengzhang.com。...)\n * [九老师](#九老师)\n * [黑猫白猫cutecat](#黑猫白猫cutecat)\n * [arXivDaily](#arxivdaily)\n * [bytecoder](#bytecoder)\n * [PaperWeekly](#paperweekly)(欢迎关注同名微信公众号：PaperWeekly,厚积薄发。...)\n * [网络人工智能园地](#网络人工智能园地)(华为网络AI平台(NAIE)官方帐号,公众号：网络人工智能园地\n官网...)\n * [小潄](#小潄)\n * [阿泽](#阿泽)(公众号：阿泽的学习笔记,程序员 摄影师 \n爱健身 高颜值 五迷 暖男...)\n * [朱小强](#朱小强)(技术探险者,正在开启新的旅程。。...)\n * [Aston Zhang](#aston-zhang)(《动手学深度学习》 https:\u002F\u002Fzh.d2l.ai,...)\n * [其它](#其它)\n\n\n# 工业案例\n * [亚马逊](#亚马逊)\n * [苏宁](#苏宁)\n * [丁香园](#丁香园)\n * [作业帮](#作业帮)\n * [VIVO](#vivo)\n * [OPPO](#oppo)\n * [58同城](#58同城)\n * [知乎](#知乎)\n * [贝壳找房](#贝壳找房)\n * [第四范式](#第四范式)\n * [明略科技](#明略科技)\n * [饿了么](#饿了么)\n * [滴滴](#滴滴)\n * [微软](#微软)\n * [UC](#uc)\n * [联想](#联想)\n * [今日头条](#今日头条)\n * [陌陌](#陌陌)\n * [货拉拉](#货拉拉)\n * [去哪儿网](#去哪儿网)\n * [vivo](#vivo-1)\n * [美团](#美团)\n * [携程](#携程)\n * [唯品会](#唯品会)\n * [华为](#华为)\n * [360](#360)\n * [神策数据](#神策数据)\n * [哔哩哔哩](#哔哩哔哩)\n * [爱奇艺](#爱奇艺)\n * [大疆](#大疆)\n * [新浪](#新浪)\n * [搜狗](#搜狗)\n * [搜狐](#搜狐)\n * [小红书](#小红书)\n * [CVTE](#cvte)\n * [拼多多](#拼多多)\n * [科大讯飞](#科大讯飞)\n * [微众银行](#微众银行)\n * [蘑菇街](#蘑菇街)\n * [新东方](#新东方)\n * [快手](#快手)\n * [小米](#小米)\n * [金山](#金山)\n * [Hulu](#hulu)\n * [优酷](#优酷)\n * [eBay](#ebay)\n * [虎牙](#虎牙)\n * [字节跳动](#字节跳动)\n * [汽车之家](#汽车之家)\n * [腾讯](#腾讯)\n * [VIPKID](#vipkid)\n * [好未来](#好未来)\n * [谷歌](#谷歌)\n * [百度](#百度)\n * [网易](#网易)\n * [蚂蚁金服](#蚂蚁金服)\n * [凤凰网](#凤凰网)\n * [有赞](#有赞)\n * [微信](#微信)\n * [京东](#京东)\n * [乐视](#乐视)\n * [米哈游](#米哈游)\n * [趋势科技](#趋势科技)\n * [阿里](#阿里)\n\n## DataFunTalk\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [揭秘NVIDIA大模型推理框架：TensorRT-LLM](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F692445786) | 2024-04-14 21:14:33 |\n| 2 | [ChatBI：基于文心一言的生成式数据分析技术探索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F692442114) | 2024-04-14 20:45:05 |\n| 3 | [懂车帝数据指标体系建设和应用实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F692112830) | 2024-04-12 14:07:40 |\n| 4 | [DataOps 在联通数科的实践 构建数据治理研发运营一体化能力](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F692109402) | 2024-04-12 13:59:03 |\n| 5 | [时间序列 AI 技术与大模型：蚂蚁集团的实践与应用探索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691920410) | 2024-04-11 14:58:03 |\n| 6 | [大模型微调方案设计和能力整合](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691561328) | 2024-04-09 18:37:24 |\n| 7 | [Apache Spark在小米的生产实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691487374) | 2024-04-09 13:54:06 |\n| 8 | [轻量微调技术：如何运用有限数据实现高效微调](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691456279) | 2024-04-09 11:50:13 |\n| 9 | [理想汽车基于Flink on K8s的数据集成实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691295601) | 2024-04-08 15:01:04 |\n| 10 | [大数据安全治理与防范——网址反欺诈实战](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691280368) | 2024-04-08 14:03:49 |\n| 11 | [当大语言模型遇见推荐系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691246967) | 2024-04-08 11:03:26 |\n| 12 | [货拉拉大数据新一代基础架构实践与思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691146401) | 2024-04-07 18:18:57 |\n| 13 | [指标平台加速零售数字化转型--Kyligence Zen 智能一站式指标平台](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691142970) | 2024-04-07 17:59:11 |\n| 14 | [一文看懂什么是强化学习?(基本概念+应用场景+主流算法+案例)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691133200) | 2024-04-07 17:21:28 |\n| 15 | [大模型分布式训练的第四种境界](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691121130) | 2024-04-07 16:37:56 |\n| 16 | [如何实现 DataOps 开发、运营、治理一体化](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691117297) | 2024-04-07 16:20:30 |\n| 17 | [大语言模型在开放世界中的推理能力探索实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691040368) | 2024-04-07 10:45:05 |\n| 18 | [用户画像算法：历史、现状与未来](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F690616411) | 2024-04-03 17:51:06 |\n| 19 | [卷大模型没意义，卷应用机会更大](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F690569491) | 2024-04-03 14:50:09 |\n| 20 | [大模型在金融领域落地思路与实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F690416708) | 2024-04-02 17:44:00 |\n| 21 | [字节智能运维场景的LLM应用实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F690320347) | 2024-04-02 10:52:13 |\n| 22 | [ETL原罪是什么？NoETL怎么搞？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F690226956) | 2024-04-01 18:54:26 |\n| 23 | [快手强化学习与多任务推荐](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F690224687) | 2024-04-01 18:28:27 |\n| 24 | [滴滴国际化出行场景指标体系建设](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F689721633) | 2024-03-29 14:06:39 |\n| 25 | [Soul 基于 AIGC 的实践与探索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F689698346) | 2024-03-29 11:39:35 |\n| 26 | [阿里通用多模态大模型 OFA 研究实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F689373516) | 2024-03-27 18:02:42 |\n| 27 | [袋鼠云在实时数据湖上的探索实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F689164434) | 2024-03-26 18:10:18 |\n| 28 | [抖音电商埋点与归因分析实践方案](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F689103446) | 2024-03-26 14:32:39 |\n| 29 | [教育领域大模型技术与应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F688965494) | 2024-03-25 18:51:09 |\n| 30 | [算力之外，大模型训练的隐藏挑战](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F688862466) | 2024-03-25 11:50:07 |\n| 31 | [滴滴大数据资产治理实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F688312597) | 2024-03-24 13:33:10 |\n| 32 | [大数据 AI 一体化解读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F688310539) | 2024-03-23 13:24:02 |\n| 33 | [快手统一分析服务建设实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F688302589) | 2024-03-22 09:00:20 |\n| 34 | [抖音电商数据血缘探索和实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F688217727) | 2024-03-21 11:18:23 |\n| 35 | [十分钟验证一个高性能车联网数据平台解决方案](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F687899067) | 2024-03-19 17:41:27 |\n| 36 | [金融数据治理场景化实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F687658993) | 2024-03-18 15:41:55 |\n| 37 | [OLTP&OLAP超融合，揭秘新一代云原生数据库的设计之道](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F687011291) | 2024-03-18 09:23:03 |\n| 38 | [流图计算在蚂蚁数仓加速场景的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F687009189) | 2024-03-14 18:30:08 |\n| 39 | [AI风暴来袭：2024年数据平台的演进、挑战与机遇](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F686844867) | 2024-03-13 18:30:07 |\n| 40 | [海外游戏智能营销技术应用探索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F686750676) | 2024-03-13 11:30:44 |\n| 41 | [大模型时代，新一代向量数据库的探索应用-DingoDB](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F686616689) | 2024-03-13 09:00:08 |\n| 42 | [腾讯欧拉平台数据血缘架构及应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F686615758) | 2024-03-12 20:10:05 |\n| 43 | [蚂蚁金服异常检测和归因诊断分析实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F686614715) | 2024-03-12 16:36:41 |\n| 44 | [大模型推动下的百度信息流推荐系统重构设计](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F686545542) | 2024-03-12 11:31:58 |\n| 45 | [滴滴指标标准化的核心设计思路](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F686401842) | 2024-03-11 16:20:46 |\n| 46 | [滴滴指标标准化的核心设计思路](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F686326378) | 2024-03-11 10:58:43 |\n| 47 | [AI 原生应用中的 AI Agents 探索与实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F685922034) | 2024-03-08 11:09:19 |\n| 48 | [携程用大模型都做了些啥？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F685738149) | 2024-03-07 11:53:34 |\n| 49 | [画像标签体系构建与应用实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F685593730) | 2024-03-06 18:18:16 |\n| 50 | [Agent如何革新AI医疗？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F685518225) | 2024-03-06 10:37:01 |\n| 51 | [懂车帝准实时指标体系架构及应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F685430989) | 2024-03-06 09:35:16 |\n| 52 | [算法&大数据如何赋能？​OPPO推荐领域降本增效指南](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F685430189) | 2024-03-05 20:30:16 |\n| 53 | [华为盘古大模型微调实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F685429263) | 2024-03-05 17:57:55 |\n| 54 | [AI Agent在阿里电商平台中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F685310145) | 2024-03-05 10:33:28 |\n| 55 | [如何提供一个可信的AB测试解决方案](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F685164508) | 2024-03-04 14:04:48 |\n| 56 | [Data Fabric 在数据集成场景的实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684809801) | 2024-03-01 17:43:54 |\n| 57 | [训练大模型缺少高质量数据?我们找到了一种新的解决方案](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684759180) | 2024-03-01 14:34:00 |\n| 58 | [eBay推荐系统的多模态与商品嵌入技术实践：提升效能与用户体验](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684728385) | 2024-03-01 11:40:27 |\n| 59 | [小米 OLAP 引擎在 Trino 的应用实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684623361) | 2024-02-29 18:07:00 |\n| 60 | [资料下载：大模型在智能风控的应用案例](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684571607) | 2024-02-29 14:53:48 |\n| 61 | [2023年推荐+LLM有哪些成果？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684533428) | 2024-02-29 11:31:41 |\n| 62 | [如何从0-1使用 Apache Arrow 构建新数据系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684429597) | 2024-02-28 20:06:09 |\n| 63 | [数据治理资料下载《数据全生命周期安全管理实践案例》](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684358349) | 2024-02-28 14:00:01 |\n| 64 | [飞猪旅行供应链品类规划算法——推荐和选品模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684184873) | 2024-02-27 20:00:14 |\n| 65 | [基于 StarRocks 和 Paimon 打造湖仓分析新范式](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684177680) | 2024-02-27 15:02:46 |\n| 66 | [你们要的资料来了！强化学习经典算法—DQN算法揭秘](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684163306) | 2024-02-27 14:06:16 |\n| 67 | [当\"狂飙\"的大模型撞上推荐系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684020568) | 2024-02-26 17:20:52 |\n| 68 | [最新资料下载！京东因果推断方法实践文档！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F683983732) | 2024-02-26 15:07:05 |\n| 69 | [24年最新资料《Agent技能实践地图2.0》下载地址来啦！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F683594315) | 2024-02-23 16:02:54 |\n| 70 | [生成式AI在育碧3A游戏图像生成的实践应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F683559725) | 2024-02-23 13:54:44 |\n| 71 | [下载地址来啦！下载破万的《大模型与推荐知识地图》2.0版](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F683377965) | 2024-02-22 14:25:10 |\n| 72 | [快手推荐系统海量模型数据处理实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F683223601) | 2024-02-22 08:30:04 |\n| 73 | [vivo 大模型从训练到产品落地的最佳实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F683222143) | 2024-02-21 18:30:15 |\n| 74 | [字节基于用户画像标签的分析及业务场景应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F683220155) | 2024-02-21 16:37:48 |\n| 75 | [免费资源来啦！《大模型微调方案设计&能力整合知识地图2.0》](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F683218355) | 2024-02-21 16:31:40 |\n| 76 | [字节跳动数据集成引擎 BitSail 开源架构演进和实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F683061590) | 2024-02-20 19:06:08 |\n| 77 | [如何提升Agent角色扮演能力](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F682961096) | 2024-02-20 11:06:52 |\n| 78 | [高性能 LLM 推理框架的设计与实现](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F682872971) | 2024-02-19 18:51:50 |\n| 79 | [快手短视频推荐中的因果推断实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F682817867) | 2024-02-19 14:52:50 |\n| 80 | [兼顾降本增效，StarRocks 3.0 关于存算这对CP分离的最佳\"姿势\"](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F681149648) | 2024-02-02 20:00:12 |\n| 81 | [AB实验「坑」贼多？腾讯搜索实验有妙招！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F680874317) | 2024-02-02 18:02:18 |\n| 82 | [​揭秘NVIDIA大模型推理框架：TensorRT-LLM](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F680808866) | 2024-01-31 18:54:33 |\n| 83 | [2024年，如何精准押注大模型？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F680747508) | 2024-01-31 14:34:56 |\n| 84 | [基于“数据-模型-策略-实验”生态闭环的智能风控实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F680626074) | 2024-01-30 19:03:27 |\n| 85 | [模型与算法在石油产业链的优化应用实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F680432343) | 2024-01-30 12:33:15 |\n| 86 | [腾讯数据采集治理之质量篇-从合规到合理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F680431007) | 2024-01-29 20:54:02 |\n| 87 | [一文搞懂 NVIDIA 在 GPU 上高效部署语音 AI 模型的最新应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F680427251) | 2024-01-29 18:14:52 |\n| 88 | [深入浅出快手图数据库：看架构如何让推荐召回更高效](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F680423326) | 2024-01-29 17:41:20 |\n| 89 | [2万字揭秘阿里巴巴数据治理平台建设经验](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F680249301) | 2024-01-28 19:03:26 |\n| 90 | [大数据分析平台之 OLAP 架构的最佳实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F679826138) | 2024-01-25 18:40:37 |\n| 91 | [强化学习和世界模型中的因果推断](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F679778066) | 2024-01-25 17:15:37 |\n| 92 | [如何建设一个良好的可观测性数据平台直击企业痛点？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F679607628) | 2024-01-24 18:20:47 |\n| 93 | [B站大数据开发治理平台的产品设计心得](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F679414130) | 2024-01-24 17:05:47 |\n| 94 | [腾讯数据治理技术实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F679401230) | 2024-01-23 17:40:01 |\n| 95 | [大模型的高效训练和部署技术卷出新高度！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F679217804) | 2024-01-22 18:57:42 |\n| 96 | [风控场景全流程模型构建及应用实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F679189538) | 2024-01-22 16:49:17 |\n| 97 | [企业如何构建指标平台并实现智能分析？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F678575781) | 2024-01-18 18:43:18 |\n| 98 | [手把手教你构建标签中台](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F678480358) | 2024-01-18 11:34:19 |\n| 99 | [蚂蚁 TuGraph-DB 数据库查询引擎技术](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F678370871) | 2024-01-17 18:33:05 |\n| 100 | [如何将知识图谱与AIGC结合？京东是这么做的](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F678369301) | 2024-01-17 17:56:27 |\n| 101 | [淘宝直播APP用户增长实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F678129183) | 2024-01-17 11:22:04 |\n| 102 | [如何构建好的用户画像平台？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F678098760) | 2024-01-16 14:04:07 |\n| 103 | [数据集成产品的技术演进与实际应用-FastData DCT](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F677894198) | 2024-01-15 14:02:19 |\n| 104 | [数据治理全流程实战剖析，助力业务增长](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F677539400) | 2024-01-12 19:24:44 |\n| 105 | [阿里巴巴长文档推荐系统在企业数字化中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F677525998) | 2024-01-12 17:54:41 |\n| 106 | [小红书社区反作弊探索与实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F677318745) | 2024-01-11 20:06:58 |\n| 107 | [重塑数据架构：云器Lakehouse如何简化组装式架构实现性能与成本的精益平衡](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F677299365) | 2024-01-11 18:03:10 |\n| 108 | [翼支付云原生数据开发与治理平台实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F677244645) | 2024-01-11 14:53:48 |\n| 109 | [京东零售数据可视化平台产品实践与思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F677107185) | 2024-01-10 18:47:36 |\n| 110 | [滴滴大数据成本治理实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F677097434) | 2024-01-10 17:46:20 |\n| 111 | [百度推荐排序技术的思考与实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F676660251) | 2024-01-08 15:16:43 |\n| 112 | [蚂蚁营销推荐场景上的因果纠偏方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F676655357) | 2024-01-08 14:56:08 |\n| 113 | [机器学习与运筹优化打造智慧供应链的最佳实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F676271261) | 2024-01-05 17:04:44 |\n| 114 | [YY 直播业务指标治理实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F676093325) | 2024-01-04 18:13:22 |\n| 115 | [使用 OpenLLM 构建和部署大模型应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F676023813) | 2024-01-04 13:56:21 |\n| 116 | [OLAP 的技术研发与思考--ClickHouse 2023 总结和 2024 展望](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F675905983) | 2024-01-03 19:03:45 |\n| 117 | [肖仰华：走向千行百业的大模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F675698865) | 2024-01-02 17:38:28 |\n| 118 | [OPPO 广告召回算法实践与探索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F675609025) | 2024-01-02 10:56:01 |\n| 119 | [如何设计好的指标平台？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F675239387) | 2023-12-29 18:10:51 |\n| 120 | [大模型应用探索——企业知识管家](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F675236395) | 2023-12-29 17:55:02 |\n| 121 | [腾讯(大禹投放平台)用户LTV建模技术研究和实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F675051847) | 2023-12-28 18:19:10 |\n| 122 | [腾讯欧拉平台产品经理：如何做一款好的数据平台？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F675040451) | 2023-12-28 17:26:26 |\n| 123 | [小红书应对万亿社交网络关系的图存储实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F674856080) | 2023-12-27 19:20:15 |\n| 124 | [快手关于因果科学及其工业界应用落地](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F674853285) | 2023-12-27 17:39:28 |\n| 125 | [大规模数据存储技术架构：如何应对海量数据挑战？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F674642243) | 2023-12-26 16:52:28 |\n| 126 | [大模型工具学习探索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F674630135) | 2023-12-26 16:05:42 |\n| 127 | [理想汽车基于Flink on K8s的数据集成实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F673703602) | 2023-12-22 18:42:18 |\n| 128 | [一线大厂数据产品经理成长之路](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F673510846) | 2023-12-21 19:01:06 |\n| 129 | [关于A\u002FB 实验中策略长期效果评估方案的研究](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F673304618) | 2023-12-20 18:07:10 |\n| 130 | [如何成为好的数据产品经理？-快手数据平台负责人](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F673113607) | 2023-12-19 20:32:07 |\n| 131 | [数据治理与大模型一体化实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F673112480) | 2023-12-19 18:55:54 |\n| 132 | [快手 Dragonfly 策略引擎的设计与应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F672907963) | 2023-12-18 18:52:41 |\n| 133 | [坦白局！网易数帆解读 Apache Kyuubi 1.8 特性](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F672802588) | 2023-12-18 11:22:08 |\n| 134 | [LLM+Data，金融行业的顶流神器！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F672279255) | 2023-12-15 10:39:58 |\n| 135 | [OLAP技术的选择，进化和思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F672079607) | 2023-12-13 20:08:00 |\n| 136 | [B 站基于 StarRocks 构建大数据元仓和诊断系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F671882091) | 2023-12-12 21:10:14 |\n| 137 | [DataFunCon2023·深圳站回顾｜附PPT下载](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F671522651) | 2023-12-11 10:29:53 |\n| 138 | [以新能源资产为主体的能源运营决策](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F671195304) | 2023-12-10 09:40:12 |\n| 139 | [CTR 2023 最新进展：Calibration based MetaRec CTR](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F671193362) | 2023-12-09 09:30:04 |\n| 140 | [大模型时代 AI 技术在金融行业的创新应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F670982189) | 2023-12-07 20:50:13 |\n| 141 | [小米数据生产平台的产品设计方法与实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F670774744) | 2023-12-06 20:30:15 |\n| 142 | [Apache Celeborn 社区的今天和明天](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F670564677) | 2023-12-05 18:57:20 |\n| 143 | [如何看待大数据云原生发展之路--观 2023 云栖大会有感](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F670357474) | 2023-12-04 18:50:55 |\n| 144 | [货拉拉用户埋点体系建设实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F669925792) | 2023-12-03 18:25:01 |\n| 145 | [我们能获得推荐系统的大模型吗？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F669924897) | 2023-12-03 08:20:11 |\n| 146 | [NVIDIA-Merlin: 基于GPU的推荐系统训练和推理全套方案](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F669920972) | 2023-12-02 18:00:04 |\n| 147 | [丁香园大数据基于 Apache Kyuubi \u002F Celeborn 的实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F669919356) | 2023-12-02 08:40:15 |\n| 148 | [增长的底层逻辑和新增长三大案例](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F669917490) | 2023-12-01 20:30:03 |\n| 149 | [OPPO应用分发策略：如何雕琢用户价值，同时削减成本？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F669715860) | 2023-11-30 20:00:17 |\n| 150 | [小米指标体系的建设及管理最佳实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F669303049) | 2023-11-28 18:58:13 |\n| 151 | [腾讯TRS在线搜参在搜推广业务中的探索和实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F668657371) | 2023-11-26 09:00:13 |\n| 152 | [DCMM 助力工业企业数字化转型发展最佳实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F668656385) | 2023-11-25 18:11:04 |\n| 153 | [多域图大模型在百度推荐系统的实践与思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F661815713) | 2023-10-17 18:00:08 |\n| 154 | [数据湖与实时数仓应用实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F661532090) | 2023-10-16 11:03:17 |\n| 155 | [大语言模型在推荐系统的实践应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F660982750) | 2023-10-12 18:59:03 |\n| 156 | [京东实时风险洞察的架构演迸与思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F660670033) | 2023-10-11 11:46:30 |\n| 157 | [数据平台的6个关键模块](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F660543729) | 2023-10-10 17:18:50 |\n| 158 | [网易大数据智能运维平台 EasyEagle](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F660484176) | 2023-10-10 13:51:37 |\n| 159 | [（一文读懂大数据行业）-面向百度商业数据产品的全流程 DataOps 实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F660317667) | 2023-10-09 16:19:55 |\n| 160 | [阿里巴巴数据稳定性治理实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F660032042) | 2023-10-08 10:03:58 |\n| 161 | [算法工程师的职业发展之路](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F659425088) | 2023-10-03 17:14:52 |\n| 162 | [打造用户增长场景下的AB实验体系，我们需要做什么？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F659019582) | 2023-09-29 09:48:29 |\n| 163 | [Trino 在哔哩哔哩湖仓一体化平台中的实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F658673572) | 2023-09-27 11:42:38 |\n| 164 | [58标签体系建设实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F658563505) | 2023-09-26 18:52:32 |\n| 165 | [决策优化算法行业落地难点与发展趋势](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F658340635) | 2023-09-26 09:00:11 |\n| 166 | [Doris新优化器背后的故事](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F658336237) | 2023-09-25 18:01:53 |\n| 167 | [主动学习以及样本不均衡在图数据场景的探索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F658018057) | 2023-09-23 18:38:12 |\n| 168 | [Flink CEP在实时风控场景的落地与优化](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F657880281) | 2023-09-22 18:42:02 |\n| 169 | [探索智能供应链在医药领域的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F657793675) | 2023-09-22 13:12:05 |\n| 170 | [Flink CEP在实时风控场景的落地与优化](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F657622512) | 2023-09-22 09:00:10 |\n| 171 | [华为多模态同传翻译的落地及优化](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F657615742) | 2023-09-21 15:54:52 |\n| 172 | [流式图计算在蚂蚁大数据场景的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F657207758) | 2023-09-19 17:34:21 |\n| 173 | [网易伏羲游戏AI Bot的拟人化和风格化：AIGA赋能游戏探索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F656997198) | 2023-09-18 18:43:53 |\n| 174 | [数据产品经理的三个成长路径](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F656923742) | 2023-09-18 14:20:45 |\n| 175 | [打造极致HTAP精品国产数据库，TDSQL融合版来了！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F656482270) | 2023-09-15 15:50:19 |\n| 176 | [大厂的数据产品设计模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F656188131) | 2023-09-14 12:04:22 |\n| 177 | [字节基于 Hudi 的批流一体存储实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F654263972) | 2023-09-04 18:07:12 |\n| 178 | [阿里云实时数仓与流式数据湖构建实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F651380913) | 2023-08-21 16:39:16 |\n| 179 | [数据指标体系如何构建？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F648903832) | 2023-08-09 10:59:48 |\n| 180 | [Spark还是Flink？主流计算引擎如何选择？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F647830607) | 2023-08-03 19:26:43 |\n| 181 | [大模型看了也摇头的决策场景，清华、菜鸟、阿里的专家如何解决？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F647700520) | 2023-08-03 11:07:56 |\n| 182 | [硬件资源限制下环路检测如何在风控领域提效数十倍？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F647588863) | 2023-08-02 18:59:07 |\n| 183 | [基于知识图谱的图神经网络推理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F647114494) | 2023-07-31 18:57:30 |\n| 184 | [网易云音乐实时数仓治理优化实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F646791110) | 2023-07-29 23:34:11 |\n| 185 | [新一代车联网数据基座架构 - 基于 YMatrix 的最佳实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F646789616) | 2023-07-29 23:21:28 |\n| 186 | [淘宝直播APP用户增长实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F646786738) | 2023-07-29 22:55:17 |\n| 187 | [AB实验在腾讯海外游戏中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F644141339) | 2023-07-17 18:42:37 |\n| 188 | [OPPO基于图神经网络的搜索推荐算法与实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F644137476) | 2023-07-17 18:22:38 |\n| 189 | [湖仓存储系统设计剖析和性能优化](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F643624852) | 2023-07-14 17:30:23 |\n| 190 | [火山引擎增长指标体系构建及分析实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F643624248) | 2023-07-14 17:27:30 |\n| 191 | [实时物化视图：加速大规模时间序列数据查询的利器](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F643615790) | 2023-07-14 17:03:12 |\n| 192 | [腾讯TRS之元学习与跨域推荐的工业实战](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F642918461) | 2023-07-11 18:01:15 |\n| 193 | [抖音集团面向多样应用场景的数据准备实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F642911039) | 2023-07-11 17:32:25 |\n| 194 | [如何在大背景下降本增效，构建超大规模存储架构？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F641913148) | 2023-07-06 16:06:15 |\n| 195 | [推荐系统的公平性：从消费者到供给者](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F641711427) | 2023-07-05 18:52:25 |\n| 196 | [Flink：从流式计算走向流式数仓](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F641631297) | 2023-07-05 14:25:26 |\n| 197 | [数据科学在实践中常见的数据谎言](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F641471332) | 2023-07-04 18:47:12 |\n| 198 | [大厂绝密！对象存储和块存储系统的设计思路和落地实践！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F641400402) | 2023-07-04 14:53:38 |\n| 199 | [爱奇艺数据链路治理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F641223135) | 2023-07-03 17:56:52 |\n| 200 | [OPPO基于大模型与知识图谱的技术实践探索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F640441842) | 2023-06-29 17:02:44 |\n| 201 | [大模型与数智创新、人才变革](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F640439550) | 2023-06-29 16:57:40 |\n| 202 | [数据湖 Iceberg 在小米的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F640430166) | 2023-06-29 16:30:59 |\n| 203 | [从模型到服务：阿里云机器学习PAI一站式模型开发和部署实](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F639352957) | 2023-06-25 12:22:57 |\n| 204 | [新能源车企数据中台指标体系建设方法论](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F639265148) | 2023-06-25 00:27:37 |\n| 205 | [广义因果森林的构造以及在在线交易市场的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F638250323) | 2023-06-19 19:15:22 |\n| 206 | [高性能、云原生湖仓一体存储架构探秘](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F638247662) | 2023-06-19 19:00:26 |\n| 207 | [「万字长文系列」带你理清图数据库 & 图计算](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F637851973) | 2023-06-17 21:26:07 |\n| 208 | [EB级数仓都在用的算子级血缘如何实现主动数据治理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F637108757) | 2023-06-14 18:38:41 |\n| 209 | [网易基于Apache Ranger 的数据安全中心实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F636833115) | 2023-06-13 18:31:57 |\n| 210 | [从数据集成到现代数据栈](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F636714270) | 2023-06-13 11:48:01 |\n| 211 | [腾讯欧拉如何打造数据自治系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F636675430) | 2023-06-13 10:47:44 |\n| 212 | [数仓 Onedata 体系建设方法论](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F636275555) | 2023-06-11 16:23:00 |\n| 213 | [网易云音乐数据治理实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F636264206) | 2023-06-11 15:59:23 |\n| 214 | [低代码指标平台，构建人人可用的敏捷指标工具](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F635595653) | 2023-06-08 14:12:52 |\n| 215 | [超写实数字人技术探索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F635416788) | 2023-06-07 20:07:01 |\n| 216 | [基于统一语义层构建的智能化数据分析平台](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F635415159) | 2023-06-07 18:33:52 |\n| 217 | [基于统一语义层构建的智能化数据分析平台](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F635413937) | 2023-06-07 18:26:32 |\n| 218 | [从 Apache Doris 到 SelectDB：下一代云原生实时数仓的演进](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F634404909) | 2023-06-04 15:11:10 |\n| 219 | [精准推荐的秘术：阿里解耦域适应无偏召回模型详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F634386054) | 2023-06-04 13:02:02 |\n| 220 | [因果推断与大模型如何互相促进？且看学界和业界专家详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F633865250) | 2023-06-01 11:55:58 |\n| 221 | [人脸检测技术演进史](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F633715836) | 2023-05-31 18:39:39 |\n| 222 | [网易有数 BI 图表查询性能优化实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F633434240) | 2023-05-30 19:03:11 |\n| 223 | [因果推断在翼支付智能决策场景的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F633433682) | 2023-05-30 18:57:54 |\n| 224 | [多任务学习最新：基于神经元级共享的 CTR、CVR 多任务联合预估方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F633128623) | 2023-05-29 18:04:40 |\n| 225 | [图计算在翼支付风控场景的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F633122864) | 2023-05-29 17:42:56 |\n| 226 | [超越甲骨文和微软，位居第一，数据库技术未来会如何创新？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F633046989) | 2023-05-29 14:36:37 |\n| 227 | [Apache hudi在腾讯的落地与实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F632811900) | 2023-05-28 15:30:02 |\n| 228 | [图算法在阿里风控系统中的实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F632787757) | 2023-05-28 11:26:43 |\n| 229 | [基于知识的神经符号结合的离散推理研究](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F632453931) | 2023-05-26 16:41:02 |\n| 230 | [GNNs 推荐系统及应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F632207502) | 2023-05-25 18:36:04 |\n| 231 | [面向大规模深度学习训练的缓存优化实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F632106929) | 2023-05-25 14:21:40 |\n| 232 | [因果推断应用现状、挑战与趋势](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F632080322) | 2023-05-25 12:10:24 |\n| 233 | [知识可迁移图神经网络及其在金融风险预测中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F631818669) | 2023-05-24 14:46:05 |\n| 234 | [数百个技术话题与最佳实践，覆盖AIGC、数据安全等领域，值得一看！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F631532222) | 2023-05-23 14:26:49 |\n| 235 | [阿里云数据湖统一元数据与存储管理实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F631528622) | 2023-05-23 13:59:55 |\n| 236 | [京东零售供应链数字孪生探索与实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F631325157) | 2023-05-22 18:30:06 |\n| 237 | [网易 Arctic on Flink 流式特性核心原理解读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F630872810) | 2023-05-20 15:33:36 |\n| 238 | [读时建模技术在异构数据分析平台的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F630724658) | 2023-05-19 20:00:12 |\n| 239 | [基于知识增强和预训练大模型的 Query 意图识别](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F630723604) | 2023-05-19 18:56:18 |\n| 240 | [大模型时代，AI基础软件的关注点再次回到运行效率](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F630711685) | 2023-05-19 18:02:44 |\n| 241 | [教程｜利用 TuGraph 图数据库搭建图应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F630435368) | 2023-05-18 18:40:09 |\n| 242 | [清华大学彭皓：事件抽取发展脉络、前沿算法与工具包](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F630109907) | 2023-05-17 18:30:03 |\n| 243 | [多模态 DNN 模型在药物相互作用预测任务中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F629745583) | 2023-05-16 14:00:04 |\n| 244 | [音乐驱动数字人技术详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F629573883) | 2023-05-15 18:38:36 |\n| 245 | [快手流批一体数据湖构建实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F629461442) | 2023-05-15 14:00:11 |\n| 246 | [因果推断在腾讯 PCG 中台的落地实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F629135498) | 2023-05-14 16:00:03 |\n| 247 | [查询时长下降10倍！网易有数 BI 物化视图设计要点与内部实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F629090886) | 2023-05-14 13:00:06 |\n| 248 | [CV CUDA在微博多媒体内容理解的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F629080525) | 2023-05-13 13:15:25 |\n| 249 | [外部数据在信贷风控和经营中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F628949074) | 2023-05-12 18:12:24 |\n| 250 | [字节跳动湖平台在批计算和特征场景的实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F628552494) | 2023-05-11 12:44:15 |\n| 251 | [FlinkSQL的字段血缘解决方案](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F628376451) | 2023-05-10 18:26:32 |\n| 252 | [蔚来汽车深度学习算法实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F628249254) | 2023-05-10 14:00:10 |\n| 253 | [数据治理与安全合规的实践现状与挑战](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F628228749) | 2023-05-10 12:30:02 |\n| 254 | [图算法在蚂蚁集团信用风控场景的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F628085982) | 2023-05-09 18:45:13 |\n| 255 | [数据科学在腾讯内容生态中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F627733415) | 2023-05-08 18:24:03 |\n| 256 | [推荐系统技术综述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F627664537) | 2023-05-08 13:42:31 |\n| 257 | [腾讯天穹 SuperSQL：统一大数据自适应计算平台技术解析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F627474229) | 2023-05-07 15:04:31 |\n| 258 | [数据标准和数据质量：技术解析与典型案例](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F627455591) | 2023-05-07 13:03:50 |\n| 259 | [面向统一的AI神经网络架构和预训练方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F627301228) | 2023-05-06 18:17:03 |\n| 260 | [Apache Doris 极速数据湖分析技术细节公开！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F627221756) | 2023-05-06 14:00:12 |\n| 261 | [小布虚拟人与多模态技术演进](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F626982482) | 2023-05-05 18:02:07 |\n| 262 | [网易云音乐实时数仓架构与低代码实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F626932685) | 2023-05-05 14:03:11 |\n| 263 | [腾讯内容生态实时信号系统实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F626633881) | 2023-05-04 14:01:03 |\n| 264 | [虎牙应用监控指标设计实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F626443360) | 2023-05-03 14:56:35 |\n| 265 | [万字长文讲述大模型与知识图谱的关系](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F626433991) | 2023-05-03 14:00:20 |\n| 266 | [FinBench：金融场景下的图系统选型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F626358596) | 2023-05-03 13:20:11 |\n| 267 | [因果推断在微视激励和供需场景的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F626350548) | 2023-05-03 11:02:15 |\n| 268 | [第三代Notebook：Byzer-Notebook 如何助力数据工程、分析，以及机器学习？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F626086031) | 2023-05-02 11:29:13 |\n| 269 | [一文搞懂蚂蚁集团 TuGraph 图数据库](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F626085488) | 2023-05-01 10:19:04 |\n| 270 | [如何冲破 GPT-4 的信息茧房？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F625354312) | 2023-04-27 14:19:24 |\n| 271 | [怎么做精准投放与转化？阿里多渠道序列化投放技术揭秘](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F625066979) | 2023-04-26 14:24:14 |\n| 272 | [如何搭建好的数据指标体系？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F624793306) | 2023-04-26 14:00:07 |\n| 273 | [DAMO-YOLO：兼顾速度与精度的高效目标检测框架](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F624741368) | 2023-04-25 13:58:06 |\n| 274 | [开源机器学习数据库 OpenMLDB：线上线下一致的生产级特征平台](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F624583794) | 2023-04-24 19:23:02 |\n| 275 | [微博推荐实时大模型的技术演进](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F624444822) | 2023-04-24 14:00:13 |\n| 276 | [因果推断在有限资源决策中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F623975315) | 2023-04-22 14:53:27 |\n| 277 | [图像分类模型训练实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F623801240) | 2023-04-21 18:25:07 |\n| 278 | [火山引擎发布大模型训练云平台：支持万卡训练，集群性能提升3倍](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F623393716) | 2023-04-20 12:00:58 |\n| 279 | [LLM 时代的金融知识图谱实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F623104680) | 2023-04-20 12:00:13 |\n| 280 | [GPT-4 给图机器学习带来了什么影响？该如何应对？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F622841747) | 2023-04-19 08:07:11 |\n| 281 | [对话式 AI 应用的降本增效实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F622629687) | 2023-04-18 18:10:06 |\n| 282 | [如何高效获取数据价值？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F622845314) | 2023-04-18 14:50:01 |\n| 283 | [大规模表格预训练模型 SPACE-T](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F622616839) | 2023-04-17 18:09:15 |\n| 284 | [小红书基于数据湖的流批统一存储实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F622514116) | 2023-04-17 14:00:12 |\n| 285 | [美团是如何进行指标管理的？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F622302994) | 2023-04-16 15:00:13 |\n| 286 | [美团在预训练语言模型上的探索和实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F621781993) | 2023-04-16 13:01:02 |\n| 287 | [可观测系统中的告警管理实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F622133541) | 2023-04-15 15:00:09 |\n| 288 | [基于 Echarts 的数据可视化在异构数据平台的实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F621766703) | 2023-04-14 14:00:09 |\n| 289 | [字节跳动A\u002FB测试最佳实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F621403874) | 2023-04-13 18:08:04 |\n| 290 | [基于 StarRocks 进行湖仓融合的四种范式](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F621586196) | 2023-04-13 14:00:14 |\n| 291 | [字节跳动杨诗旻：浅谈数据存储与计算](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F621305046) | 2023-04-12 19:10:14 |\n| 292 | [ModelScope 视觉检测&关键点系列模型与应用介绍](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F621368662) | 2023-04-12 18:03:09 |\n| 293 | [大数据架构知识点详解：国产数据库创新、湖仓一体实践…](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F621329755) | 2023-04-12 14:14:28 |\n| 294 | [Oneflow 基于重计算的动态图显存优化实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F621062374) | 2023-04-11 18:08:15 |\n| 295 | [翼支付云原生数据开发与治理平台实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F621013403) | 2023-04-11 14:00:09 |\n| 296 | [Spark on K8s 在茄子科技的实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F620805734) | 2023-04-10 18:30:07 |\n| 297 | [淘宝个性化推荐中自适应与无监督的多场景模型建模实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F620717867) | 2023-04-10 14:00:14 |\n| 298 | [飞桨图学习大模型训练框架](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F620343769) | 2023-04-09 16:00:13 |\n| 299 | [中原银行如何从0到1建设敏捷BI平台？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F620339225) | 2023-04-09 13:28:02 |\n| 300 | [跨多云大数据平台DataCake详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F620342419) | 2023-04-08 16:01:10 |\n| 301 | [数据治理体系建设与实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F620336875) | 2023-04-08 14:00:16 |\n| 302 | [低延时音视频技术在OPPO云渲染场景的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F620076848) | 2023-04-07 14:00:42 |\n| 303 | [ModelScope DIY 多种场景文字识别](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F619960451) | 2023-04-07 12:00:03 |\n| 304 | [腾讯如何用因果推断扩大游戏帝国海外版图？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F619848678) | 2023-04-07 08:00:17 |\n| 305 | [齐了！百度、腾讯、滴滴、抖音的技术大佬都来了](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F619835950) | 2023-04-06 14:15:34 |\n| 306 | [快手增长渠道数据产品实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F619810402) | 2023-04-06 13:29:14 |\n| 307 | [用户画像技术总览](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F619771611) | 2023-04-06 12:00:11 |\n| 308 | [蚂蚁集团异构平台开放算法协议与开源实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F619533679) | 2023-04-05 14:00:13 |\n| 309 | [CMU张坤：因果表征技术最新进展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F619530665) | 2023-04-05 10:00:13 |\n| 310 | [火山引擎DataLeap数据血缘架构演进之路](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F619140580) | 2023-04-03 16:37:38 |\n| 311 | [微信基于 PyTorch 的大规模推荐系统训练实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F619060815) | 2023-04-03 14:00:05 |\n| 312 | [阿里云机器学习平台大模型训练框架 EPL](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F618776020) | 2023-04-02 15:30:03 |\n| 313 | [理解编辑类视觉模型会用到哪些技术？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F618719463) | 2023-04-01 15:59:12 |\n| 314 | [飞猪旅行场景下的实时用户理解服务](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F618707844) | 2023-04-01 14:08:43 |\n| 315 | [数据治理体系建设实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F618569674) | 2023-03-31 18:03:29 |\n| 316 | [数据治理驱动下的开发治理平台建设](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F618465119) | 2023-03-31 12:48:05 |\n| 317 | [高性能分布式机器学习平台建设经验](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F618300116) | 2023-03-30 18:30:52 |\n| 318 | [这届技术人都爱挂在嘴边的“数智化”，我们用八个字拆解了](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F618228328) | 2023-03-30 15:03:27 |\n| 319 | [近十年NLP预训练技术的重要发展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F618178628) | 2023-03-30 12:33:06 |\n| 320 | [提速 Spark SQL 2 倍，GLUTEN 向量化引擎原理剖析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F617944074) | 2023-03-30 08:00:14 |\n| 321 | [流批一体的实时特征工程平台建设实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F617928718) | 2023-03-29 14:26:30 |\n| 322 | [JuiceFS苏锐：从技术和业务角度看云原生的发展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F617864256) | 2023-03-29 12:30:05 |\n| 323 | [以标准推动金融智能风控行业发展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F617658602) | 2023-03-28 18:14:10 |\n| 324 | [运维、成本、安全，大数据处理技术三大挑战，如何解决？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F617590337) | 2023-03-28 13:00:16 |\n| 325 | [Debias 技术在金融推荐场景下的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F617446460) | 2023-03-27 18:06:31 |\n| 326 | [抖音集团数据指标体系分析与增长实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F617302004) | 2023-03-27 14:00:11 |\n| 327 | [打造全链路数据隐私合规平台](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F616910739) | 2023-03-26 15:00:07 |\n| 328 | [电商领域A\u002FB实验平台建设方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F616920180) | 2023-03-26 13:14:13 |\n| 329 | [工业数据与智能算法驱动下的生产调度优化研究](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F616903922) | 2023-03-25 15:12:14 |\n| 330 | [众安金融实时特征平台架构设计与实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F616915538) | 2023-03-25 13:56:07 |\n| 331 | [深度 UPLIFT 模型在腾讯金融用户增长场景中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F616649869) | 2023-03-24 14:00:14 |\n| 332 | [来自OpenAI的数据工程革命，GPT-4仅仅是开端](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F616470427) | 2023-03-23 18:37:18 |\n| 333 | [云原生大数据的核心技术与前沿趋势｜云原生大数据系列访谈（一）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F616335169) | 2023-03-23 11:44:51 |\n| 334 | [淘宝虚拟电商技术分享](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F616088036) | 2023-03-23 08:00:16 |\n| 335 | [阿里健康医药电商销量预测算法方案](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F616096903) | 2023-03-22 20:00:19 |\n| 336 | [Presto 在字节跳动的实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F615484646) | 2023-03-20 18:08:09 |\n| 337 | [美团酒旅图谱构建及应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F615424860) | 2023-03-20 14:00:04 |\n| 338 | [基于 Doris 构建实时统一的现代数据分析平台](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F615223240) | 2023-03-19 15:24:59 |\n| 339 | [Akulaku在东南亚金融市场的技术积累](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F615003933) | 2023-03-18 15:00:13 |\n| 340 | [从金融IT到金融科技，到数字化转型​——基于资产管理行业趋势的思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F614774593) | 2023-03-18 08:00:09 |\n| 341 | [从用户体验洞察到商业价值变现，以京东为例](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F614791791) | 2023-03-17 18:16:05 |\n| 342 | [数据湖仓的应用现状和挑战](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F614770743) | 2023-03-17 14:10:08 |\n| 343 | [OLAP 核心挑战与前沿趋势解读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F614470291) | 2023-03-16 17:10:06 |\n| 344 | [图机器学习算法、应用的现状与趋势](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F614467070) | 2023-03-16 13:52:15 |\n| 345 | [字节跳动极高可用 KV 存储系统详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F614227806) | 2023-03-15 18:10:03 |\n| 346 | [新一代云数据平台架构演进之路](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F614264674) | 2023-03-15 17:55:51 |\n| 347 | [从“外行”眼中看数据产品经理应该具备的基本能力](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F613940751) | 2023-03-14 18:07:02 |\n| 348 | [知识图谱技术体系总览](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F613855167) | 2023-03-14 13:00:05 |\n| 349 | [基于统一远程证明的 TEE 互联互通实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F613644921) | 2023-03-13 18:20:06 |\n| 350 | [如何构建好的用户画像平台？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F613560113) | 2023-03-13 14:00:14 |\n| 351 | [百度基于 GPU 的超大规模离散模型训练框架 PaddleBox 与 FeaBox](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F613322265) | 2023-03-12 15:14:08 |\n| 352 | [Apache Kyuubi 1.6.0 新特性解读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F613164414) | 2023-03-12 13:19:14 |\n| 353 | [腾讯数据平台 saas 化实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F613198635) | 2023-03-11 18:39:56 |\n| 354 | [快手双边市场的复杂实验设计问题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F613123387) | 2023-03-11 13:27:37 |\n| 355 | [银行数据安全管理的思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F612989049) | 2023-03-10 19:00:12 |\n| 356 | [快手商业化数据产品建设经验](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F612600372) | 2023-03-09 18:07:49 |\n| 357 | [如何快速、低成本克隆高质量数字人？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F612378552) | 2023-03-08 18:20:09 |\n| 358 | [AI 算法在大数据治理中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F612246507) | 2023-03-08 14:00:04 |\n| 359 | [阿里健康供应链智能补货算法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F612099867) | 2023-03-07 18:24:12 |\n| 360 | [联想基于Apache DolphinScheduler构建统一调度中心的应用实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F611680333) | 2023-03-06 18:06:02 |\n| 361 | [阿里可解释性推荐算法应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F611687243) | 2023-03-06 13:30:09 |\n| 362 | [面向真实场景的数据驱动决策优化](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F611464043) | 2023-03-05 15:16:10 |\n| 363 | [Calibration4CVR：2018年关于“神经元级别共享的多任务CVR”的初探](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F611453829) | 2023-03-05 13:22:01 |\n| 364 | [货拉拉全链路监控体系的落地与实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F611246151) | 2023-03-04 15:14:05 |\n| 365 | [AliceMind大规模预训练实践及AIGC在ModelScope中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F611251951) | 2023-03-04 13:07:51 |\n| 366 | [数据的边界，透析企业数字化转型的数据价值](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F611113241) | 2023-03-03 18:41:53 |\n| 367 | [虎牙“数据服务+自助”产品化实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F610737257) | 2023-03-02 18:10:13 |\n| 368 | [中小银行数据安全治理体系建设实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F610702381) | 2023-03-02 13:23:04 |\n| 369 | [任重道远：数据湖仓的体系化落地演进](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F610490757) | 2023-03-01 19:00:10 |\n| 370 | [在高保真孪生数字人技术中的自动化流程探索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F610509170) | 2023-03-01 18:30:08 |\n| 371 | [百度文档智能技术与应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F610160597) | 2023-02-28 18:13:13 |\n| 372 | [基于事件感知的聚类增益网络在飞猪保险创意排序的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F610086218) | 2023-02-28 14:16:06 |\n| 373 | [高途数据平台迁移与成本治理实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F609888794) | 2023-02-27 18:32:00 |\n| 374 | [飞桨PaddleNLP设计理念与产业实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F609536355) | 2023-02-26 18:13:09 |\n| 375 | [字节跳动数据血缘技术实现与具体用例](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F609364769) | 2023-02-26 13:18:01 |\n| 376 | [智能指标平台建设和指标自动化](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F609520901) | 2023-02-26 10:23:48 |\n| 377 | [T3 出行基于 Hudi+Kyuubi 的现代技术栈探索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F608797485) | 2023-02-25 14:00:16 |\n| 378 | [T3 出行基于 Hudi+Kyuubi 的现代技术栈探索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F609351536) | 2023-02-25 13:09:22 |\n| 379 | [数据分析工具与案例拆解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F609223535) | 2023-02-24 20:22:00 |\n| 380 | [Presto+Alluxio 加速 Iceberg 数据湖访问](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F609057900) | 2023-02-24 14:00:11 |\n| 381 | [浅谈因果推断与在内容平台的实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F608825584) | 2023-02-23 18:10:09 |\n| 382 | [网易数据治理体系、工具、流程、制度与管理概述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F608754498) | 2023-02-23 12:05:09 |\n| 383 | [阿里云机器学习 AutoML 引擎介绍与应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F608483110) | 2023-02-22 18:15:02 |\n| 384 | [GNN的基础、前沿和应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F608436150) | 2023-02-22 13:16:08 |\n| 385 | [中原银行 AI 平台建设实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F608202613) | 2023-02-21 18:10:11 |\n| 386 | [数据产品价值评估体系与效果提升方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F607949926) | 2023-02-20 18:07:52 |\n| 387 | [ChatGPT技术国产化尝试](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F607800604) | 2023-02-20 14:00:12 |\n| 388 | [腾讯智能写作助手“文涌”（Effidit）关键技术揭秘](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F607474611) | 2023-02-19 16:00:02 |\n| 389 | [2万字揭秘阿里巴巴数据治理平台建设经验](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F606910680) | 2023-02-19 08:37:12 |\n| 390 | [从0到1到100，经营诊断型数据产品人的思维模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F607459894) | 2023-02-18 18:04:03 |\n| 391 | [度小满自动机器学习平台实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F607398006) | 2023-02-18 13:21:48 |\n| 392 | [腾讯Alluxio（DOP）在金融场景的落地与优化实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F607128197) | 2023-02-17 14:27:15 |\n| 393 | [智能风控体系总览](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F606786916) | 2023-02-17 08:00:14 |\n| 394 | [京东实时数据产品应用实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F606954286) | 2023-02-16 19:54:31 |\n| 395 | [腾讯文本理解系统 TexSmart 中的细粒度实体识别关键技术](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F606839460) | 2023-02-16 14:06:25 |\n| 396 | [众安实时多维分析的挑战与 StarRocks 的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F606298729) | 2023-02-14 18:32:09 |\n| 397 | [腾讯广告模型基于\"太极\"的训练成本优化实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F606180651) | 2023-02-14 13:58:16 |\n| 398 | [Clickhouse 在自助分析场景中的探索及实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F606005399) | 2023-02-13 18:22:39 |\n| 399 | [B站基于缓存优化 PRESTO 集群查询性能](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F605439753) | 2023-02-12 14:10:03 |\n| 400 | [吞吐提升30倍：CV流水线走向全栈并行化](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F605423704) | 2023-02-11 14:34:19 |\n| 401 | [阿里基于渠道协同的预算分配与权益管理实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F605185881) | 2023-02-10 18:35:15 |\n| 402 | [​广告场景下双边市场的实验设计](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F604773779) | 2023-02-09 13:10:11 |\n\n## 朱翔宇\n> 简介：《炼丹笔记》《阿里云天池大赛赛题解析》作者，《阿里云天池大赛赛题解析》“作者”\n1. “数字中国”创新大赛 数字政府赛道「冠军」\n2. ACM WSDM Cross-Market Rec 「亚军」\n3. Microsoft DigSci 科学数据挖掘大赛「亚军」 \n4. ATEC 科技精英赛 数字化运营赛道 「亚军」\n5. IEEE ICDM 知识图谱竞赛「季军」 \n6. “达观杯”文本智能处理挑战赛「季军」\n7. 京东JDATA算法大赛「季军」 \n8. “中国法研杯”司法人工智能挑战赛 三等奖 \n9. 中国高校计算机大赛 微信大数据挑战赛 第4名 \n0. 其他数据算法竞赛Top5 若干。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [深度营销增益模型Uplift Model](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F687355859) | 2024-03-16 15:24:06 |\n| 2 | [2023BDC大数据挑战赛全国六强获奖算法方案](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F658969914) | 2023-10-05 17:12:39 |\n| 3 | [GNN在搜推上没有用？试试动态图GNN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F658901046) | 2023-09-28 18:56:24 |\n| 4 | [AI Agents大爆发：OpenAI的下一步](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F655560864) | 2023-09-11 19:11:58 |\n| 5 | [用大型语言模型来重新思考自动驾驶技术](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F654407348) | 2023-09-05 13:39:51 |\n| 6 | [大模型幻觉，他们知道自己不知道的吗？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F650478279) | 2023-08-16 21:38:30 |\n| 7 | [盘点大模型的16大挑战](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F645515816) | 2023-07-24 12:40:38 |\n| 8 | [不再追求模型收敛，一个简单Trick让模型更稳定！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F639336175) | 2023-06-25 12:14:04 |\n| 9 | [家谱树：大模型的前世今生](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F630478671) | 2023-05-18 22:30:35 |\n| 10 | [当ChatGPT遇上推荐系统，遭遇滑铁卢](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F629076305) | 2023-05-13 12:54:07 |\n| 11 | [广告营销算法是如何发挥作用的？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F626767495) | 2023-05-04 20:25:12 |\n| 12 | [ChatGPT出现后，我们是否真的面临范式转变？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F622052864) | 2023-04-15 11:48:58 |\n| 13 | [DeepSpeed Chat: 一键式RLHF训练](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F621735849) | 2023-04-13 20:02:13 |\n| 14 | [LoRA：训练自己的ChatGPT](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F620552131) | 2023-04-09 17:26:58 |\n| 15 | [ChatGLM-6B微调方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F618724929) | 2023-04-01 15:49:41 |\n| 16 | [马斯克开源，Twitter是怎么做推荐的？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F618710861) | 2023-04-01 15:04:35 |\n| 17 | [再谈排序算法的pairwise，pointwise，listwise](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F613354685) | 2023-03-12 16:37:02 |\n| 18 | [流量为王：A\u002FB test 流量分发及实验评估方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F610847581) | 2023-03-02 21:33:35 |\n| 19 | [拆解追溯 ChapGPT各项能力的起源](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F607469120) | 2023-02-18 19:08:35 |\n| 20 | [电商数据分析方法论](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F599027661) | 2023-01-14 15:04:38 |\n| 21 | [如何发现品牌潜客？目标人群优选算法模型及实践解析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F553639842) | 2022-08-14 15:36:48 |\n| 22 | [微信大数据挑战赛：周星星方案汇总](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F521628743) | 2022-05-29 16:39:26 |\n| 23 | [称霸Kaggle的九大深度学习炼丹技巧](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F518189935) | 2022-05-22 14:27:35 |\n| 24 | [那么多CTR论文，真正能复现出效果的有几个？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F510693686) | 2022-05-07 14:10:02 |\n| 25 | [腾讯多任务模型MFH](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F495688506) | 2022-04-09 15:14:45 |\n| 26 | [Transformer总结(2022版)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F489187551) | 2022-03-28 20:48:21 |\n| 27 | [一文看清这些年自监督和无监督的进展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F483659212) | 2022-03-19 12:36:32 |\n| 28 | [用Dropout思想做特征选择，保证效果还兼顾了线上性能?](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F480595150) | 2022-03-14 11:45:12 |\n| 29 | [神经网络调参技巧：warmup策略](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F479862242) | 2022-03-12 16:13:24 |\n| 30 | [DEEPNORM：千层transformer...](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F479860623) | 2022-03-12 16:12:38 |\n| 31 | [2021年炼丹笔记最受欢迎的10篇技术文章](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F476654345) | 2022-03-06 17:14:45 |\n| 32 | [关于多目标任务有趣的融合方式](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F474331161) | 2022-03-01 19:45:12 |\n| 33 | [对比学习必知要点](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F472917546) | 2022-02-26 18:42:24 |\n| 34 | [对比表示学习必知的几种训练目标](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F472918256) | 2022-02-26 18:41:26 |\n| 35 | [召回:是\"塔\",是\"塔\",但不是双塔!](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F472914416) | 2022-02-26 18:33:43 |\n| 36 | [2021年Kaggle所有赛事TOP方案汇总](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F472915303) | 2022-02-26 18:30:40 |\n| 37 | [深度学习模型的多Loss调参技巧](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F472200933) | 2022-02-25 09:50:48 |\n| 38 | [三种Target Encoding方式总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F466389890) | 2022-02-11 21:53:31 |\n| 39 | [如何解决高维稀疏的user-item矩阵推荐问题？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F464942032) | 2022-02-08 16:07:00 |\n| 40 | [双塔模型没效果了？请加大加粗！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F460951158) | 2022-01-23 14:43:21 |\n| 41 | [文本摘要方法总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F460943971) | 2022-01-23 14:16:02 |\n| 42 | [就知道调bert，都不知道加个对比学习吗？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F457784375) | 2022-01-15 16:20:52 |\n| 43 | [AI圈最新深度学习量化算法！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F456528701) | 2022-01-12 20:37:37 |\n| 44 | [Prompt-Tuning这么好用？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F454778818) | 2022-01-08 14:51:31 |\n| 45 | [No Fine-Tuning, Only Prefix-Tuning](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F453748474) | 2022-01-05 21:24:22 |\n| 46 | [搜索算法相似度问题之BM25](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F453748069) | 2022-01-05 21:19:20 |\n| 47 | [NLP中对\"困惑度\"感到困惑?](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F449745831) | 2021-12-25 14:37:14 |\n| 48 | [不加样本就能做数据增强？还能提效？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F449744718) | 2021-12-25 14:32:09 |\n| 49 | [关于\"知识蒸馏\"，你想知道的都在这里！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F446977503) | 2021-12-18 14:22:27 |\n| 50 | [炼丹秘术：给Embedding插上翅膀](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F446973594) | 2021-12-18 14:12:56 |\n| 51 | [从用户反馈的可解释性提升推荐模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F446971622) | 2021-12-18 14:08:36 |\n| 52 | [时间序列里面最强特征之一](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F444365030) | 2021-12-12 15:36:25 |\n| 53 | [自监督学习和对比学习](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F441455961) | 2021-12-05 15:37:18 |\n| 54 | [网络越\"深\"越\"好\"?](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F441454952) | 2021-12-05 15:32:37 |\n| 55 | [Trapper: Transformer模型都在此!](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F441453913) | 2021-12-05 15:29:50 |\n| 56 | [10大最受欢迎的时间序列Github项目](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F441451881) | 2021-12-05 15:26:12 |\n| 57 | [数据清洗该怎么做？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F435610727) | 2021-11-20 15:04:33 |\n| 58 | [self-attention竟然没用？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F433097087) | 2021-11-14 13:10:41 |\n| 59 | [如何评估序列推荐模型？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F429894644) | 2021-11-05 16:58:30 |\n| 60 | [模型的燃料，数据采样的秘密](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F429891446) | 2021-11-05 16:55:39 |\n| 61 | [Transformers中的位置编码到底是什么?](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F427482394) | 2021-10-30 13:41:10 |\n| 62 | [那些决定模型上限的操作](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F427480576) | 2021-10-30 13:37:16 |\n| 63 | [炼丹知识点：模型评估里的陷阱](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F425119410) | 2021-10-24 13:42:47 |\n| 64 | [Short-Session的推荐如何做？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F424198914) | 2021-10-21 20:52:29 |\n| 65 | [延迟反馈带来的样本偏差如何处理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F424197502) | 2021-10-21 20:48:11 |\n| 66 | [深度学习模型如何缩小到可以放到微处理器呢?](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F424196064) | 2021-10-21 20:43:10 |\n| 67 | [2021年三大顶会时间序列论文&代码整理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F424195019) | 2021-10-21 20:39:47 |\n| 68 | [微信大数据挑战赛决赛方案：微信视频号推荐算法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F413787704) | 2021-09-25 11:14:22 |\n| 69 | [Transformer又又又升级了？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F413786690) | 2021-09-25 11:08:18 |\n| 70 | [推荐系统里，可以用蒸馏吗？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F413785503) | 2021-09-25 11:04:40 |\n| 71 | [神经网络调参经验大汇总](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F410335242) | 2021-09-14 17:11:26 |\n| 72 | [淘宝搜索中基于embedding的召回](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F410331760) | 2021-09-14 16:58:38 |\n| 73 | [点击率预估又有新花样？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F406785178) | 2021-09-04 14:27:45 |\n| 74 | [双塔模型中的负采样](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F406783325) | 2021-09-04 14:22:23 |\n| 75 | [推荐系统遇到曝光偏差怎么办？用对比学习！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F402159523) | 2021-08-21 17:38:46 |\n| 76 | [内容流推荐中的个性化标题生成框架](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F400242555) | 2021-08-16 12:22:33 |\n| 77 | [PyCaret：又一个神仙ML库](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F400240637) | 2021-08-16 12:14:47 |\n| 78 | [漫谈特征缩放](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F400239115) | 2021-08-16 12:08:13 |\n| 79 | [再谈序列化推荐-集成item类目属性](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F397604219) | 2021-08-08 16:50:21 |\n| 80 | [盘一盘推荐系统里值得一读的那些论文](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F397601992) | 2021-08-08 16:44:59 |\n| 81 | [推荐竞赛金牌技能！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F397601007) | 2021-08-08 16:35:13 |\n| 82 | [推荐系统里，你是怎么Embedding的？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F397600084) | 2021-08-08 16:31:13 |\n| 83 | [特征筛选偷懒必备](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F397598881) | 2021-08-08 16:27:02 |\n| 84 | [算法模型该如何解释？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F392779898) | 2021-07-24 16:46:59 |\n| 85 | [从Deepwalk到Node2vec](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F390594956) | 2021-07-17 15:30:53 |\n| 86 | [NLP十大数据扩充策略](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F389221231) | 2021-07-13 12:31:02 |\n| 87 | [寻找不合群的数据（异常值）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F389220299) | 2021-07-13 12:21:34 |\n| 88 | [推荐系统开源数据集](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F389219212) | 2021-07-13 12:15:42 |\n| 89 | [大有可为的GNN：DeepWalk](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F389218052) | 2021-07-13 12:11:52 |\n| 90 | [负样本的艺术，再读Facebook双塔向量召回算法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F386913612) | 2021-07-05 21:13:24 |\n| 91 | [\"轻量\"且\"优秀\"的序列推荐模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F386477485) | 2021-07-04 11:29:27 |\n| 92 | [推荐系统中多值特征的八大处理技巧](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F385490803) | 2021-06-30 20:46:05 |\n| 93 | [推荐系统中的长尾物品（Tail Items）推荐问题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F384961079) | 2021-06-29 11:00:28 |\n| 94 | [用 XGBoost 做 Learning To Rank](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F384661987) | 2021-06-28 12:29:30 |\n| 95 | [微信视频号推荐算法上分技巧](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F384010332) | 2021-06-25 18:47:37 |\n| 96 | [MLP is Best?](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F381756225) | 2021-06-18 09:43:58 |\n| 97 | [一文弄懂各大池化Pooling操作](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F381752896) | 2021-06-18 09:37:36 |\n| 98 | [FM又又又升级了？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F381471924) | 2021-06-17 12:29:20 |\n| 99 | [神经网络十大学习率衰减提效策略](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F379213781) | 2021-06-09 15:18:02 |\n| 100 | [兜兜转转一个圈，到底What is all you need?](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F378845253) | 2021-06-08 12:29:13 |\n| 101 | [AutoDim:自动Embedding维度寻优，如何节省70%的存储空间同时还能大幅提效？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F378166274) | 2021-06-05 15:56:46 |\n| 102 | [用XGBoost调XGBoost?\"我\"调\"我\"自己？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F378165220) | 2021-06-05 15:51:12 |\n| 103 | [当推荐系统遇上多模态Embedding](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F376816853) | 2021-05-31 20:24:08 |\n| 104 | [用预训练GNN预估点击率有奇效？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F376666362) | 2021-05-31 12:35:48 |\n| 105 | [曾几何时，我们炼的不是丹，是特征](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F375981851) | 2021-05-28 12:16:30 |\n| 106 | [自动化Debias框架，一键去除推荐系统所有Bias](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F375980125) | 2021-05-28 12:10:44 |\n| 107 | [推荐系统User-Item Embedding图算法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F375042284) | 2021-05-25 11:18:09 |\n| 108 | [隐式反馈的去噪，模型取得巨大提升](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F374549706) | 2021-05-23 13:06:10 |\n| 109 | [聊聊Batch Normalization在网络结构中的位置](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F374549086) | 2021-05-23 12:56:38 |\n| 110 | [微信视频号推荐算法方案分享](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F374547948) | 2021-05-23 12:52:37 |\n| 111 | [GNN是什么？GNN怎么学？GNN何用？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F374547276) | 2021-05-23 12:45:58 |\n| 112 | [推荐、广告排序算法评价指标 GAUC、MRR、nDCG、MAP](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F372735913) | 2021-05-16 16:15:52 |\n| 113 | [模型调参指南北东西](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F372524312) | 2021-05-15 14:15:05 |\n| 114 | [用隐式反馈做推荐模型，你做对了吗](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F372520538) | 2021-05-15 14:06:22 |\n| 115 | [炼丹侠必知的11大神经网络结构​汇总](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F372516381) | 2021-05-15 13:41:44 |\n| 116 | [入坑推荐系统，从Google这篇开始](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F370469782) | 2021-05-07 18:46:21 |\n| 117 | [谷歌开源下一代推荐系统模拟器：RecSim NG](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F370469207) | 2021-05-07 18:40:37 |\n| 118 | [Lookalike相似人群拓展算法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F370467639) | 2021-05-07 18:36:30 |\n| 119 | [KDD Cup 2021：时间序列异常检测问题开源方案](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F368650520) | 2021-04-28 22:29:36 |\n| 120 | [对\"样本不均衡\"一顿操作](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F366768794) | 2021-04-21 22:25:26 |\n| 121 | [AAAI21最佳论文Runners Up！Transformer的归因探索！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F366767736) | 2021-04-21 22:21:29 |\n| 122 | [Attention函数手册](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F366766852) | 2021-04-21 22:16:33 |\n| 123 | [没什么是一次排序解决不了的，如果有，那就One more time](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F366765660) | 2021-04-21 22:12:32 |\n| 124 | [Learning to Rank：X-wise](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F366764455) | 2021-04-21 22:07:10 |\n| 125 | [一个端到端模型GraphDR实现多样化的召回](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F366762731) | 2021-04-21 22:02:08 |\n| 126 | [DNN中多任务学习概述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F363931367) | 2021-04-11 13:38:57 |\n| 127 | [ArcFace 同款商品识别的克星](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F363928631) | 2021-04-11 13:21:13 |\n| 128 | [MaskNet 这个CTR模型，有点意思](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F363927455) | 2021-04-11 13:11:38 |\n| 129 | [霸榜各大CV任务榜单，Swin Transformer横空出世！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F363067287) | 2021-04-07 23:02:54 |\n| 130 | [神经网络基础之可视化和交互式指南](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F363063564) | 2021-04-07 22:48:26 |\n| 131 | [一文梳理多任务学习(MMoE\u002FPLE\u002FDUPN\u002FESSM等)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F363059498) | 2021-04-07 22:28:24 |\n| 132 | [CTR模型越来越深，如何让它变轻?](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F361116560) | 2021-03-30 19:53:54 |\n| 133 | [Netflix提出梯度提升决策树网络Hammock！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F361115975) | 2021-03-30 19:46:37 |\n| 134 | [Purdue&UCLA提出梯度Boosting网络，效果远好于XGBoost模型！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F361114700) | 2021-03-30 19:43:17 |\n| 135 | [一个模型能服务所有的点击率模型？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F361113529) | 2021-03-30 19:35:04 |\n| 136 | [流量为王：ABTest流量分层分桶机制](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F359668457) | 2021-03-24 22:24:00 |\n| 137 | [一文弄懂各种loss function](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F358570091) | 2021-03-20 14:33:53 |\n| 138 | [谷歌Deep Bootstrap Framework：在线优化角度理解神经网络](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F358569279) | 2021-03-20 14:28:28 |\n| 139 | [排序(rank)后重排(re-rank)?](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F358568019) | 2021-03-20 14:23:43 |\n| 140 | [ALL in BERT：一套操作冲进排行榜首页](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F358565551) | 2021-03-20 14:13:32 |\n| 141 | [又一Attention函数诞生啦，带给你意想不到的巨大提升！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F357612282) | 2021-03-16 20:19:06 |\n| 142 | [搜索推荐系统实战：终极奥秘](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F356879979) | 2021-03-13 19:03:30 |\n| 143 | [搜索推荐系统实战：进化篇](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F356877663) | 2021-03-13 18:52:48 |\n| 144 | [搜索推荐系统实战：起始篇](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F356875249) | 2021-03-13 18:38:46 |\n| 145 | [负样本修正：既然数据是模型的上限，就不要破坏这个上限](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F356139393) | 2021-03-10 20:36:30 |\n| 146 | [再谈序列化推荐](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F356124555) | 2021-03-10 20:27:03 |\n| 147 | [当推荐遇到冷启动](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F355858793) | 2021-03-09 21:25:06 |\n| 148 | [当推荐系统遇上用户画像：你的画像是怎么来的？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F354524125) | 2021-03-04 13:15:09 |\n| 149 | [Normalization在CTR问题中的迷之效果](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F353381965) | 2021-02-27 18:07:08 |\n| 150 | [负样本修正：CVR预估时间延迟问题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F353379888) | 2021-02-27 17:53:37 |\n| 151 | [搜索推荐炼丹笔记：CVR预估中的延迟反馈问题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F353378307) | 2021-02-27 17:43:55 |\n| 152 | [大道至简：算法工程师炼丹Trick手册](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F352971645) | 2021-02-25 21:39:04 |\n| 153 | [推荐系统与GNN的火花](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F352970399) | 2021-02-25 21:32:58 |\n| 154 | [Model Search：炼丹师最强危机，谷歌开源最强AutoML工具！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F352967954) | 2021-02-25 21:25:55 |\n| 155 | [流量为王：收益最大化的混排机制](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F352966287) | 2021-02-25 21:16:10 |\n| 156 | [推荐系统CTR预估学习路线：引入注意力机制](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F351078828) | 2021-02-17 16:27:16 |\n| 157 | [推荐系统CTR预估学习路线：深度模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F351078721) | 2021-02-17 16:15:30 |\n| 158 | [推荐系统CTR预估学习路线：利用树模型自动化特征工程](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F351079011) | 2021-02-17 16:04:15 |\n| 159 | [推荐系统CTR预估学习路线：从LR到FM\u002FFFM探索二阶特征的高效实现](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F351076920) | 2021-02-17 15:54:39 |\n| 160 | [Transformer Family](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F351046712) | 2021-02-17 11:44:38 |\n| 161 | [模型提效的另一条路：数据增强](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F351042771) | 2021-02-17 10:58:31 |\n| 162 | [搜索推荐炼丹笔记：评论是怎么影响推荐的？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F351040887) | 2021-02-17 10:48:46 |\n| 163 | [AAAI21最佳论文Informer：效果远超Transformer的长序列预测神器？？？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F349896117) | 2021-02-07 20:07:28 |\n| 164 | [机器学习入门开源资料](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F349688817) | 2021-02-06 17:17:28 |\n| 165 | [一石二鸟：推荐系统多目标任务建模方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F348630177) | 2021-02-01 21:25:32 |\n| 166 | [搜索推荐炼丹笔记：融合GNN、图谱、多模态的推荐](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F348626879) | 2021-02-01 21:07:11 |\n| 167 | [搜索推荐炼丹笔记：单网络内部集成学习](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F348165482) | 2021-01-30 15:58:16 |\n| 168 | [搜索推荐炼丹笔记：Transformer在搜索推荐中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F348159311) | 2021-01-30 15:31:42 |\n| 169 | [NN如何在表格数据中战胜GBDT类模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F348156063) | 2021-01-30 15:18:41 |\n| 170 | [事半功倍：推荐系统Pre-train预训练方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F348152170) | 2021-01-30 15:03:24 |\n| 171 | [2020年AI领域有哪些让人惊艳的研究？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F347525678) | 2021-01-27 22:08:20 |\n| 172 | [搜索推荐炼丹笔记：酒店搜索位置偏差的边际重要性](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F347521505) | 2021-01-27 22:01:45 |\n| 173 | [搜索推荐炼丹笔记：点击位置偏差的经验比较](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F347515121) | 2021-01-27 21:40:37 |\n| 174 | [搜索推荐炼丹笔记：位置偏差里的惊喜](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F347512018) | 2021-01-27 21:12:09 |\n| 175 | [NLP炼丹笔记：Switch Transformers 朴实无华 大招秒杀](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F344702054) | 2021-01-16 11:01:44 |\n| 176 | [推荐搜索炼丹笔记：SIM 用户行为序列点击率预估模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F344698112) | 2021-01-16 10:42:29 |\n| 177 | [推荐搜索炼丹笔记：MiNet阿里跨域点击率CTR预估](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F344691028) | 2021-01-16 10:23:36 |\n| 178 | [推荐搜索炼丹笔记：双塔模型在Airbnb搜索排名中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F343097091) | 2021-01-09 20:07:29 |\n| 179 | [向量召回 MIND多兴趣双塔模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F343014809) | 2021-01-09 19:05:31 |\n| 180 | [推荐算法炼丹笔记：非采样的负样本](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F342134699) | 2021-01-05 22:29:06 |\n| 181 | [2020年搜索推荐系统论文干货集锦](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F341581547) | 2021-01-03 20:37:42 |\n| 182 | [Facebook向量召回双塔模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F341101313) | 2020-12-31 21:15:18 |\n| 183 | [推荐算法炼丹笔记：阿里序列化推荐算法MRIF](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F339628215) | 2020-12-25 23:33:17 |\n| 184 | [做向量召回 All You Need is 双塔](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F339116577) | 2020-12-23 23:31:53 |\n| 185 | [推荐算法炼丹笔记：Deep Bayesian的多目标推荐](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F338042057) | 2020-12-19 11:17:08 |\n| 186 | [推荐系统里的那些坑](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F337982340) | 2020-12-18 21:59:53 |\n| 187 | [深度学习炼丹失败率高达87%的TOP10原因](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F337981124) | 2020-12-18 21:51:55 |\n| 188 | [读不完的顶会Paper，我该如何读论文？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F337971458) | 2020-12-18 21:18:03 |\n| 189 | [推荐算法炼丹笔记：标签工程](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F336610225) | 2020-12-13 15:39:10 |\n| 190 | [推荐算法炼丹笔记：序列化推荐算法Bert4Rec](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F336607890) | 2020-12-13 15:24:26 |\n| 191 | [炼丹面试官的面试笔记](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F336606129) | 2020-12-13 15:12:25 |\n| 192 | [推荐算法炼丹笔记：阿里序列化推荐算法ComiRec](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F336604013) | 2020-12-13 15:02:41 |\n| 193 | [学术圈竞赛圈大讨论，深度学习真的比不过GBDT模型吗？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F336213914) | 2020-12-11 19:13:07 |\n| 194 | [IEEE ICDM 2020 CUP TOP3方案](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F329058536) | 2020-12-04 00:07:32 |\n| 195 | [推荐系统炼丹笔记：Embedding在内存问题上的一种解法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F319935685) | 2020-11-29 16:38:22 |\n| 196 | [推荐系统炼丹笔记：多模态推荐之用户评论篇](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F319904493) | 2020-11-29 16:23:44 |\n| 197 | [大规模推荐Deep Retrieval](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F319860288) | 2020-11-29 15:58:43 |\n| 198 | [推荐系统炼丹笔记：阿里推荐算法特征交叉新方式CAN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F319816752) | 2020-11-29 15:47:30 |\n| 199 | [推荐系统炼丹笔记：EdgeRec阿里边缘计算推荐系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F317756918) | 2020-11-28 16:20:27 |\n| 200 | [推荐算法竞赛TOP方案合集](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F317708353) | 2020-11-28 16:03:52 |\n| 201 | [2020年推荐系统工程师炼丹手册RecSys版](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F303310027) | 2020-11-20 22:37:07 |\n| 202 | [2020年推荐系统工程师炼丹手册RecSys-Long Paper版](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F303287727) | 2020-11-20 22:24:53 |\n| 203 | [推荐系统炼丹笔记：阿里DMIN多重兴趣网络](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F293092409) | 2020-11-14 12:58:18 |\n| 204 | [推荐系统炼丹笔记：RecSys2020-SSE-PT解锁序列数据挖掘新姿势](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F293082914) | 2020-11-14 12:49:33 |\n| 205 | [炼丹笔记 \\| 讲讲我们的故事](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F293063008) | 2020-11-14 12:17:53 |\n| 206 | [推荐系统中的Bias\u002FDebias大全](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F293050486) | 2020-11-14 12:09:25 |\n| 207 | [推荐系统炼丹笔记：令人着迷的时间动态CF算法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F293017433) | 2020-11-14 11:31:58 |\n| 208 | [推荐大赛如何在一周时间内打进决赛](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F293008934) | 2020-11-14 11:18:14 |\n| 209 | [推荐算法炼丹笔记：序列化推荐系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F272862240) | 2020-11-03 23:14:31 |\n| 210 | [推荐算法炼丹笔记：如何让你的推荐系统具有可解释性？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F270653321) | 2020-10-31 20:49:25 |\n| 211 | [推荐算法炼丹笔记：科学调参在模型优化中的意义](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F270641970) | 2020-10-31 19:14:13 |\n| 212 | [我的成长之路：追逐冠军的少年](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F266542175) | 2020-10-18 11:41:46 |\n| 213 | [电商搜索推荐业务词汇表](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F263063772) | 2020-10-08 22:33:53 |\n| 214 | [推荐算法炼丹笔记：推荐系统采样评估指标及线上线下一致性问题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F262877350) | 2020-10-08 10:41:13 |\n| 215 | [2020年推荐系统工程师炼丹手册](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F247941842) | 2020-09-16 09:43:12 |\n| 216 | [2020数字中国创新大赛-冠军方案](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F147049432) | 2020-06-09 21:59:49 |\n| 217 | [DigSci科学数据挖掘大赛-亚军方案分享](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F88257675) | 2019-10-24 11:33:41 |\n| 218 | [JDATA绝对语义识别挑战大赛-季军方案](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F86868102) | 2019-10-15 21:15:02 |\n\n## 机智的叉烧\n> 简介：OPPO对话算法工程师，公众号：CS的陋室，个人微信公众号：CS的陋室，研究方向为自然语言处理、搜索推荐和机器学习。北京科技大学统计学硕士二年级毕业，现就职于OPPO从事算法工作。曾任职于去哪儿网产品数据岗位及美团点评算法岗位。微信：zgr950123。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [心法利器[74] \\| 技术分享中的技术陷阱](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684846197) | 2024-03-01 22:28:10 |\n| 2 | [前沿重器[26] \\| 预训练模型的领域适配问题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684656004) | 2024-02-29 22:21:44 |\n| 3 | [心法利器[71] \\| NLP的学习思考(新手和进阶向)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F673938775) | 2023-12-24 22:00:10 |\n| 4 | [心法利器[70] \\| 短文本理解的难点和解决方案](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F673133789) | 2023-12-19 21:13:45 |\n| 5 | [心法利器[69] \\| 聊聊数据敏感性](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F657693138) | 2023-09-21 22:06:47 |\n| 6 | [心法利器[67] \\| 算法性能指标优化指南](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F643923211) | 2023-07-17 21:04:24 |\n| 7 | [心法利器[65] \\| 一些技术和成长的讨论【答读者问】](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F643922033) | 2023-07-17 18:30:55 |\n| 8 | [心法利器[64] \\| 毕业3年的算法工程师技术成长思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F643921379) | 2023-07-17 09:15:51 |\n| 9 | [心法利器[63] \\| 预训练模型的使用时机](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F643920890) | 2023-07-16 19:58:23 |\n| 10 | [心法利器[62] \\| 向量召回和字面召回的选择与权衡](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F641245574) | 2023-07-05 13:28:23 |\n| 11 | [心法利器[61] \\| 规则到模型的过渡和升级策略](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F641245171) | 2023-07-03 20:07:18 |\n| 12 | [前沿重器[21-25] 合集：2w字系统聊聊对话系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F638538866) | 2023-06-20 21:38:50 |\n| 13 | [心法利器[60] \\| 文本分类以搜代分为什么有用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F638537760) | 2023-06-20 21:19:26 |\n| 14 | [心法利器[59] \\| 算法效果调优思路和调优能力的成长](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F638276602) | 2023-06-20 09:30:17 |\n| 15 | [心法利器[58] \\| 从长尾问题到以搜代分的机理探索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F638275749) | 2023-06-19 21:39:40 |\n| 16 | [心法利器[57] \\| 文本多分类问题经验](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F605684875) | 2023-02-12 17:04:31 |\n| 17 | [心法利器[56] \\| 算法技术设计思路小结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F594110276) | 2022-12-24 21:43:16 |\n| 18 | [心法利器[55] \\| 算法工程师读论文思路](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F593862426) | 2022-12-23 16:14:06 |\n| 19 | [心法利器[54] \\| NLP任务上线前评测](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F593860728) | 2022-12-23 16:09:08 |\n| 20 | [心法利器[53] \\| 数据增强的现实应用思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F593233614) | 2022-12-20 21:33:33 |\n| 21 | [前沿重器[20] \\| 文本分类和意图识别调研思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F578780247) | 2022-10-30 19:41:23 |\n| 22 | [前沿重器[19] \\| 预训练在美团搜索广告中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F578779838) | 2022-10-30 19:37:07 |\n| 23 | [前沿重器[18] \\| KDD21：淘宝向量检索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F578778646) | 2022-10-30 19:33:31 |\n| 24 | [前沿重器[17] \\| 美团搜索ner技术启示（下）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F578777966) | 2022-10-30 19:28:11 |\n| 25 | [前沿重器[16] \\| 美团搜索ner技术启示（上）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F578777448) | 2022-10-30 19:25:42 |\n| 26 | [心法利器[52] \\| 口语化句子解析问题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F566880776) | 2022-09-21 23:02:01 |\n| 27 | [前沿重器[15] \\| R-Dropout——如果不行那就两次](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F566884796) | 2022-09-21 23:01:31 |\n| 28 | [前沿重器[14] \\| 美团小样本学习技术启示](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F566884109) | 2022-09-21 23:00:01 |\n| 29 | [前沿重器[13] \\| 知乎query改写思路启示](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F566883250) | 2022-09-21 22:55:55 |\n| 30 | [前沿重器[12] \\| 美团搜索引导技术启示](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F566882596) | 2022-09-21 22:54:12 |\n| 31 | [前沿重器[11] \\| 再谈attention机制](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F566881983) | 2022-09-21 22:51:59 |\n| 32 | [前沿重器[10] \\| bert语义空间的思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F563677223) | 2022-09-12 19:41:39 |\n| 33 | [心法利器[51] \\| 长短句语义相似问题探索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F563676739) | 2022-09-12 19:37:36 |\n| 34 | [心法利器[50] \\| 测试集构造思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F563676340) | 2022-09-12 19:34:43 |\n| 35 | [前沿重器[9] \\| 语义相似度ESIM模型带来的启示](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F553410326) | 2022-08-13 16:42:36 |\n| 36 | [心法利器[49] \\| 数据分布的含义理解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F553409600) | 2022-08-13 16:34:39 |\n| 37 | [心法利器[48] \\| 开放域文本分类](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F550874897) | 2022-08-07 16:20:11 |\n| 38 | [心法利器[47] \\| 为什么你的BERT不行？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F550872072) | 2022-08-07 16:16:22 |\n| 39 | [心法利器[46] \\| 模型部署的主要技术方案](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F550867417) | 2022-08-07 16:00:16 |\n| 40 | [心法利器[45] \\| 模型需要的信息提供够了吗](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F548265819) | 2022-07-31 17:28:26 |\n| 41 | [心法利器[44] \\| 样本不均衡之我见](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F548264985) | 2022-07-31 17:24:48 |\n| 42 | [心法利器[43] \\| 算法工程师的算法晋升思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F548262591) | 2022-07-31 17:21:41 |\n| 43 | [心法利器[42] \\| 润物细无声-残差网络](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F539870148) | 2022-07-10 16:04:08 |\n| 44 | [心法利器[41] \\| 我常说的词典匹配到底怎么做](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F500158548) | 2022-04-17 20:22:52 |\n| 45 | [心法利器[37-40] \\| bad case治疗术合集](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F493441420) | 2022-04-05 20:22:25 |\n| 46 | [心法利器[40] \\| bad case治疗术：解决篇](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F493439241) | 2022-04-05 20:16:17 |\n| 47 | [心法利器[39] \\| bad case治疗术：分析篇](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F493437705) | 2022-04-05 20:12:53 |\n| 48 | [心法利器[38] \\| bad case治疗术：现状篇](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F493437097) | 2022-04-05 20:08:22 |\n| 49 | [心法利器[37] \\| bad case治疗术：认知篇](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F493436351) | 2022-04-05 20:06:42 |\n| 50 | [心法利器[36] \\| 开学季：给研究生的建议](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F476733605) | 2022-03-06 21:18:19 |\n| 51 | [心法利器[35] \\| 开学季：我给大学生的建议](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F476733020) | 2022-03-06 21:16:08 |\n| 52 | [心法利器[34] \\| 报告小结：query理解概述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F476731484) | 2022-03-06 21:14:57 |\n| 53 | [心法利器[33] \\| 快速的关键词抽取baseline](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F473214338) | 2022-02-27 16:59:30 |\n| 54 | [心法利器[32] \\| 分享一些印象深刻的case](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F473213389) | 2022-02-27 16:57:38 |\n| 55 | [前沿重器[8] \\| CV研究启发语义相似和表征](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F469933142) | 2022-02-20 20:30:43 |\n| 56 | [前沿重器[7] \\| 小布助手登顶百度千言短文本相似度的秘诀](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F469931817) | 2022-02-20 20:23:34 |\n| 57 | [心法利器[31] \\| 我的算法工程师日常](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F466931190) | 2022-02-13 17:04:51 |\n| 58 | [心法利器[30] \\| 算法新人如何在工作中成长](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F466930229) | 2022-02-13 17:03:42 |\n| 59 | [心法利器[29] \\| 把文本分类任务做成一个系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F463691469) | 2022-02-02 23:08:36 |\n| 60 | [心法利器[28] \\| 如何评估一个算法效果](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F463690967) | 2022-02-02 23:03:47 |\n| 61 | [前沿重器[6] \\| 语义相似度ESIM模型带来的启示](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F462221915) | 2022-01-26 22:38:24 |\n| 62 | [前沿重器[5] \\| 阿里小蜜的数据量分级处理机制](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F462220696) | 2022-01-26 22:33:14 |\n| 63 | [生日-以写促学，持续成长](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F461091869) | 2022-01-23 23:00:46 |\n| 64 | [前沿重器[4] \\| 探索腾讯搜索的Quer理解如何直击心灵](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F459597054) | 2022-01-19 21:46:34 |\n| 65 | [心法利器[27] \\| 人工智能技术创新大赛决赛随想](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F459595617) | 2022-01-19 21:40:58 |\n| 66 | [心法利器[26] \\| 以搜代分：文本多分类新思路](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F459592184) | 2022-01-19 21:32:36 |\n| 67 | [心法利器[25] \\| 如何做技术设计](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F456579098) | 2022-01-12 22:23:48 |\n| 68 | [心法利器[24] \\| 以pytorch为例看我怎么自学新技术的](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F456577362) | 2022-01-12 22:22:11 |\n| 69 | [仓颉专项：你们要的飞机大炮我都会](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F456575024) | 2022-01-12 22:15:41 |\n| 70 | [心法利器[24] \\| 算法在岗3年小结：学习成长篇](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F453800419) | 2022-01-06 00:16:09 |\n| 71 | [心法利器[23] \\| 算法在岗3年小结：工作思路篇](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F453799805) | 2022-01-06 00:14:43 |\n| 72 | [心法利器[22] \\| 算法在岗3年小结：模型策略篇](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F453799404) | 2022-01-06 00:11:09 |\n| 73 | [21->22：夯实，蜕变](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F452662208) | 2022-01-02 21:38:36 |\n| 74 | [心法利器[21] \\| NLU落地场景-智能对话交互](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F451436208) | 2021-12-29 23:06:25 |\n| 75 | [心法利器[20] \\| 算法问题下模型之外的问题：文本分类](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F451432019) | 2021-12-29 23:01:16 |\n| 76 | [心法利器[19] \\| 算法问题下模型之外的问题：概述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F448712884) | 2021-12-22 21:46:47 |\n| 77 | [心法利器[18] \\| cqr&ctr：文本匹配的破城长矛](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F448711124) | 2021-12-22 21:44:54 |\n| 78 | [心法利器[17] \\| 算法服务及其相关配件](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F445914986) | 2021-12-16 00:31:41 |\n| 79 | [心法利器[16] \\| 向量表征和向量召回](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F442905846) | 2021-12-08 20:51:14 |\n| 80 | [心法利器[14] \\| 任务方案思考：人工特征机器学习](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F440144758) | 2021-12-01 22:03:49 |\n| 81 | [心法利器[13] \\| 任务方案思考：句子相似度和匹配](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F440143661) | 2021-12-01 22:02:17 |\n| 82 | [心法利器[12] \\| 任务方案思考：序列标注（NER）篇](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F440141903) | 2021-12-01 21:58:53 |\n| 83 | [心法利器[11] \\| 任务方案思考：文本分类篇](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F437398353) | 2021-11-24 23:22:52 |\n| 84 | [心法利器[10] \\| 算法项目从1到N过程](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F437397627) | 2021-11-24 23:17:00 |\n| 85 | [心法利器[9] \\| 算法项目的从0到1流程](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F433680389) | 2021-11-15 23:11:44 |\n| 86 | [心法利器[8] \\| 模型热更新小记](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F433679620) | 2021-11-15 23:09:58 |\n| 87 | [心法利器[7] \\| 漫谈语义相似度](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F431421639) | 2021-11-09 23:24:40 |\n| 88 | [心法利器[6] \\| python grpc实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F431421189) | 2021-11-09 23:21:17 |\n| 89 | [心法利器[5] \\| 聊自己非计算机专业做程序员的经验](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F429123251) | 2021-11-03 21:34:32 |\n| 90 | [心法利器[4] \\| tf.keras文本分类小例子](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F429120933) | 2021-11-03 21:30:02 |\n| 91 | [心法利器[3] \\| tf.keras自学笔记](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F426505899) | 2021-10-27 21:11:10 |\n| 92 | [前沿重器[3] \\| 平安智能问答系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F426505179) | 2021-10-27 21:09:26 |\n| 93 | [心法利器[2] \\| 统计语言模型的使用感想](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F425693481) | 2021-10-26 00:32:52 |\n| 94 | [心法利器[1] \\| NLP的知识蒸馏思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F425275341) | 2021-10-25 00:32:44 |\n| 95 | [前沿重器[2] \\| 美团搜索理解和召回](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F425274542) | 2021-10-25 00:26:07 |\n| 96 | [前沿重器[1] \\| 微软小冰-多轮和情感机器人的先行者](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F425273850) | 2021-10-25 00:20:48 |\n| 97 | [ML&DEV[18] \\| 入职一周年：夯实基础，持续深入](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F402414167) | 2021-08-22 20:13:42 |\n| 98 | [ML&DEV[17] \\| 算法工程师的技术深度](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F402413415) | 2021-08-22 20:10:24 |\n| 99 | [ML&DEV[16] \\| 算法工程师内功修炼](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F402412887) | 2021-08-22 20:08:13 |\n| 100 | [ML&DEV[15] \\| pyspark杂记](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F402411754) | 2021-08-22 20:05:03 |\n| 101 | [ML&DEV[14] \\| 浅谈解决问题的能力](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F393136075) | 2021-07-26 09:56:04 |\n| 102 | [R&S[29] \\| 推荐系统中的召回](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F393132688) | 2021-07-26 09:45:43 |\n| 103 | [NLP.TM[38] \\| 对话系统经典：检索式对话](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F393130531) | 2021-07-26 09:38:53 |\n| 104 | [大学生技能大赛：为AI技能添砖加瓦](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F370930972) | 2021-05-09 19:34:03 |\n| 105 | [20->21：算法工程师的成长思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F343289480) | 2021-01-10 21:21:05 |\n| 106 | [NLP.TM[37] \\| 深入讨论纠错系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F341871187) | 2021-01-04 23:07:03 |\n| 107 | [NLP.TM[36] \\| NLP之源：n-gram语言模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F268937851) | 2020-10-27 00:17:29 |\n| 108 | [NLP.TM[35] \\| 纠错：pycorrector的候选排序](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F268635359) | 2020-10-25 22:43:27 |\n| 109 | [NLP.TM[34] \\| 纠错：pycorrector的召回](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F268634800) | 2020-10-25 22:42:07 |\n| 110 | [NLP.TM[33] \\| 纠错：pycorrector的错误检测](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F268633494) | 2020-10-25 22:38:16 |\n| 111 | [NLP.TM[32] \\| 浅谈文本增强技术](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F262659842) | 2020-10-07 20:21:50 |\n| 112 | [R&S[28] \\| 有关用户理解的思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F262167155) | 2020-10-06 11:04:06 |\n| 113 | [R&S[27] \\| 用户画像初探](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F261957299) | 2020-10-05 13:02:28 |\n| 114 | [R&S[26] \\| 搜索领域算法需要掌握的知识](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F261697891) | 2020-10-04 16:05:50 |\n| 115 | [R&S[25] \\| 搜索中的意图识别](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F261367997) | 2020-10-03 16:35:08 |\n| 116 | [R&S[24] \\| 浅谈Query理解和分析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F136313695) | 2020-04-26 00:47:35 |\n| 117 | [NLP.TM[31] \\| 2018年的一篇NER综述笔记](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F133532858) | 2020-04-19 23:24:08 |\n| 118 | [NLP.TM[30] \\| ner自动化打标方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F133532494) | 2020-04-19 23:20:18 |\n| 119 | [NLP.TM[27] \\| bert之我见-positional encoding](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F125677470) | 2020-04-05 17:34:35 |\n| 120 | [NLP.TM \\| 近期做NER的反思](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F125676493) | 2020-04-05 17:28:10 |\n| 121 | [ML&DEV[13] \\| 快速从无到有建模完成思路](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F115303824) | 2020-03-22 19:52:54 |\n| 122 | [R&S[23] \\| 搜索中的纠错问题初探](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F111788847) | 2020-03-08 21:19:04 |\n| 123 | [ML&DEV[13] \\| bad case分析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F108680134) | 2020-02-23 20:39:11 |\n| 124 | [ML&DEV[12] \\| 再谈数学学习](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F108679402) | 2020-02-23 20:37:25 |\n| 125 | [ML&DEV[11] \\| 浅谈模型的局限性](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F108678940) | 2020-02-23 20:33:26 |\n| 126 | [NLP.TM[26] \\| bert之我见-attention篇](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F104310177) | 2020-01-29 19:53:06 |\n| 127 | [ML&DEV[10] \\| gRPC的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F104148001) | 2020-01-27 22:13:06 |\n| 128 | [ML&DEV \\| gRPC初体验](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F104070248) | 2020-01-27 00:11:02 |\n| 129 | [NLP.TM[25] \\| CS224N学习小结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F104021631) | 2020-01-26 17:00:31 |\n| 130 | [R&S[22] \\| 搜索系统中的召回](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F102428847) | 2020-01-13 00:01:58 |\n| 131 | [学习周报 \\| 变形金刚-Transformer](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F102427576) | 2020-01-12 23:48:19 |\n| 132 | [NLP.TM[24] \\| TextCNN的个人理解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F102426363) | 2020-01-12 23:41:11 |\n| 133 | [学习周报 \\| CS224N](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F100567948) | 2020-01-01 18:35:25 |\n| 134 | [学习周报 \\| charNER，bert系列的NER](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F100567876) | 2020-01-01 18:34:46 |\n| 135 | [学习周报 \\| NER综述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F100567788) | 2020-01-01 18:33:40 |\n| 136 | [学习周报 \\| BILSTM-CRF，BERT](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F100567734) | 2020-01-01 18:32:46 |\n| 137 | [NLP.TM[23] \\| NLP学习线路推荐](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F100567371) | 2020-01-01 18:31:27 |\n| 138 | [算法在岗一年的工作总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F95922161) | 2019-12-07 20:55:52 |\n| 139 | [学习周报 \\| 语义相似度，Tensorflow](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F95922039) | 2019-12-07 20:54:11 |\n| 140 | [R&S[21] \\| 搜索系统中涉及的算法问题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F95921738) | 2019-12-07 20:53:12 |\n| 141 | [学习周报20191124 \\| BART，紧密度分析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F93396052) | 2019-11-24 10:39:51 |\n| 142 | [NLP.TM[22] \\| 如何修正NLP问题的bad case](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F93395595) | 2019-11-24 10:36:12 |\n| 143 | [NLP.TM[21] \\| 语言模型发展思路](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F92221449) | 2019-11-17 12:46:38 |\n| 144 | [学习周报20191109 \\| LM，term weighting](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F90957967) | 2019-11-09 01:11:59 |\n| 145 | [NLP.TM[20] \\| 词权重问题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F90957854) | 2019-11-09 01:07:56 |\n| 146 | [NLP.TM[19] \\| 条件随机场知识整理（超长文）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F88748460) | 2019-10-27 20:31:51 |\n| 147 | [NLP.TM[18] \\| 搜索中的命名实体识别](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F87607185) | 2019-10-20 19:18:42 |\n| 148 | [NLP.TM[1] \\| （老文）NLP.TM系列正式开始](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F86494256) | 2019-10-13 23:51:42 |\n| 149 | [ML&DEV[7] \\| 所谓算法工程师的工程能力是什么意思](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F86493797) | 2019-10-13 23:43:45 |\n| 150 | [ML&DEV[6] \\| 算法工程师Linux必知必会​](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F85506375) | 2019-10-07 21:13:47 |\n| 151 | [ML&DEV[5] \\| 系统理解特征工程](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F84770828) | 2019-09-30 00:44:05 |\n| 152 | [R&S[19] \\| 学习排序入门级概述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F82769645) | 2019-09-17 00:26:09 |\n| 153 | [ML&DEV[4] \\| 机器学习进阶线路](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F81846917) | 2019-09-09 18:30:01 |\n| 154 | [ML&DEV[3] \\| 机器学习入门线路](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F80522576) | 2019-08-30 22:00:04 |\n| 155 | [R&S[18] \\| SIGIR2018：深度学习匹配在搜索与推荐中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F79600106) | 2019-08-24 14:56:04 |\n| 156 | [ML&DEV[2] \\| 机器学习开发技能入门线路](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F78597669) | 2019-08-17 18:10:48 |\n| 157 | [ML&DEV[1] \\| 机器学习数学基础入门线路](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F77458593) | 2019-08-10 08:52:28 |\n| 158 | [201907：月度总结与计划](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F76264287) | 2019-08-01 22:59:07 |\n| 159 | [NLP.TM[16] \\| SIGIR2019: 深度NLP在搜索系统中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F75572444) | 2019-07-28 21:34:49 |\n| 160 | [NLP.TM[15] \\| 基于卷积神经网络的短文本相似度模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F74447778) | 2019-07-20 14:44:37 |\n| 161 | [我从研究生生活中得到的经验](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F74072834) | 2019-07-17 22:36:51 |\n| 162 | [R&S \\| 手把手搞推荐[6]: 回顾整体建模过程](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F73590365) | 2019-07-14 23:46:25 |\n| 163 | [NLP.TM \\| 命名实体识别基线 BiLSTM+CRF](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F73013063) | 2019-07-10 17:12:42 |\n| 164 | [NLP.TM \\| Keras做基本的文本分类](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F71732971) | 2019-07-01 15:51:44 |\n| 165 | [NLP.TM \\| 教你用tensorflow做文本分类](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F71575971) | 2019-06-30 01:17:56 |\n| 166 | [算法与数据分析校招经验【含内推码】](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F70974660) | 2019-06-26 22:04:54 |\n| 167 | [填志愿：在数学系和算法方向的过来人建议](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F70732315) | 2019-06-25 17:17:36 |\n| 168 | [NLP.TM \\| 再看word2vector](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F70606283) | 2019-06-24 22:14:01 |\n| 169 | [做算法？数学专业的我教你突破数学关](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F68907492) | 2019-06-12 21:31:44 |\n| 170 | [评价指标设计](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F68193159) | 2019-06-05 22:53:55 |\n| 171 | [R&S \\| 手把手搞推荐[4]：打分预估模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F66916951) | 2019-05-24 21:24:14 |\n| 172 | [R&S \\| 手把手搞推荐[3]：数据集存取](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F66538802) | 2019-05-21 20:19:23 |\n| 173 | [R&S 手把手搞推荐[2]：特征工程指南](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F65374268) | 2019-05-11 01:12:07 |\n| 174 | [R&S \\| 手把手搞推荐[1]：数据探索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F65105290) | 2019-05-08 20:11:45 |\n| 175 | [R&S \\| 手把手搞推荐[0]：推荐入门小结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F64860837) | 2019-05-06 21:34:46 |\n| 176 | [R&S \\| 爱奇艺搜索启发](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F64613553) | 2019-05-04 19:30:07 |\n| 177 | [我的NLP学习之路](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F64026730) | 2019-04-27 22:47:30 |\n| 178 | [RS \\| 论文阅读：用于YouTube推荐的深度神经网络](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F63707425) | 2019-04-25 15:04:55 |\n| 179 | [RS \\| 深度讨论FM和FFM：不仅是推荐](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F63267172) | 2019-04-22 11:58:20 |\n| 180 | [RS \\| 推荐系统的基本结构](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F63266273) | 2019-04-22 11:53:31 |\n| 181 | [NLP.TM \\| GloVe模型的原理和实现](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F60392680) | 2019-03-26 08:11:42 |\n| 182 | [【NLP.TM】后面开始写点NLP的东西吧](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F32606009) | 2018-01-04 00:42:38 |\n| 183 | [2017年，我读了这些书](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F32490492) | 2017-12-30 17:15:23 |\n| 184 | [数据科学家必备技能（软件篇）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F32239709) | 2017-12-21 23:02:02 |\n| 185 | [数据科学家必备技能](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F32032054) | 2017-12-15 01:16:14 |\n\n## 大师兄\n> 介绍：《深度学习高手笔记》系列丛书作者，通过与@人民邮电出版社的合作，目前本专栏的大部分内容经过反复校正和排版，已出版为书籍《深度学习高手笔记——卷1：基础算法》和《深度学习高手笔记——卷2：前沿应用》。内容经过作者和出版社专业审核人员十余轮的审校修改，其丰富性、算法讲解的准确性以及文字表达的流畅度都得到了显著提升。目前卷1已在多个平台上线销售，欢迎大家点击下方链接购买。\nhttps:\u002F\u002Fitem.jd.com\u002F13484669.html。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [条件扩散模型：Classifier-Guidance](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F686864187) | 2024-03-13 20:22:57 |\n| 2 | [DiT详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F683612528) | 2024-02-23 17:28:45 |\n| 3 | [LDM（Latent Diffusion Model）详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F683237596) | 2024-02-21 17:57:38 |\n| 4 | [AFT（Attention Free Transformer ）详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F680983091) | 2024-02-01 19:00:53 |\n| 5 | [AdaLoRA（Adaptive LoRA）详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F667432109) | 2023-11-17 19:48:09 |\n| 6 | [连续提示学习概述（Continue Prompt Learning）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F655884416) | 2023-09-13 11:05:11 |\n| 7 | [提示学习：PET for BERT](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F644369467) | 2023-07-18 18:27:59 |\n| 8 | [预训练语言模型：GLM](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F641499380) | 2023-07-04 21:55:32 |\n| 9 | [多模态大模型KOSMOS-1](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F636694683) | 2023-06-13 11:08:14 |\n| 10 | [GPT-4核心技术探秘](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F626463196) | 2023-05-03 18:05:25 |\n| 11 | [扩散模型：DDPM](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F614498231) | 2023-03-16 15:55:24 |\n| 12 | [对比学习之SimCSE](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F611969853) | 2023-03-07 15:31:15 |\n| 13 | [对比学习之SimCLR](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F609426394) | 2023-02-25 20:04:38 |\n| 14 | [ChatGPT\u002FInstructGPT详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F590311003) | 2022-12-08 18:53:46 |\n| 15 | [UniLM详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F584193190) | 2022-11-17 11:14:08 |\n| 16 | [多模态预训练：BEiT v3（Image as a Foreign Language）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F571414839) | 2022-10-08 11:36:07 |\n| 17 | [多模态预训练：VLMo（Vision Language pretrained Model）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F568704906) | 2022-09-27 17:03:14 |\n| 18 | [图像预训练：BEiT v2](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F566511151) | 2022-09-20 23:52:33 |\n| 19 | [图像预训练：BEIT](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F562957629) | 2022-09-09 16:28:43 |\n| 20 | [文本对抗之CLARE，BAE](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F552578652) | 2022-08-11 15:22:23 |\n| 21 | [文本对抗之BERT-Attack](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F551332459) | 2022-08-08 19:00:42 |\n| 22 | [文本对抗之TextFooler](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F548682666) | 2022-08-01 18:12:20 |\n| 23 | [稀疏Transformer（Sparse Transformer）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F504609631) | 2022-04-25 11:54:02 |\n| 24 | [多模态预训练：DALL-E](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F480947973) | 2022-03-15 10:43:19 |\n| 25 | [多模态预训练CLIP](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F477760524) | 2022-03-08 19:51:55 |\n| 26 | [Pix2PixHD](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F467244077) | 2022-02-14 15:21:56 |\n| 27 | [图像翻译之Pix2Pix](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F464673225) | 2022-02-07 19:42:44 |\n| 28 | [重读FPN（Feature Pyramid Network）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F460738972) | 2022-01-22 18:41:51 |\n| 29 | [ConvNeXt详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F459163188) | 2022-01-18 22:52:59 |\n| 30 | [多模态预训练ViLBERT](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F449421886) | 2021-12-24 15:16:09 |\n| 31 | [可逆Transformer：ReFormer](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F444384487) | 2021-12-12 17:09:35 |\n| 32 | [可逆残差网络RevNet](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F436621679) | 2021-11-23 12:05:40 |\n| 33 | [3D分割V-Net](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F431865940) | 2021-11-10 23:57:54 |\n| 34 | [BERT魔改II之BERT-WWM，SpanBERT，BART，MASS](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F430853441) | 2021-11-08 16:54:49 |\n| 35 | [模型结构搜索之RegNet](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F425558548) | 2021-10-25 18:33:17 |\n| 36 | [GAN详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F408766083) | 2021-09-09 21:10:23 |\n| 37 | [场景文字检测之EAST](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F401526609) | 2021-08-19 18:16:12 |\n| 38 | [Anchor-Free之FCOS](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F398796722) | 2021-08-11 20:37:12 |\n| 39 | [可变形卷积网络之DCN v1和DCN v2](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F395200094) | 2021-08-01 17:50:17 |\n| 40 | [Dropout详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F390990848) | 2021-07-19 11:19:13 |\n| 41 | [Vision Transformer 之 CSWin Transformer](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F388165447) | 2021-07-09 15:59:27 |\n| 42 | [Transformer目标检测之DETR](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F387102036) | 2021-07-06 14:30:49 |\n| 43 | [语义分割之Deeplab系列](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F385299424) | 2021-06-30 11:39:16 |\n| 44 | [人像抠图之Background Matting v2](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F381917042) | 2021-06-18 17:11:09 |\n| 45 | [NIC之Show Attend and Tell](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F380799029) | 2021-06-15 14:58:47 |\n| 46 | [语义分割之FCN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F379325978) | 2021-06-09 21:04:47 |\n| 47 | [网络结构搜索之EfficientDet](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F377894403) | 2021-06-04 14:39:03 |\n| 48 | [骨干网络搜索之NAS-FPN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F377039792) | 2021-06-01 16:13:55 |\n| 49 | [损失函数之Focal-EIoU Loss](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F375745293) | 2021-05-27 16:01:45 |\n| 50 | [损失函数之DIoU Loss和CIoU Loss](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F374907266) | 2021-05-24 19:53:50 |\n| 51 | [损失函数之GIoU Loss](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F374398128) | 2021-05-22 16:23:12 |\n| 52 | [双向融合：PANet](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F373907181) | 2021-05-20 17:47:17 |\n| 53 | [全连接？：MLP-Mixer](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F371738694) | 2021-05-12 16:45:22 |\n| 54 | [单阶段检测之YOLO v4](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F370460827) | 2021-05-07 18:45:59 |\n| 55 | [Anchor Free之CornerNet Lite](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F369144105) | 2021-04-30 18:37:32 |\n| 56 | [Anchor Free之CenterNet](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F368186188) | 2021-04-27 11:48:15 |\n| 57 | [Anchor Free之CornerNet](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F367215492) | 2021-04-23 15:01:00 |\n| 58 | [模型结构搜索之MobileNet v3](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F365119654) | 2021-04-15 16:43:18 |\n| 59 | [BERT魔改之MT-DNN，RoBERTa，XLM，ALBERT](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F363548937) | 2021-04-09 16:32:23 |\n| 60 | [模型搜索之EfficientNet v2](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F362767467) | 2021-04-06 22:34:39 |\n| 61 | [CV+Transformer之Swin Transformer](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F361366090) | 2021-03-31 17:46:08 |\n| 62 | [词向量之ERNIE（百度）和ERNIE 2.0](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F360351761) | 2021-03-27 16:23:45 |\n| 63 | [词向量之ERNIE-T（清华大学）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F359379784) | 2021-03-23 22:21:09 |\n| 64 | [模型结构搜索之MNasNet](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F356625894) | 2021-03-12 18:25:49 |\n| 65 | [模型搜索之EfficientNet](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F355698666) | 2021-03-09 11:58:07 |\n| 66 | [词向量之XLNet](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F354886906) | 2021-03-05 18:01:53 |\n| 67 | [iGPT详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F352350329) | 2021-02-23 16:48:37 |\n| 68 | [DPN详解（Dual Path Networks）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F351198007) | 2021-02-18 13:09:23 |\n| 69 | [预训练语言模型之GPT-1，GPT-2和GPT-3](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F350017443) | 2021-02-08 14:54:45 |\n| 70 | [词向量之ELMo](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F347775593) | 2021-01-28 21:04:00 |\n| 71 | [HAN详解（Heterogeneous graph attention network）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F346658317) | 2021-01-24 17:34:32 |\n| 72 | [Attention 图解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F342235515) | 2021-01-06 11:59:24 |\n| 73 | [GAT详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F339087706) | 2020-12-23 20:58:13 |\n| 74 | [GraphSAGE详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F336195862) | 2020-12-11 18:19:05 |\n| 75 | [详解Transformer-XL](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F271984518) | 2020-11-02 17:55:46 |\n| 76 | [基于Seq2Seq的公式识别引擎](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F183182208) | 2020-08-13 19:35:29 |\n| 77 | [Background Matting详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F148265115) | 2020-06-14 19:34:20 |\n| 78 | [MTL for OCR源码解析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F109141910) | 2020-02-25 23:32:46 |\n| 79 | [OCR之Bi-STR](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F108909554) | 2020-02-24 22:10:05 |\n| 80 | [OCR之PixelLink](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F106798900) | 2020-02-13 23:53:37 |\n| 81 | [Image Caption: Show and Tell](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F92283673) | 2019-11-17 22:45:34 |\n| 82 | [模型优化之Switchable Normalization](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F57807576) | 2019-02-27 12:33:04 |\n| 83 | [AmoebaNet详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F57489362) | 2019-02-23 16:21:17 |\n| 84 | [文档分类之HAN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F57126364) | 2019-02-19 16:03:08 |\n| 85 | [模型优化之Group Normalization](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F56613508) | 2019-02-13 16:42:43 |\n| 86 | [模型优化之Instance Normalization](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F56542480) | 2019-02-12 19:22:42 |\n| 87 | [图像风格迁移详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F55948352) | 2019-01-29 13:07:11 |\n| 88 | [RNN语言模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F55884752) | 2019-01-28 14:41:10 |\n| 89 | [模型优化之Weight Normalization](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F55102378) | 2019-01-17 16:25:54 |\n| 90 | [模型优化之Layer Normalization](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F54530247) | 2019-01-10 14:41:45 |\n| 91 | [模型优化之Batch Normalization](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F54171297) | 2019-01-06 14:54:01 |\n| 92 | [实例解析：12306验证码破解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F53329216) | 2018-12-26 15:18:00 |\n| 93 | [卷积网络综述（从AlexNet到PNASNet）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F53190433) | 2018-12-24 23:51:29 |\n| 94 | [PNASNet详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F52798148) | 2018-12-19 20:16:44 |\n| 95 | [NASNet详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F52616166) | 2018-12-17 20:50:55 |\n| 96 | [NAS详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F52471966) | 2018-12-15 19:21:04 |\n| 97 | [PolyNet详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F52138750) | 2018-12-11 18:27:26 |\n| 98 | [CondenseNet详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F52011716) | 2018-12-10 14:04:12 |\n| 99 | [ShuffNet v1 和 ShuffleNet v2](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F51566209) | 2018-12-04 18:54:29 |\n| 100 | [ResNeXt详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F51075096) | 2018-11-28 17:06:24 |\n| 101 | [Xception详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F50897945) | 2018-11-26 18:14:13 |\n| 102 | [MobileNet v1 和 MobileNet v2](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F50045821) | 2018-11-16 10:43:18 |\n| 103 | [SqueezeNet详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F49465950) | 2018-11-12 17:10:54 |\n| 104 | [物体检测之Focal Loss及RetinaNet](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F48958966) | 2018-11-08 16:39:12 |\n| 105 | [词向量之BERT](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F48612853) | 2018-11-05 16:41:21 |\n| 106 | [详解Transformer （Attention Is All You Need）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F48508221) | 2018-11-04 15:25:46 |\n| 107 | [Squeeze-and-Excitation Networks](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F47494490) | 2018-10-23 22:47:19 |\n| 108 | [物体检测之SNIPER](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F46810110) | 2018-10-15 16:01:48 |\n| 109 | [OCR之RRPN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F45507765) | 2018-09-27 19:27:38 |\n| 110 | [UnitBox详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F44323675) | 2018-09-12 09:19:37 |\n| 111 | [OCR之HMCP](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F44170391) | 2018-09-10 14:15:58 |\n| 112 | [人脸检测之DenseBox](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F44021975) | 2018-09-07 22:19:32 |\n| 113 | [图像分割之U-Net](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F43927696) | 2018-09-06 19:27:37 |\n| 114 | [边缘检测之HED](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F43600043) | 2018-09-03 10:41:16 |\n| 115 | [基于CNN的端到端文字检测与识别](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F43295656) | 2018-08-29 23:05:34 |\n| 116 | [物体检测历史](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F43211392) | 2018-08-29 08:52:17 |\n| 117 | [OCR之CTPN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F43145228) | 2018-08-28 13:50:57 |\n| 118 | [OCR之RARE](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F43054073) | 2018-08-27 14:30:01 |\n| 119 | [OCR之Deep TextSpotter](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F43024857) | 2018-08-27 09:08:40 |\n| 120 | [OCR之DeepText](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F42868123) | 2018-08-24 15:56:21 |\n| 121 | [物体检测之YOLOv3](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F42865896) | 2018-08-24 15:40:17 |\n| 122 | [物体检测之YOLOv2](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F42861239) | 2018-08-24 15:26:50 |\n| 123 | [物体检测之R-FCN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F42858039) | 2018-08-24 14:51:19 |\n| 124 | [物体检测之SSD](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F42795805) | 2018-08-23 21:30:45 |\n| 125 | [物体检测之YOLO](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F42772125) | 2018-08-23 15:38:53 |\n| 126 | [物体检测之MaskX R-CNN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F42749621) | 2018-08-23 11:21:03 |\n| 127 | [物体检测之FPN及Mask R-CNN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F42745788) | 2018-08-23 11:03:12 |\n| 128 | [物体检测之Faster R-CNN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F42741973) | 2018-08-23 10:38:10 |\n| 129 | [物体检测之Fast R-CNN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F42738847) | 2018-08-23 10:12:47 |\n| 130 | [物体检测之SPP-Net](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F42732128) | 2018-08-23 08:54:34 |\n| 131 | [物体检测之R-CNN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F42731634) | 2018-08-23 08:40:33 |\n| 132 | [Attention in RNN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F42724582) | 2018-08-23 00:03:15 |\n| 133 | [RNN Encoder-Decoder and GRU](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F42722623) | 2018-08-22 23:45:41 |\n| 134 | [详解CTC](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F42719047) | 2018-08-22 22:46:48 |\n| 135 | [详解LSTM](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F42717426) | 2018-08-22 22:14:36 |\n| 136 | [DenseNet](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F42708327) | 2018-08-22 19:41:59 |\n| 137 | [详解残差网络](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F42706477) | 2018-08-22 19:30:49 |\n| 138 | [GoogLeNet, Maxout and NIN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F42704781) | 2018-08-22 19:04:58 |\n| 139 | [VGG](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F42695549) | 2018-08-22 17:23:22 |\n| 140 | [LeNet5 and AlexNet](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F42692344) | 2018-08-22 17:01:02 |\n| 141 | [Spatial Transformer Networks](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F42692080) | 2018-08-22 16:44:27 |\n\n## 刘聪NLP\n> 介绍： 专业炼丹师，专治疑难杂症,NLP算法工程师，个人微信：logCong，添加时请备注：知乎—姓名—公司\u002F研究方向。。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [如何快速提高大模型的向量表征效果能力？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F692009751) | 2024-04-11 22:36:46 |\n| 2 | [RAG系统中答案无关片段对LLMs生成答案有何影响？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691370554) | 2024-04-08 20:50:36 |\n| 3 | [Qwen1.5开源32B模型-将开源进行到底](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F690973779) | 2024-04-06 20:45:13 |\n| 4 | [InternLM2技术报告](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F690251291) | 2024-04-01 21:48:21 |\n| 5 | [Qwen1.5-MoE模型：2.7B的激活参数量达到7B模型的性能](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F689637785) | 2024-03-29 03:19:23 |\n| 6 | [RAG与Long-Context之争—没必要争](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F688983758) | 2024-03-25 21:08:08 |\n| 7 | [大型语言模型场景调优实践｜打造「贺岁灵感模型」](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F688530708) | 2024-03-22 20:56:23 |\n| 8 | [指令微调数据的高效筛选方法-排序&聚类-CaR方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F687775223) | 2024-03-19 09:33:31 |\n| 9 | [自我蒸馏方法-减轻大模型微调过程中的灾难性遗忘](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F686515415) | 2024-03-12 09:57:25 |\n| 10 | [Yi技术报告细节分享](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F686042639) | 2024-03-08 22:26:04 |\n| 11 | [Anthropic发布Claude3，效果已超越GPT4](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F685276016) | 2024-03-04 23:30:01 |\n| 12 | [Mistral AI发布Mistral Large模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684127212) | 2024-02-27 10:58:14 |\n| 13 | [大模型增量预训练新技巧-防止模型灾难性遗忘](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F679354000) | 2024-01-23 22:06:39 |\n| 14 | [智谱GLMs初体验](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F678124557) | 2024-01-16 15:30:45 |\n| 15 | [如何提高LLMs的文本表征(Text Embedding)能力?](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F676589001) | 2024-01-08 10:04:45 |\n| 16 | [DEITA-大模型指令微调的数据高效筛选方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F675928711) | 2024-01-03 21:56:40 |\n| 17 | [1-2B参数规模大模型使用心得及模型汇总](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F673405755) | 2023-12-21 11:10:38 |\n| 18 | [大模型微调项目-更新说明](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F672038774) | 2023-12-13 16:33:09 |\n| 19 | [大模型微调技巧 \\| 高质量指令数据筛选方法-MoDS](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F671183709) | 2023-12-08 17:26:53 |\n| 20 | [辟谣！微软撤回声称ChatGPT为20B参数的论文，并给出解释。](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F664642550) | 2023-11-02 10:13:37 |\n| 21 | [通义千问-Qwen技术报告细节分享](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F658392609) | 2023-09-26 00:16:39 |\n| 22 | [如何从数据集中自动识别高质量的指令数据-IFD指标的使用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F658128530) | 2023-09-24 17:34:47 |\n| 23 | [BaiChuan2技术报告细节分享&个人想法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F656570703) | 2023-09-16 00:18:11 |\n| 24 | [领域大模型-训练Trick&落地思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F648798461) | 2023-08-08 19:12:15 |\n| 25 | [大模型LLM微调项目-更新](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F648327222) | 2023-08-06 17:32:42 |\n| 26 | [是我们在训练大模型，还是大模型在训练我们？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F645205269) | 2023-07-22 13:18:35 |\n| 27 | [“NLP工作站”成立技术交流群](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F645128495) | 2023-07-21 21:40:53 |\n| 28 | [Llama2技术细节&开源影响](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F644671690) | 2023-07-20 00:16:38 |\n| 29 | [水可载舟亦可覆舟-AI，可信AI！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F644172463) | 2023-07-18 12:04:29 |\n| 30 | [垂直领域大模型的一些思考及开源模型汇总](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F642611747) | 2023-07-10 14:40:18 |\n| 31 | [LLMs评估综述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F642117003) | 2023-07-07 14:36:32 |\n| 32 | [大模型流水线并行（Pipeline）实战](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F636488690) | 2023-06-13 09:58:50 |\n| 33 | [支持多模态的ChatGLM模型-VisualGLM-6B](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F630265131) | 2023-05-18 10:29:56 |\n| 34 | [大模型时代-不进则退](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F625934485) | 2023-04-29 23:50:22 |\n| 35 | [大模型LLM-微调经验分享&总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F620885226) | 2023-04-11 11:41:51 |\n| 36 | [官方ChatGLM-6B模型微调方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F618483602) | 2023-03-31 14:22:00 |\n| 37 | [ChatGPT-所见、所闻、所感](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F605331104) | 2023-02-11 01:26:56 |\n| 38 | [CORGI-PM：首个中文性别偏见探索和缓解数据集](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F603230271) | 2023-02-03 17:31:42 |\n| 39 | [中文多模态对话数据集-TikTalk](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F600355581) | 2023-01-21 11:41:55 |\n| 40 | [事件抽取数据增强方法-Mask-then-Fill](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F600196893) | 2023-01-20 10:06:40 |\n| 41 | [AAAI2023 \\| 基于统一语义匹配的通用信息抽取框架-USM](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F598882471) | 2023-01-13 19:56:27 |\n| 42 | [Dual-Cross-Encoder：面向稠密向量检索的Query深度交互的文档多视角表征](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F554143004) | 2022-08-15 22:45:23 |\n| 43 | [清华开源了1300亿开源的双语预训练模型-GLM-130B](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F550220516) | 2022-08-05 14:16:37 |\n| 44 | [IJCAI2022 \\| DictBert：采用对比学习的字典描述知识增强的预训练语言模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F550019008) | 2022-08-04 22:43:44 |\n| 45 | [neo4j学习笔记-持续更新ing](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F538954459) | 2022-07-07 22:38:01 |\n| 46 | [CC-Riddle：汉字谜语问答数据集](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F537552626) | 2022-07-04 21:50:04 |\n| 47 | [中文NER数据集整理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F529541521) | 2022-06-16 11:09:17 |\n| 48 | [ACL2022 \\| DCSR：一种面向开放域段落检索的句子感知的对比学习方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F527366495) | 2022-06-11 12:45:55 |\n| 49 | [ACL2022 \\| NoisyTune：微调前加入少量噪音可能会有意想不到的效果](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F523865674) | 2022-06-03 10:50:10 |\n| 50 | [ACL2022 \\| DictBERT：通过低频词典增强预训练模型表征方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F523551515) | 2022-06-02 15:27:03 |\n| 51 | [ACL2022论文分类汇总-Prompt、句子表征、检索排序&摘要](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F519943388) | 2022-05-25 21:15:13 |\n| 52 | [总结\\|Prompt在NER场景的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F518146549) | 2022-05-22 11:47:21 |\n| 53 | [EASE：一种融合实体信息的句子嵌入对比学习方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F515964126) | 2022-05-17 22:35:22 |\n| 54 | [NAACL2022-Prompt相关论文&对Prompt的看法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F512263922) | 2022-05-10 17:42:34 |\n| 55 | [PolyLoss：一种将分类损失函数加入泰勒展开式的损失函数](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F510626670) | 2022-05-07 11:33:32 |\n| 56 | [PERT：一种基于乱序语言模型的预训练模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F509647368) | 2022-05-05 15:41:39 |\n| 57 | [DiffCSE：结合句子间差异的无监督句子嵌入对比学习方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F507171467) | 2022-04-29 12:51:25 |\n| 58 | [SIGIR2022论文筛选](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F506005620) | 2022-04-27 15:04:52 |\n| 59 | [算法不会前端，也可以做出好看的界面-Streamlit](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F469582149) | 2022-02-20 11:46:28 |\n| 60 | [OpenAI：基于对比学习的预训练文本&代码表征技术](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F469474178) | 2022-02-19 12:53:29 |\n| 61 | [PairSCL：句子对级别的有监督对比学习方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F463949437) | 2022-02-04 16:06:40 |\n| 62 | [COLD：中文冒犯性语言检测数据集](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F463455280) | 2022-02-01 11:48:51 |\n| 63 | [SNCSE：一种基于软负例的无监督句向量对比学习方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F463142612) | 2022-01-30 11:04:21 |\n| 64 | [ExtraPhrase：一种针对抽象式（生成式）摘要的数据增强方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F462483469) | 2022-01-27 17:41:29 |\n| 65 | [MatchSum-一种基于语义匹配的抽取式摘要框架](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F462118940) | 2022-01-26 17:05:30 |\n| 66 | [BertSum-基于BERT模型的抽取式文本摘要](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F461836406) | 2022-01-25 20:43:48 |\n| 67 | [CPT模型：一种中文兼顾NLU和NLG的非平衡预训练语言模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F456553852) | 2022-01-12 21:29:31 |\n| 68 | [中文文本匹配数据集整理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F454173790) | 2022-01-06 21:01:22 |\n| 69 | [SimCSE论文精读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F452761704) | 2022-01-03 21:04:58 |\n| 70 | [EMNLP2021 Findings会议-305篇长文及119篇短文分类-附论文链接（下）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F430531571) | 2021-11-07 20:47:49 |\n| 71 | [EMNLP2021 Findings会议-305篇长文及119篇短文分类-附论文链接（上）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F430517383) | 2021-11-07 20:46:38 |\n| 72 | [EMNLP2021主会议-191篇短文分类-附论文链接](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F430197671) | 2021-11-06 17:13:46 |\n| 73 | [EMNLP2021主会议-656篇长文分类-附论文链接（下）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F429161700) | 2021-11-03 23:58:54 |\n| 74 | [EMNLP2021主会议-656篇长文分类-附论文链接（上）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F429144912) | 2021-11-03 23:56:41 |\n| 75 | [一个使模型训练速度提升20%的Trick-BlockShuffle](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F414964578) | 2021-09-28 20:21:27 |\n| 76 | [EMNLP2021会议PaperList](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F414085039) | 2021-09-26 11:05:54 |\n| 77 | [带有详细注释的PaddlePaddle的情绪识别项目](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F411826397) | 2021-09-21 14:11:36 |\n| 78 | [EMNLP 2021之SF：一种预训练语言模型的片段微调（Span Fine-tuning）方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F410627377) | 2021-09-15 22:52:00 |\n| 79 | [EMNLP2021之AEDA：一种更简单的文本分类数据增强技术](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F408774734) | 2021-09-09 22:47:03 |\n| 80 | [常用预训练语言模型（PTMs）总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F406512290) | 2021-09-03 21:53:13 |\n| 81 | [回顾BART模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F399169880) | 2021-08-12 20:50:51 |\n| 82 | [中文机器阅读理解（片段抽取）数据集整理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F395788175) | 2021-08-03 22:30:12 |\n| 83 | [ACL2021论文之ChineseBERT：融合字形与拼音信息的中文预训练模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F393617564) | 2021-07-28 22:29:16 |\n| 84 | [授人以鱼不如授人以渔-如何高效获取前沿论文？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F387583421) | 2021-07-07 22:04:04 |\n| 85 | [ACL2021 Findings论文汇总及分类](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F386313941) | 2021-07-03 15:46:08 |\n| 86 | [ACL2021主会议论文汇总及分类](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F385196031) | 2021-06-29 23:32:50 |\n| 87 | [ACL2021论文](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F384674443) | 2021-06-28 17:31:32 |\n| 88 | [难负例如何影响向量检索模型？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F384463509) | 2021-06-27 23:38:08 |\n| 89 | [SIGIR2021论文：基于Text-to-Text多视图学习的段落重排序](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F383027416) | 2021-06-22 21:54:42 |\n| 90 | [SIGIR2021之DvBERT模型：双视图蒸馏的句向量BERT模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F380909028) | 2021-06-15 22:13:24 |\n| 91 | [SIGIR2021之IDCM模型: 文档内部级联选择段落服务于文档排序](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F380031457) | 2021-06-12 15:33:08 |\n| 92 | [SIGIR 2021论文筛选](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F378864849) | 2021-06-08 14:46:41 |\n| 93 | [小布助手对话短文本语义匹配-周周星分享](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F360705398) | 2021-03-29 18:16:50 |\n| 94 | [中文摘要数据集汇总](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F341398288) | 2021-01-02 21:04:25 |\n| 95 | [超详细中文注释的GPT2新闻标题生成项目](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F338171330) | 2020-12-21 09:21:20 |\n| 96 | [一种新的涨分神器！构造code-switching增广数据进行fine-tuning！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F259581090) | 2020-09-27 14:47:43 |\n| 97 | [MacBERT：MLM as correction BERT](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F250595837) | 2020-09-20 17:55:30 |\n| 98 | [BERT-QE: 基于上下文化查询扩展的文档ReRank](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F250593899) | 2020-09-20 15:31:42 |\n| 99 | [AMBERT模型：一个多粒度Tokenization的预训练语言模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F214022514) | 2020-09-04 00:31:25 |\n| 100 | [SIGIR 2020之MarkedBERT模型：加入传统检索线索的Rerank模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F175981489) | 2020-08-30 11:16:44 |\n| 101 | [夸夸式闲聊机器人之Unilm对话生成](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F170358507) | 2020-08-07 23:11:02 |\n| 102 | [SIGIR 2020之DC-BERT模型：解耦问题-文档编码，提速QA-Rerank模块](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F166078711) | 2020-08-02 13:47:44 |\n| 103 | [SIGIR会议之文本表征、检索重排序、阅读理解论文整理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F163742690) | 2020-07-26 11:05:23 |\n| 104 | [开源啦！开源啦！UNILM中文模型开源啦！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F163483660) | 2020-07-25 17:44:42 |\n| 105 | [ACL2020论文整理之问题生成、自然语言推理、预训练语言模型及部分应用、QA问答系统及机器阅读理解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F156857369) | 2020-07-05 20:16:35 |\n| 106 | [教你如何动态配置词权重，检索系列文章之HDCT论文笔记](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F148211196) | 2020-06-21 11:46:52 |\n| 107 | [智能扩充机器人的“标准问”库之Query生成](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F149429784) | 2020-06-20 13:18:47 |\n| 108 | [Web服务部署深度学习模型-续集](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F148224626) | 2020-06-14 15:05:01 |\n| 109 | [教你如何动态配置词权重，检索系列文章之DeepCT论文笔记](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F147935851) | 2020-06-14 12:32:51 |\n| 110 | [Web服务部署深度学习模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F143678340) | 2020-05-26 16:09:53 |\n| 111 | [Sentence-Bert论文笔记](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F113133510) | 2020-03-29 20:51:04 |\n| 112 | [UniLM-v2论文阅读笔记](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F113391609) | 2020-03-26 11:30:29 |\n| 113 | [UniLM论文阅读笔记](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F113380840) | 2020-03-20 21:11:18 |\n| 114 | [传统方法BM25解决短文本相似度问题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F113224707) | 2020-03-16 20:01:10 |\n| 115 | [传统方法TF-IDF解决短文本相似度问题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F113017752) | 2020-03-14 10:16:08 |\n| 116 | [你保存的BERT模型为什么那么大？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F111513291) | 2020-03-08 11:31:49 |\n| 117 | [短文本相似度算法研究](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F111414376) | 2020-03-07 10:09:47 |\n| 118 | [阅读笔记：开放域检索问答（ORQA）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F107471078) | 2020-02-17 21:43:17 |\n| 119 | [NEZHA（哪吒）论文阅读笔记](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F100044919) | 2019-12-29 22:09:40 |\n| 120 | [DuReader数据集之数据预处理代码解析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F75509030) | 2019-12-29 15:21:54 |\n| 121 | [机器阅读理解之DuReader数据集描述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F75514130) | 2019-11-29 22:32:32 |\n| 122 | [文本蕴含之孪生网络（Siamese Network）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F75366208) | 2019-07-27 11:27:35 |\n| 123 | [论文阅读笔记：文本蕴含之DIIN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F73526585) | 2019-07-20 09:24:39 |\n| 124 | [论文阅读笔记：文本蕴含之ESIM](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F73408108) | 2019-07-13 13:18:02 |\n| 125 | [论文阅读笔记：文本蕴含之BiMPM](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F72403578) | 2019-07-06 11:49:24 |\n\n## 北冥乘海生\n> 介绍： 大数据仁波切 公众号“计算广告”(Comp_Ad), 《计算广告》作者，微信公众号“计算广告”。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [聊聊商业化必备的\"底线思维\"](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F688778056) | 2024-03-24 21:25:16 |\n| 2 | [从手游到小游戏，“全场景增长”怎么做](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F680955792) | 2024-02-01 16:23:59 |\n| 3 | [打通公私域的科学化经营时代来了！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F680258057) | 2024-01-29 08:41:49 |\n| 4 | [这6个词，为你照亮24年的商业化道路](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F678308579) | 2024-01-17 14:20:53 |\n| 5 | [用上GroMore智能管家，“躺平”也能多挣钱](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F677380743) | 2024-01-12 07:48:51 |\n| 6 | [AI 做的创意，是怎么比我们还懂生意的？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F676935884) | 2024-01-10 08:36:47 |\n| 7 | [2024商业化新机：混合变现双赢之路](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F676351066) | 2024-01-06 10:14:48 |\n| 8 | [买量难+成本高，用户增长卷又卷不赢，躺也躺不平？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F672128071) | 2023-12-14 08:43:07 |\n| 9 | [深度解析扬楫：AI广告引擎如何工作](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F669195330) | 2023-11-28 11:19:52 |\n| 10 | [厂商营销不止应用市场！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F665265470) | 2023-11-06 11:00:03 |\n| 11 | [换个思路，撬动十倍增长！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F651311663) | 2023-08-21 11:57:55 |\n| 12 | [游戏增长，不再是买量游戏！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F650084427) | 2023-08-15 10:17:21 |\n| 13 | [版号常态化发放时代，游戏的“全生命周期智能增长”](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F642062862) | 2023-07-07 12:26:55 |\n| 14 | [生成式AI，将如何重塑营销？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F639458943) | 2023-06-25 18:30:32 |\n| 15 | [裁掉的码农，不过是戏里的龙套](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F639124124) | 2023-06-24 07:42:29 |\n| 16 | [做营销，大模型真的有用么？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F638626640) | 2023-06-21 10:26:50 |\n| 17 | [开发者青睐的变现平台，要有“专业性”](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F638349298) | 2023-06-20 09:56:07 |\n| 18 | [大模型只有\"大\"一条路吗？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F632239395) | 2023-05-25 21:24:42 |\n| 19 | [巨量千川全面升级，助力商家高效经营](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F625697801) | 2023-04-29 19:33:17 |\n| 20 | [工具开发者的新春天，就要来了！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F625313205) | 2023-04-27 12:04:47 |\n| 21 | [你卖的不是广告，是商品！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F621331101) | 2023-04-12 14:33:22 |\n| 22 | [瑞士，扯下了\"规矩\"的底裤](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F619546283) | 2023-04-05 08:14:38 |\n| 23 | [巨量千川商品卡推广——抖音电商卖家的新型武器](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F615992105) | 2023-03-22 13:30:20 |\n| 24 | [ChatGPT吹牛逼大赛，谁能胜出？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F606794506) | 2023-02-17 08:53:00 |\n| 25 | [2023，广告平台变迁的七大趋势](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F600014791) | 2023-01-19 12:41:34 |\n| 26 | [让变现“润物细无声”，优量汇与开发者的共同探索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F596712522) | 2023-01-05 12:30:47 |\n| 27 | [增长变现一体化的利器，现在开放了！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F592227720) | 2022-12-16 11:05:15 |\n| 28 | [广告营销怎样摆脱玄学？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F574133871) | 2022-10-16 17:02:15 |\n| 29 | [🦊连线王玥波：互联网就是个江湖](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F567321399) | 2022-09-23 09:36:46 |\n| 30 | [全局一盘棋，聊聊投放一体化与降本增效](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F565815229) | 2022-09-19 09:35:25 |\n| 31 | [穿山甲大开放：从变现工具到商业生态](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F559610826) | 2022-08-30 21:33:49 |\n| 32 | [算法监管：碳与硅的博弈](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F539594213) | 2022-07-09 15:45:13 |\n| 33 | [千亿参数的广告模型，是怎样炼成的？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F536607554) | 2022-07-02 09:43:53 |\n| 34 | [酒香怎破巷子深？从“激活七留双出价”看智能投放进展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F535805558) | 2022-06-30 13:35:33 |\n| 35 | [你要润么？先想清几件事……](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F530177307) | 2022-06-17 17:30:02 |\n| 36 | [防疫长城背后的云端政务，强在何处？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F501368650) | 2022-04-19 19:16:46 |\n| 37 | [数字营销正走向全域经营](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F462086755) | 2022-01-26 15:49:48 |\n| 38 | [2022，开发者变现的生机何在？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F453868270) | 2022-01-06 10:06:24 |\n| 39 | [浓眉大眼的谷歌也“叛变”了么？从Adsense放弃二价谈起](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F431303589) | 2021-11-09 17:18:55 |\n| 40 | [许家印与袁世凯的信息茧房](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F420919999) | 2021-10-13 11:28:46 |\n| 41 | [产品经理的哲学三问](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F391144526) | 2021-07-19 18:49:05 |\n| 42 | [网服广告商品化——与广告主共创未来增长点](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F383168246) | 2021-06-23 11:05:47 |\n| 43 | [在大厂上班，你牛逼什么劲？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F381381735) | 2021-06-17 08:42:23 |\n| 44 | [找准“增值”突破口，金融行业营销的“道”与“数”](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F381381047) | 2021-06-17 08:38:48 |\n| 45 | [数字营销服务，是独善其身还是百花齐放？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F377083607) | 2021-06-02 08:47:10 |\n| 46 | [进击的315，没落的央视](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F360014075) | 2021-03-26 10:08:06 |\n| 47 | [广告主玩数据，有个大误区](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F354855285) | 2021-03-05 19:17:59 |\n| 48 | [我们做了个“自动卖货引擎”](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F352838841) | 2021-02-25 18:41:26 |\n| 49 | [粗放式增长过后，“分层拉活”正兴起](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F345854729) | 2021-01-21 08:31:27 |\n| 50 | [猝死码农的半生福报，垄断巨头的三把镰刀](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F343698356) | 2021-01-12 18:25:10 |\n| 51 | [白手起家的三条土豪路，你选哪条？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F342569172) | 2021-01-07 18:36:03 |\n| 52 | [数据产品叫好不叫座，该如何破局](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F333797690) | 2020-12-08 20:52:56 |\n| 53 | [大公司，你不讲武德！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F326415899) | 2020-12-03 08:16:45 |\n| 54 | [职业教育增长，正在“电商化”](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F321698462) | 2020-11-30 17:54:22 |\n| 55 | [蚂蚁市值25万亿？互联网的“后棚”买卖，你我都逃不过](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F270145476) | 2020-10-30 08:54:38 |\n| 56 | [源代码审查能否成为国际惯例？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F262714971) | 2020-10-07 21:48:34 |\n| 57 | [从流量到增长，营销产品有何趋势？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F259326552) | 2020-09-25 20:46:06 |\n| 58 | [广告优化是一门玄学么？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F259319381) | 2020-09-25 16:58:12 |\n| 59 | [捉放Tiktok，特朗普摆了一场鸿门宴](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F257848222) | 2020-09-22 10:24:17 |\n| 60 | [听完吴声的演讲，我感觉智商梗阻了](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F200864904) | 2020-08-27 13:22:02 |\n| 61 | [干掉Tiktok只是打响了第一枪](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F171678325) | 2020-08-07 10:33:39 |\n| 62 | [腾讯广告终于迎来全面整合](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F157598675) | 2020-07-07 19:10:09 |\n| 63 | [KPI是怎样凑出来的？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F149048722) | 2020-06-17 21:38:52 |\n| 64 | [约炮，是权与利交易的剪彩仪式](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F136841705) | 2020-04-28 12:37:39 |\n| 65 | [平地抠饼型公司，CXO们怎么分工？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F136635949) | 2020-04-27 11:10:37 |\n| 66 | [隐私保护，在法规以外更依赖技术](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F124242485) | 2020-04-03 18:22:54 |\n| 67 | [被谷歌剪掉命根子的出海应用，没几个冤枉的](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F115058740) | 2020-03-21 19:51:46 |\n| 68 | [谁家公司还没几个F4呢？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F109610288) | 2020-02-28 08:01:31 |\n| 69 | [这场疫情，敲响了电影院线的丧钟](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F104218956) | 2020-01-28 20:54:18 |\n| 70 | [职场新人打怪升级，这两招最管用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F101512522) | 2020-01-07 17:43:06 |\n| 71 | [愤青是怎样炼成的](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F100206004) | 2019-12-30 15:54:28 |\n| 72 | [真的有人想反作弊吗？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F96832047) | 2019-12-11 20:24:09 |\n| 73 | [关于品效合一的经济学分析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F89357055) | 2019-10-30 20:00:22 |\n| 74 | [天下产品一大抄](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F85878699) | 2019-10-10 11:29:59 |\n| 75 | [25岁的年轻人，要想清两件事](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F82028811) | 2019-09-10 20:33:12 |\n| 76 | [互联网贪腐见闻拾萃](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F80043942) | 2019-08-28 07:40:22 |\n| 77 | [一文搞懂互联网广告的计算原理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F72092504) | 2019-07-04 19:59:29 |\n| 78 | [素质教育，让令郎输在受精卵上](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F68932145) | 2019-06-13 07:20:19 |\n| 79 | [深受读者爱戴的十大负能量雄文](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F65930682) | 2019-05-16 07:41:25 |\n| 80 | [996其实没什么卵用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F62765114) | 2019-04-17 18:32:52 |\n| 81 | [愿你饱览群书，归来仍是屌丝](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F61294309) | 2019-04-03 17:55:08 |\n| 82 | [没事少听创业导师们瞎逼逼](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F57822418) | 2019-02-27 20:59:07 |\n| 83 | [后AI时代的没羞没臊生活指南](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F55568285) | 2019-01-23 21:50:54 |\n| 84 | [去中心化交易能比VISA还快么？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F53290655) | 2018-12-26 18:48:29 |\n| 85 | [为什么外企有那么多奇葩老板？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F45598789) | 2018-09-28 21:11:43 |\n| 86 | [互联网+拯救不了强哥奶茶的品味](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F43616415) | 2018-09-03 13:39:40 |\n| 87 | [为什么说大多数ICO都是诈骗？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F43277632) | 2018-08-29 18:33:28 |\n| 88 | [码农四十不如狗](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F41416771) | 2018-08-06 22:20:22 |\n| 89 | [做劣币，挣大钱](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F38616374) | 2018-06-28 20:44:48 |\n| 90 | [图灵测试离我们还有多远？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F37822983) | 2018-06-07 20:41:33 |\n| 91 | [我怀了谁的孩子？——一部安卓手机的情感史](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F37405708) | 2018-05-28 20:02:48 |\n| 92 | [如何迅速提高公司估值？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F37171660) | 2018-05-22 21:21:31 |\n| 93 | [财务自由是个大骗局](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F36348981) | 2018-05-02 22:02:07 |\n| 94 | [怎样收智商税](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F35011033) | 2018-03-27 22:20:57 |\n| 95 | [勤劳致贫](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F34216349) | 2018-03-04 22:43:17 |\n| 96 | [2018，广告技术公司路在何方？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F33272689) | 2018-01-25 09:51:48 |\n| 97 | [被叔叔猥亵，我有亲身经历](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F31769123) | 2017-12-06 22:12:09 |\n| 98 | [怎样在大公司混成中层干部？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F31340026) | 2017-11-23 20:56:49 |\n| 99 | [产品狗的圣战](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F30219739) | 2017-10-18 09:04:17 |\n| 100 | [二十年前的北京四中到底哪里牛？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F29838075) | 2017-10-01 21:26:07 |\n| 101 | [从薛之谦到林心如，大V们有多少僵尸粉？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F29717228) | 2017-09-27 22:39:58 |\n| 102 | [从初夜权到在线广告——拍卖中的趣味与玄机](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F29486653) | 2017-09-19 22:47:37 |\n| 103 | [假装成功是成功之母——屌丝测不准原理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F28954535) | 2017-08-31 20:10:54 |\n| 104 | [印度，一个盛产高管与狗的国度](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F28525835) | 2017-08-15 22:05:14 |\n| 105 | [为什么你挣钱比别人慢？——屌丝第一守恒定律](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F28141966) | 2017-07-27 22:10:35 |\n| 106 | [从马云斗王卫，看互联网的三场大战](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F27689900) | 2017-07-04 15:31:40 |\n| 107 | [20万、50万、100万的算法工程师，到底有什么区别？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F27072134) | 2017-05-23 22:52:56 |\n| 108 | [魏方丹、李静思：下流才是内容创业的王道](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F26726280) | 2017-05-05 08:37:08 |\n| 109 | [月月灵欠的三千万广告费，小红还能要回来么？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F26317826) | 2017-04-12 22:05:49 |\n| 110 | [局长私访售楼处，怒了！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F26256090) | 2017-04-09 21:27:42 |\n| 111 | [一个大数据屌丝的一天](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F25897210) | 2017-03-22 22:06:31 |\n| 112 | [共享经济+坐台=？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F25767529) | 2017-03-14 21:20:31 |\n| 113 | [手把手教你互联网流量作弊](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F25637455) | 2017-03-09 20:46:20 |\n| 114 | [Facebook的广告效果真的那么好么？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F25504607) | 2017-03-01 17:45:40 |\n| 115 | [数据分析真的能驱动用户快速增长么？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F21802698) | 2016-07-31 11:10:48 |\n\n## 李rumor\n> 介绍： 公众号「李rumor」，AI算法小姐姐，谷歌开发者专家,还没呢。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [大模型对齐阶段的Scaling Laws](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F690101989) | 2024-04-01 09:52:29 |\n| 2 | [APO｜利用GAN的思想训练RLHF中的RM](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F674776494) | 2023-12-27 12:00:07 |\n| 3 | [OpenAI的Weak-to-Strong在说什么](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F673427353) | 2023-12-21 13:10:21 |\n| 4 | [一些RLHF的平替汇总（2023.11）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F667152180) | 2023-11-16 13:20:33 |\n| 5 | [临近23年底，有哪些GenAI产品做起来了？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F657251560) | 2023-09-19 21:51:10 |\n| 6 | [百川的大模型KnowHow](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F655984589) | 2023-09-13 11:53:05 |\n| 7 | [OpenAI的Superalignment策略：计算为王](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F651266416) | 2023-08-21 09:40:22 |\n| 8 | [蹲一个CV的ChatGPT时刻](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F639879465) | 2023-06-27 13:54:37 |\n| 9 | [RLHF的其他优化方向](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F612572103) | 2023-03-09 13:10:28 |\n| 10 | [复现ChatGPT的难点与平替](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F607847588) | 2023-02-20 13:35:36 |\n| 11 | [如何优化大模型的In-Context Learning效果？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F597036814) | 2023-01-06 13:36:41 |\n| 12 | [2022年对话技术梳理：科研进展、产品创新](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F581468462) | 2022-11-08 13:08:10 |\n| 13 | [虚拟角色对话：AI产品新花样](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F573314020) | 2022-10-13 18:04:48 |\n| 14 | [Action Transformer(ACT-1)，通用AI助手](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F565025337) | 2022-09-16 13:13:26 |\n| 15 | [MetaAI的融合怪：BlenderBot](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F555538140) | 2022-08-19 12:44:28 |\n| 16 | [最近一些Embodied AI工作的总结(SayCan\u002FLM-Nav\u002FWebShop\u002FGato\u002FVPT\u002FMINEDOJO)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F541492104) | 2022-07-14 13:25:06 |\n| 17 | [HuggingFace推出Evaluate库！所以它赚钱了吗？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F523486686) | 2022-06-02 13:10:04 |\n| 18 | [文本匹配｜双塔的效果如何追上交互？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F518577648) | 2022-05-23 13:10:38 |\n| 19 | [DeepMind出手！多模态小样本打败精调](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F511517344) | 2022-05-09 13:04:56 |\n| 20 | [预训练模型的下一步？突破Impossible Triangle](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F501381510) | 2022-04-19 19:41:39 |\n| 21 | [谷歌PaLM｜推理能力大幅提升，Pathways给出的第一份答卷](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F493776262) | 2022-04-06 13:13:47 |\n| 22 | [腾讯SkillNet｜NLU任务的全能网络，对Pathways架构的初步尝试](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F478321656) | 2022-03-09 18:15:26 |\n| 23 | [谷歌LaMDA｜工业级端到端预训练对话模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F462022601) | 2022-01-26 13:03:50 |\n| 24 | [预训练时代下的文本生成｜模型&技巧](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F458883737) | 2022-01-18 12:17:37 |\n| 25 | [【急招】美团-NLP中心图学习（GNN）方向实习生](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F453434392) | 2022-01-05 09:47:42 |\n| 26 | [清华x商汤｜统一21年的各类对比学习框架](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F450753267) | 2021-12-28 13:44:38 |\n| 27 | [开放域问答综述｜四种方案+数据集](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F443609530) | 2021-12-10 13:28:25 |\n| 28 | [PromptBERT｜结合Prompt+对比学习，超越SimCSE两个多点](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F440790271) | 2021-12-03 13:53:40 |\n| 29 | [GPT3 API 「全面」开放，变现模式开启](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F436104753) | 2021-11-22 09:41:28 |\n| 30 | [清华P-tuning v2、谷歌SPoT｜Prompt可以超过精调了吗？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F423306405) | 2021-10-19 18:54:10 |\n| 31 | [哈工大｜15种NLP数据增强方法总结与对比](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F420295576) | 2021-10-11 18:48:30 |\n| 32 | [谷歌UDG｜Prompt新用法，直接生成训练数据](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F413285890) | 2021-09-23 22:04:55 |\n| 33 | [Instruction Tuning｜谷歌Quoc V.Le团队提出又一精调范式](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F408166011) | 2021-09-08 12:09:49 |\n| 34 | [Sentence-T5｜谷歌提出文本表示新SOTA](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F403153114) | 2021-08-24 18:05:08 |\n| 35 | [Prompt范式第二阶段｜Prefix-tuning、P-tuning、Prompt-tuning](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F400790006) | 2021-08-17 19:14:06 |\n| 36 | [Prompt范式的缘起｜Pattern-Exploiting Training](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F396971490) | 2021-08-06 12:59:15 |\n| 37 | [业界总结｜搜索中的Query理解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F393914267) | 2021-07-28 13:13:12 |\n| 38 | [ERNIE3.0 Demo试玩，被卷到了](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F387687720) | 2021-07-08 09:44:34 |\n| 39 | [43页预训练模型综述（清华、复旦、人大）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F381282229) | 2021-06-16 20:14:09 |\n| 40 | [ConSERT｜用对比学习做NLP都有哪些坑？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F378544839) | 2021-06-07 13:06:25 |\n| 41 | [盘点文本相关性在搜索、广告、推荐三大场景中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F368207215) | 2021-04-27 12:53:51 |\n| 42 | [21个经典深度学习句间关系模型｜代码&技巧](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F357864974) | 2021-03-17 18:00:55 |\n| 43 | [深度学习文本分类模型综述+代码+技巧](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F349086747) | 2021-02-03 19:04:38 |\n| 44 | [2021年NLP入门书籍推荐｜理论&实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F342465172) | 2021-01-07 09:52:05 |\n| 45 | [GPT-2的信息泄漏问题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F337704355) | 2020-12-17 19:58:31 |\n| 46 | [自监督对比学习（Contrastive Learning）综述+代码](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F334732028) | 2020-12-08 19:53:24 |\n| 47 | [BERT-flow：CMUx字节提出的文本表示新SOTA](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F318061606) | 2020-11-28 18:36:34 |\n| 48 | [CCKS20参会小结：知识图谱在工业界的落地](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F301372595) | 2020-11-19 19:14:45 |\n| 49 | [如何用对比学习提升BERT？斯坦福+Facebook的最新力作](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F278127741) | 2020-11-07 20:54:02 |\n| 50 | [BERT模型蒸馏完全指南（原理\u002F技巧\u002F代码）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F273378905) | 2020-11-04 13:37:39 |\n| 51 | [Bort: 亚马逊最新4层小模型，效果超越BERT-large](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F267738222) | 2020-10-22 13:19:25 |\n| 52 | [Cross-Thought：微软为文本表示打造的全新预训练任务](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F264127720) | 2020-10-10 09:43:42 |\n| 53 | [关于校招Offer选择的一些建议](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F263481198) | 2020-10-09 12:07:33 |\n| 54 | [谷歌pQRNN：轻量级文本分类模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F261124901) | 2020-10-02 18:14:57 |\n| 55 | [ACL2020奇葩论文标题大赏](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F161472538) | 2020-07-18 14:08:53 |\n| 56 | [DynaBERT：动态伸缩训练](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F142794402) | 2020-05-22 18:38:21 |\n| 57 | [Arxiv每日论文小工具](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F138607012) | 2020-05-07 00:10:02 |\n| 58 | [FastBERT：又快又稳的推理提速方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F127869267) | 2020-04-09 12:14:33 |\n| 59 | [BatchNorm在NLP任务中的问题与改进](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F126749311) | 2020-04-07 22:55:20 |\n| 60 | [谈谈我对ELECTRA源码放出的看法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F112813856) | 2020-03-12 23:08:01 |\n| 61 | [神经网络分布式训练、混合精度训练、梯度累加...一文带你优雅地训练大型模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F110278004) | 2020-03-02 11:36:25 |\n| 62 | [一文搞懂NLP中的对抗训练FGSM\u002FFGM\u002FPGD\u002FFreeAT\u002FYOPO\u002FFreeLB\u002FSMART](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F103593948) | 2020-01-20 18:50:03 |\n| 63 | [结构剪枝：要个4层的BERT有多难？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F93207254) | 2019-11-22 18:51:07 |\n| 64 | [ELECTRA: 超越BERT, 19年最佳NLP预训练模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F89763176) | 2019-11-02 11:54:27 |\n| 65 | [NLP极简数据增强+源码](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F88983784) | 2019-10-29 10:04:22 |\n| 66 | [Google T5速读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F88363572) | 2019-10-24 21:38:42 |\n| 67 | [BERT句子表示的可视化](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F87942922) | 2019-10-22 18:05:55 |\n| 68 | [Google ALBERT原理讲解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F84273154) | 2019-09-27 21:07:50 |\n| 69 | [一文搞懂神经网络混合精度训练](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F84219777) | 2019-09-26 13:31:20 |\n| 70 | [英伟达Fastertransformer源码解读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F79528308) | 2019-09-03 19:49:29 |\n| 71 | [神经网络模型Inference推理速度优化](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F78621758) | 2019-08-18 00:12:54 |\n| 72 | [NLP基础模型之词向量](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F73722979) | 2019-07-15 21:17:25 |\n| 73 | [深度神经网络模型蒸馏Distillation](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F71986772) | 2019-07-03 11:20:12 |\n| 74 | [TF XLNet源码解读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F70912441) | 2019-06-26 19:29:40 |\n| 75 | [Google XLNet原理解读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F70218096) | 2019-06-21 22:50:17 |\n| 76 | [神经网络分布式训练](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F68615246) | 2019-06-10 21:05:09 |\n| 77 | [BERT生成式之UNILM解读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F68327602) | 2019-06-07 23:46:37 |\n| 78 | [BERT生成式之MASS解读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F67687640) | 2019-05-31 23:34:05 |\n| 79 | [ELMo\u002FGPT\u002FBERT对比](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F63330949) | 2019-04-22 20:57:03 |\n| 80 | [OpenAI GPT2原理解读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F57251615) | 2019-02-20 23:37:08 |\n| 81 | [MT-DNN原理解读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F56868716) | 2019-02-16 14:44:45 |\n| 82 | [Tensorflow版BERT中文模型踩坑总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F51762599) | 2018-12-06 20:21:35 |\n| 83 | [NLP分词算法深度综述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F50444885) | 2018-11-24 16:20:38 |\n| 84 | [You May Not Need Attention详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F48374997) | 2018-11-03 20:49:17 |\n| 85 | [【NLP】Google BERT模型原理详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F46652512) | 2018-10-13 15:15:01 |\n| 86 | [Universal Transformers原理解读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F44655133) | 2018-09-16 15:02:11 |\n| 87 | [【NLP】Transformer模型原理详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F44121378) | 2018-09-14 19:52:21 |\n| 88 | [NLP中的Attention原理和源码解析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F43493999) | 2018-09-01 15:50:38 |\n| 89 | [NLP之语言模型和迁移学习](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F42618178) | 2018-08-21 21:01:24 |\n\n## 鱼遇雨欲语与余\n> 介绍： 公众号：Coggle数据科学，《机器学习算法竞赛实战》作者,一对一学习指导，可私信我。\n数据算法竞赛爱好者，国内竞赛方案最佳分享者，目前已获得五冠六亚一季的成绩。\n2022年，WSDM-xmRec杯，亚军\n2020年，腾讯广告算法大赛，冠军\n2020年，TIANCHI-数字中国创新大赛-智慧海洋建设，冠军\n2019年，TIANCHI-全球数据智能大赛【赛场二】，亚军\n2019年，TIANCHI-安泰杯--跨境电商智能算法大赛，冠军\n2019年，腾讯广告算法大赛，冠军\n2019年，KDD Cup: 上下文感知的多模态交通推荐，亚军\n2018年，科大讯飞营销算法大赛，冠军\n2019年，TIANCHI-OGeek算法挑战赛，亚军\n2019年，JDATA-用户对品类下店铺的购买预测，亚军\n2019年，第四届魔镜杯大赛数据应用大赛，亚军\n2019年，TIANCHI-全球城市AI挑战赛，季军。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [时隔两年！我的《机器学习算法竞赛实战》英文版 在Springer 发布啦！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F672027373) | 2023-12-13 15:57:56 |\n| 2 | [深入理解推荐系统：微软xDeepFM原理与实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F531689984) | 2022-06-21 11:31:28 |\n| 3 | [深入理解推荐系统：大厂如何进行CTR增量训练](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F531687995) | 2022-06-21 11:27:38 |\n| 4 | [深入理解推荐系统：阿里DIN原理与实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F531683417) | 2022-06-21 11:23:17 |\n| 5 | [深入理解推荐系统：CTR平滑问题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F531678678) | 2022-06-21 11:18:37 |\n| 6 | [2022 WSDM-Xmrec：跨境电商推荐挑战赛题方案](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F531675204) | 2022-06-21 11:11:31 |\n| 7 | [GraphEmbedding实战系列：Node2vec原理与代码实战](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F531672340) | 2022-06-21 11:07:11 |\n| 8 | [深入理解推荐系统：如何多种业务场景合并建模](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F531666787) | 2022-06-21 11:02:56 |\n| 9 | [科大讯飞：电信客户流失预测赛方案](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F531663302) | 2022-06-21 10:54:15 |\n| 10 | [我的新书「机器学习算法竞赛实战」，专注竞赛](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F411328002) | 2021-09-25 23:46:54 |\n| 11 | [冠军10w美金 ! ! ! 备战2021腾讯广告算法大赛最新指南](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F354030648) | 2021-03-02 16:21:02 |\n| 12 | [消费金融场景下的用户购买预测【冠军方案】分享](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F349592968) | 2021-02-06 01:29:45 |\n| 13 | [Kaggle知识点：文本相似度计算方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F349592491) | 2021-02-06 01:22:37 |\n| 14 | [Kaggle知识点：类别特征处理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F349592092) | 2021-02-06 01:13:48 |\n| 15 | [Kaggle知识点：缺失值处理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F349505932) | 2021-02-05 16:39:46 |\n| 16 | [深入理解推荐系统：超长用户行为序列建模](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F336949535) | 2020-12-14 23:33:53 |\n| 17 | [机器学习中“距离与相似度”计算汇总](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F336946131) | 2020-12-14 23:24:03 |\n| 18 | [时序预测竞赛之异常检测算法综述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F336944097) | 2020-12-14 23:03:13 |\n| 19 | [数据竞赛之常见数据抽样方式](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F335746277) | 2020-12-10 18:00:15 |\n| 20 | [深入理解推荐系统：特征交叉组合模型演化简史](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F269730650) | 2020-10-29 11:03:30 |\n| 21 | [深入理解推荐系统：推荐系统中的attention机制](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F269610432) | 2020-10-29 09:36:42 |\n| 22 | [2020腾讯广告算法大赛方案分享（亚军）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F185045764) | 2020-08-16 00:21:03 |\n| 23 | [2020腾讯广告算法大赛方案分享（冠军）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F166710532) | 2020-08-05 00:06:28 |\n| 24 | [深入理解推荐系统：Fairness、Bias和Debias](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F163163906) | 2020-07-23 14:53:24 |\n| 25 | [厦门国际银行 “数创金融杯”数据建模大赛-冠军分享](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F149985365) | 2020-06-22 13:49:01 |\n| 26 | [竞赛总结：天池OGeek算法挑战赛](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F149075795) | 2020-06-18 00:38:52 |\n| 27 | [2020腾讯广告算法大赛：高分进阶](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F146419860) | 2020-06-07 09:43:41 |\n| 28 | [2020腾讯广告算法大赛：如何突破分数瓶颈？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F143185271) | 2020-05-24 12:59:32 |\n| 29 | [2020腾讯广告算法大赛：赛题理解与解题思路](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F141288029) | 2020-05-16 00:49:30 |\n| 30 | [深入理解推荐系统：排序](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F138235048) | 2020-05-07 00:04:15 |\n| 31 | [2020 KDD Cup：Debiasing phase4 baseline 0.25](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F138047127) | 2020-05-04 10:56:16 |\n| 32 | [冠军7w美金，2020腾讯广告算法大赛正式开始！！！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F130913652) | 2020-04-15 17:17:46 |\n| 33 | [KDD Cup 2020 推荐系统赛道—数据分析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F127336206) | 2020-04-10 00:09:21 |\n| 34 | [备战2020腾讯广告算法大赛：武功秘籍](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F116907937) | 2020-04-06 18:54:58 |\n| 35 | [深入理解推荐系统：召回](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F115690499) | 2020-04-01 21:01:44 |\n| 36 | [深入理解YouTube推荐系统算法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F114703091) | 2020-03-24 01:26:01 |\n| 37 | [深入理解XGBoost：分布式实现](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F113239050) | 2020-03-15 00:55:23 |\n| 38 | [基于GNN的图表示学习及其应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F113235806) | 2020-03-14 22:09:50 |\n| 39 | [天池-安泰杯跨境电商智能算法大赛分享（冠军）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F100827940) | 2020-01-03 11:38:53 |\n| 40 | [一文梳理2017腾讯广告算法大赛决赛方案](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F95418813) | 2019-12-05 00:45:21 |\n| 41 | [2019CCF-BDCI-乘用车细分市场销量预测方案（Top1%）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F93602770) | 2019-11-25 22:17:00 |\n| 42 | [TIANCHI-全球数据智能大赛【赛场二】算法赛方案分享（亚军）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F88895768) | 2019-10-29 21:48:59 |\n| 43 | [一文梳理2019年腾讯广告算法大赛冠军方案](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F85520936) | 2019-10-07 23:51:29 |\n| 44 | [一文总结机器学习常见知识点](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F85508001) | 2019-10-07 21:56:37 |\n| 45 | [CCF乘用车细分市场销量预测-0.63模型框架](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F82416104) | 2019-09-13 20:44:36 |\n| 46 | [CCF乘用车细分市场销量预测baseline(0.51+)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F79940352) | 2019-08-27 10:48:40 |\n| 47 | [【震惊】2019腾讯广告算法大赛-冠军代码复盘解析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F79074260) | 2019-08-21 09:33:50 |\n| 48 | [这两年：我的数据竞赛之路](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F78315965) | 2019-08-17 00:18:40 |\n| 49 | [GNN 系列（三）：GraphSAGE](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F77317842) | 2019-08-09 10:13:18 |\n| 50 | [GNN 系列（二）：图神经网络的“开山之作”GCN模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F76669389) | 2019-08-05 08:13:48 |\n| 51 | [GNN 系列（一）：Graph 基础知识介绍](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F76175953) | 2019-08-01 13:08:08 |\n| 52 | [拍拍贷第四届魔镜杯大赛-冠亚季军方案梳理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F76069215) | 2019-08-01 00:46:40 |\n| 53 | [第四届魔镜杯大赛数据应用大赛方案分享（亚军）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F74749772) | 2019-07-23 00:46:22 |\n| 54 | [TIANCHI安泰杯 —跨境电商智能算法大赛Baseline](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F74119672) | 2019-07-18 10:34:31 |\n| 55 | [2019腾讯广告算法大赛方案分享（冠军）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F73062485) | 2019-07-14 13:43:28 |\n| 56 | [2019腾讯广告算法大赛-冠军之路](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F72762888) | 2019-07-09 03:07:48 |\n| 57 | [2019JDATA-用户对品类下店铺的购买预测方案及代码分享（亚军）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F71938382) | 2019-07-02 21:59:14 |\n| 58 | [2019腾讯广告算法大赛方案分享（初赛冠军）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F69351598) | 2019-06-25 14:39:51 |\n| 59 | [2019腾讯广告算法大赛初赛分享-Part3（冠军篇）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F66728742) | 2019-05-23 13:34:56 |\n| 60 | [2019腾讯广告算法大赛入门-Part2（初赛生存篇）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F65418206) | 2019-05-11 17:42:16 |\n| 61 | [2019腾讯广告算法大赛入门-Part1（竞赛小白晋升之路）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F63718151) | 2019-04-25 16:35:40 |\n| 62 | [TIANCHI-全球城市计算挑战赛-完整方案及关键代码分享（季军）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F62257700) | 2019-04-13 14:23:27 |\n| 63 | [DF消费者人群画像—信用智能评分方案分享（top5）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F62291067) | 2019-04-13 12:20:55 |\n| 64 | [2019腾讯广告算法大赛开始报名啦！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F60416895) | 2019-03-26 11:17:02 |\n| 65 | [TIANCHI全球城市计算AI挑战赛baseline](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F59998657) | 2019-03-21 23:28:37 |\n| 66 | [TIANCHI-津南数字制造算法挑战赛【赛场一】基本分析&Baseline](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F53728786) | 2018-12-31 18:55:13 |\n| 67 | [TIANCHI天池-OGeek算法挑战赛分享及完整代码（亚军）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F51422621) | 2018-12-03 12:02:08 |\n| 68 | [2018 CCF《套餐个性化匹配模型》（亚军）分享](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F51399335) | 2018-12-03 00:12:37 |\n| 69 | [JDD2018-人口动态普查与预测baseline0.1417](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F50623176) | 2018-11-22 21:09:09 |\n| 70 | [TF-IDF与余弦相似度](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F32826433) | 2018-11-18 01:22:08 |\n| 71 | [JDATA如期而至-用户购买时间预测Rank9](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F45141799) | 2018-10-29 18:50:02 |\n| 72 | [2018科大讯飞AI营销算法大赛总结及完整代码（冠军）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F47807544) | 2018-10-27 16:15:55 |\n| 73 | [天池-OGeek算法挑战赛Baseline(0.7016)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F46482521) | 2018-10-11 12:38:42 |\n| 74 | [2018科大讯飞AI营销算法大赛Baseline0.4255](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F44956113) | 2018-09-20 00:02:55 |\n| 75 | [2018腾讯广告算法大赛总结\u002F0.772229\u002FRank11](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F38034501) | 2018-06-13 14:16:24 |\n| 76 | [IJCAI-18 阿里妈妈搜索广告转化预测总结( 29 \u002F 0.13939 )](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F36858386) | 2018-05-20 02:06:43 |\n| 77 | [机器学习\u002F数据挖掘面试总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F34620144) | 2018-03-29 14:59:28 |\n| 78 | [机器学习面试干货精讲](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F32877396) | 2018-02-15 22:52:24 |\n| 79 | [数论及数论四大定理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F33619702) | 2018-02-06 01:52:13 |\n| 80 | [动态规划问题总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F33574315) | 2018-02-05 00:36:39 |\n| 81 | [机器学习进阶：我的竞赛之路](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F32785462) | 2018-01-09 21:00:23 |\n| 82 | [特征选择](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F32749489) | 2018-01-09 19:04:08 |\n| 83 | [LDA线性判别分析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F32658341) | 2018-01-05 21:41:54 |\n| 84 | [判别模型与生成模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F32655097) | 2018-01-05 14:53:23 |\n| 85 | [模型选择之交叉验证](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F32627500) | 2018-01-04 20:17:51 |\n| 86 | [奇异值分解(SVD)原理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F32600280) | 2018-01-04 14:24:44 |\n| 87 | [集成学习概述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F32412775) | 2018-01-01 17:51:07 |\n| 88 | [PCA主成分分析学习总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F32412043) | 2017-12-28 15:41:23 |\n\n## 亦一\n> 介绍： 公众号：播播笔记(推荐算法)，吾之(生活思考),在不堪一击的现实里还孤行一意地保有百无一用的浪漫主义；欢迎关注公众号：播播笔记 (推荐算法相关) ，吾之 (生活体验)。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [大模型 \\| meta2024 wukong: 推荐模型本身如何做大](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F692460232) | 2024-04-15 00:00:02 |\n| 2 | [粗排\\|三塔: 缺交叉就补交叉](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F690678769) | 2024-04-04 08:38:37 |\n| 3 | [特征交叉 \\| autoInt: 将attention运用于交叉](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F685465569) | 2024-03-05 22:59:30 |\n| 4 | [粗排系列汇总](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F681808861) | 2024-02-07 19:03:50 |\n| 5 | [粗排\\|基于整个推荐链路看粗排](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F680204749) | 2024-01-28 13:40:01 |\n| 6 | [《围城》：为什么方鸿渐桃花运不断](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F661472315) | 2023-10-15 23:08:47 |\n| 7 | [多场景多目标系列总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F659417899) | 2023-10-03 16:10:23 |\n| 8 | [多场景多目标 \\| 多场景模块基于POSO思路](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F659416340) | 2023-10-03 15:55:53 |\n| 9 | [特征交叉 \\| 业界方法实际应用与思考总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F650457945) | 2023-08-16 19:47:31 |\n| 10 | [值得去一次的地方](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F650295051) | 2023-08-16 09:18:55 |\n| 11 | [特征交叉 \\| CAN: LR思路巧用MLP后重获活力](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F647111860) | 2023-07-31 21:28:13 |\n| 12 | [多场景多目标 \\| [快手2023]PEPNet 模型如何做到大而全](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F645264991) | 2023-07-22 21:44:32 |\n| 13 | [多场景 \\| 基于独立建模的信息融合](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F645174846) | 2023-07-22 10:26:10 |\n| 14 | [损失函数 \\| weighted log loss: 基于交叉熵分类损失实现回归问题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F640806671) | 2023-07-01 11:21:24 |\n| 15 | [损失函数: triplet loss](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F639129690) | 2023-06-24 11:10:02 |\n| 16 | [损失函数：focal loss](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F639004674) | 2023-06-23 13:41:57 |\n| 17 | [损失函数：交叉熵损失](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F637808962) | 2023-06-18 12:32:21 |\n| 18 | [损失函数：常用的分类和回归损失](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F637760288) | 2023-06-17 16:51:47 |\n| 19 | [去海口可以玩什么](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F636209925) | 2023-06-11 11:38:18 |\n| 20 | [多目标模型结构如何一步步从简到繁](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F625832485) | 2023-04-29 12:35:39 |\n| 21 | [多目标 \\| 样本权重: DTP以结果反馈为导向双管齐下](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F623933804) | 2023-04-22 11:21:07 |\n| 22 | [多目标 \\| 样本权重：概览](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F622333495) | 2023-04-16 15:28:39 |\n| 23 | [《围城》：人会在生活里找到生活的逻辑](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F620573560) | 2023-04-09 19:02:52 |\n| 24 | [《围城》：命运偏爱地给了方鸿渐一段爱情](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F620444337) | 2023-04-08 22:31:44 |\n| 25 | [多目标 \\| 模型结构: (AAAI2023)FDN引入约束做特征分解，缓解负迁移](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F619589325) | 2023-04-05 18:56:24 |\n| 26 | [多目标 \\| 模型结构: PLE显式细化expert表征](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F619511214) | 2023-04-04 22:36:16 |\n| 27 | [多场景 \\| 联合建模: star结构在参数层面拆分与融合](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F618920189) | 2023-04-02 19:31:19 |\n| 28 | [损失函数：模型学习的指挥棒](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F618604847) | 2023-03-31 21:53:24 |\n| 29 | [多场景 \\| 联合建模: mmoe拆分信息表征](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F615212871) | 2023-03-19 14:43:28 |\n| 30 | [多目标 \\| 模型结构: MMoE实际应用，改进必不可少](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F615021892) | 2023-03-18 14:43:30 |\n| 31 | [多目标 \\| 模型结构：MMoE开辟新方向](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F614342245) | 2023-03-15 23:56:30 |\n| 32 | [多目标 \\| 模型结构: ESM2细化目标依赖路径](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F613727494) | 2023-03-13 22:39:45 |\n| 33 | [多目标 \\| 模型结构: ESMM从目标关系出发](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F613438144) | 2023-03-12 23:04:08 |\n| 34 | [多目标汇总](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F613094769) | 2023-03-11 10:17:50 |\n| 35 | [多场景 \\| 联合建模: bias tower另起炉灶学习场景信息](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F612462886) | 2023-03-09 00:34:41 |\n| 36 | [多场景 \\| 联合建模: 巧用poso gate强化场景信息](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F611881134) | 2023-03-07 00:47:18 |\n| 37 | [多场景 \\| 联合建模: hard-share未必不行](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F611499122) | 2023-03-05 16:39:03 |\n| 38 | [多场景系列汇总](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F611497598) | 2023-03-05 16:24:56 |\n| 39 | [多场景建模 \\| 概览](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F611289214) | 2023-03-04 15:39:19 |\n| 40 | [长序列建模 \\| ETA: 端到端建模实现目标一致性](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F609240360) | 2023-02-25 08:18:29 |\n| 41 | [长序列建模 \\| SIM: 朴素的往往是有效的](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F606664124) | 2023-02-15 22:31:10 |\n| 42 | [特征交叉 \\| xDeepFM: 站在DeepFM和DCN的肩膀上](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F600119672) | 2023-01-19 20:23:42 |\n| 43 | [特征交叉 \\| DCN-m: 显式高阶特征交叉进阶版](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F598886667) | 2023-01-14 09:50:31 |\n| 44 | [特征交叉 \\| DCN-v: 显式高阶特征交叉不是梦](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F597345829) | 2023-01-07 20:43:43 |\n| 45 | [特征交叉 \\| DCN系列：解放高阶交叉的人工设计](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F597346245) | 2023-01-07 19:31:15 |\n| 46 | [BN有效性分析及其应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F596135443) | 2023-01-03 09:58:27 |\n| 47 | [一文读懂Batch Normalization](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F594944859) | 2022-12-31 11:07:25 |\n| 48 | [神经网络基础知识汇总](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F595642750) | 2022-12-31 11:04:35 |\n| 49 | [推荐基础知识汇总](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F595640823) | 2022-12-31 10:58:41 |\n| 50 | [用户行为序列建模汇总](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F595639487) | 2022-12-31 10:47:26 |\n| 51 | [特征交叉方法汇总](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F595637610) | 2022-12-31 10:40:59 |\n| 52 | [特张交叉 \\| DeepFM: 绕不开的业界强base](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F592475293) | 2022-12-19 13:51:13 |\n| 53 | [特征交叉 \\| PNN: product层实现特征交叉](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F592861542) | 2022-12-19 13:38:02 |\n| 54 | [特征交叉 \\| FNN和NFM: FM与DNN输入的结合](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F592481321) | 2022-12-17 11:13:44 |\n| 55 | [特征交叉 \\| FwFM和AFM: 显式特征交叉权重精细化](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F591046784) | 2022-12-11 21:36:01 |\n| 56 | [特征交叉 \\| FFM: 显式特征交叉按域精细化](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F590365336) | 2022-12-08 21:54:42 |\n| 57 | [特征交叉 \\| FM：embedding化特征交叉鼻祖](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F588733973) | 2022-12-03 14:09:55 |\n| 58 | [特征交叉：wide&deep开启DNN模型特征交叉时代](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F587217795) | 2022-11-29 22:57:17 |\n| 59 | [用户行为长序列建模MIMN方法和思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F584921328) | 2022-11-19 20:08:23 |\n| 60 | [过拟合-dropout原理和在模型中多种应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F580914279) | 2022-11-06 19:01:51 |\n| 61 | [用户行为长序列建模SDM方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F578530030) | 2022-10-29 20:52:01 |\n| 62 | [用户行为长序列建模概览](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F578570915) | 2022-10-29 20:36:31 |\n| 63 | [AUC离线和在线表现不一致问题：两个维度](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F574109405) | 2022-10-16 15:40:54 |\n| 64 | [用户行为序列建模din系列方法总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F569922102) | 2022-10-01 13:11:02 |\n| 65 | [用户行为序列建模dsin方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F569817483) | 2022-09-30 22:08:28 |\n| 66 | [用户行为序列建模dien方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F567758526) | 2022-09-24 16:18:41 |\n| 67 | [用户行为序列建模din方法和实际应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F563325440) | 2022-09-11 11:43:55 |\n| 68 | [用户行为序列建模self attention和具体实现](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F561976363) | 2022-09-06 23:52:53 |\n| 69 | [用户行为序列建模概览](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F557460569) | 2022-08-24 21:52:32 |\n| 70 | [多目标样本权重-DTP和不确定性加权](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F550676384) | 2022-08-08 20:25:35 |\n| 71 | [多目标样本权重-GradNorm和DWA原理详解和实现](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F542296680) | 2022-07-16 13:27:26 |\n| 72 | [POSO方法的实际应用和分析思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F536499073) | 2022-07-01 22:11:25 |\n| 73 | [用户冷启POSO论文详读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F534056942) | 2022-06-26 19:55:18 |\n| 74 | [多目标模型结构PLE详解和效果分析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F530636262) | 2022-06-18 17:42:13 |\n| 75 | [多目标模型结构-MMoE和实际应用思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F527185153) | 2022-06-10 21:49:22 |\n| 76 | [多目标模型结构-ESMM和ESM2](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F524256107) | 2022-06-04 19:14:19 |\n| 77 | [推荐中多目标的必要性和实现思路](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F514293940) | 2022-05-14 12:40:15 |\n| 78 | [激活函数选择和具体应用以及相关面试题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F508652400) | 2022-05-03 09:16:49 |\n| 79 | [深入理解深度学习中常见激活函数](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F508119920) | 2022-05-01 20:20:17 |\n| 80 | [ctr模型特征交叉结构总结与业务应用和思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F499809627) | 2022-04-16 22:26:55 |\n| 81 | [特征交叉 \\| 从曾将的王者LR开始](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F475769817) | 2022-03-04 16:05:37 |\n| 82 | [一句话理解tensorflow中的乘法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F472445655) | 2022-02-25 18:54:59 |\n| 83 | [如何防止过拟合(1)-正则化](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F469842480) | 2022-02-20 15:28:52 |\n| 84 | [从偏差方差角度理解过拟合](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F464351701) | 2022-02-06 19:56:13 |\n| 85 | [如何计算AUC](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F462734871) | 2022-01-28 16:31:01 |\n| 86 | [什么是好的推荐，重新理解AUC](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F460549028) | 2022-01-22 13:27:55 |\n| 87 | [为什么需要推荐](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F458069387) | 2022-01-16 15:35:17 |\n| 88 | [写在前面](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F458067297) | 2022-01-16 15:28:14 |\n\n## 张小磊\n> 介绍： 小小又大大的梦想,小小又大大的梦想。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [CIKM2023 \\| 序列推荐中的自适应多模态融合](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F654281143) | 2023-10-11 09:09:28 |\n| 2 | [WWW2023 \\| 基于去噪对比学习的序列推荐](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F651925497) | 2023-08-23 19:44:34 |\n| 3 | [ICML2023推荐系统论文整理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F647792668) | 2023-08-03 16:46:27 |\n| 4 | [推荐系统范式之争，LLM vs. ID？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F642797247) | 2023-07-12 09:27:30 |\n| 5 | [RecSys2023推荐系统论文整理(长文)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F641236519) | 2023-07-04 09:22:45 |\n| 6 | [IJCAI2023 \\| 当符号学习遇到推荐系统: 基于概率逻辑推理的序列推荐方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F639584630) | 2023-07-01 21:27:54 |\n| 7 | [KDD2023 \\| 外卖推荐场景中用户双重时段变化偏好建模](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F638618122) | 2023-06-23 22:13:25 |\n| 8 | [SIGIR2023 \\| 多行为自监督推荐系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F638538541) | 2023-06-21 10:02:11 |\n| 9 | [SIGIR2023 \\| ID vs 模态: 推荐系统ID范式有望被颠覆？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F633839409) | 2023-06-01 10:36:04 |\n| 10 | [IJCAI2023推荐系统相关论文集锦](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F629248596) | 2023-05-15 10:14:40 |\n| 11 | [生成式推荐: 迈向下一代推荐系统新范式](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F621252860) | 2023-04-12 12:22:31 |\n| 12 | [WWW2023 \\| 高效自监督多模态推荐算法BM3](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F621178341) | 2023-04-11 22:05:55 |\n| 13 | [论文周报 \\| 推荐系统领域最新研究进展，含SIGIR、AAAI、CIKM等顶会论文](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F621176821) | 2023-04-11 21:58:00 |\n| 14 | [DiffuRec: 如何使用扩散模型进行序列推荐](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F621176295) | 2023-04-11 21:54:43 |\n| 15 | [深挖 ChatGPT 背后原理, 快速开发AI应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F618564605) | 2023-03-31 17:44:28 |\n| 16 | [如何利用ChatGPT实现推荐模型的能力？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F618398485) | 2023-03-31 09:29:29 |\n| 17 | [WWW2023 \\| 对比协同过滤冷启动推荐算法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F614027863) | 2023-03-14 22:23:56 |\n| 18 | [论文周报 \\| 推荐系统领域最新研究进展（0213-0219），含ICLR、WWW、AAAI、ECIR等顶会论文](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F607689221) | 2023-02-21 11:22:57 |\n| 19 | [AAAI2023 \\| Transformer对时序预测真的有效吗？且看线性模型如何大战变形金刚](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F607812776) | 2023-02-21 11:22:20 |\n| 20 | [深度多任务推荐系统最新研究进展总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F606946236) | 2023-02-16 19:20:40 |\n| 21 | [WWW2023推荐系统论文抢鲜整理，附pdf合集下载链接](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F606024674) | 2023-02-14 14:17:56 |\n| 22 | [AAAI2023推荐系统相关论文集锦](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F604449273) | 2023-02-10 10:49:54 |\n| 23 | [论文周报 \\| 推荐系统领域最新研究进展，含WWW、AAAI等顶会论文](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F603669316) | 2023-02-07 14:58:29 |\n| 24 | [WWW2023 \\| 基于用户兴趣对齐的跨域推荐算法, 利用对比学习和梯度对齐提升双域性能](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F604207014) | 2023-02-07 14:57:30 |\n| 25 | [论文周报 \\| 推荐系统领域最新研究进展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F601903208) | 2023-02-02 09:15:47 |\n| 26 | [昆士兰大学最新自动深度推荐系统综述，143篇文献详细阐述多种自动搜索技术](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F600003206) | 2023-02-02 09:14:45 |\n| 27 | [TKDE2023 \\| 基于语义和结构模型融合的社交推荐算法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F602120640) | 2023-02-02 09:01:41 |\n| 28 | [CCF优博论文 \\| 基于用户决策行为的个性化推荐方法及应用研究](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F598158186) | 2023-01-11 16:35:53 |\n| 29 | [论文周报0102-0108 \\| 推荐系统领域最新研究进展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F597530210) | 2023-01-09 11:09:09 |\n| 30 | [SIGIR2022 \\| 基于生成对抗思想的冷启动推荐算法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F597542716) | 2023-01-08 21:02:12 |\n| 31 | [麦吉尔大学最新搜索与推荐多样性研究综述，多角度介绍其研究进展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F596628891) | 2023-01-05 21:51:38 |\n| 32 | [WWW2022 \\| 基于领域增强的图对比协同过滤方法+代码实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F591232299) | 2022-12-12 15:46:34 |\n| 33 | [2022最新基于图神经网络的社交推荐算法综述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F591232134) | 2022-12-12 15:44:34 |\n| 34 | [腾讯联合西湖大学发布首个大规模多用途推荐系统数据集, 可评估超10种推荐任务](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F579806424) | 2022-11-02 19:01:52 |\n| 35 | [悉尼科技大学最新可信推荐综述，提出可信推荐生态系统并概括9个方面的发展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F578767560) | 2022-10-30 18:34:37 |\n| 36 | [最新可信推荐系统综述, 6个维度71页463篇文献介绍其前沿进展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F569639053) | 2022-09-30 11:36:38 |\n| 37 | [最新综述 \\| 基于因果推断的推荐系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F560131048) | 2022-09-01 11:09:39 |\n| 38 | [论文周报 \\| 推荐系统领域最新研究进展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F556275248) | 2022-08-24 21:26:53 |\n| 39 | [基于对抗学习的隐私保护推荐算法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F545991346) | 2022-08-24 21:20:04 |\n| 40 | [350篇文献总结可信推荐系统前沿进展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F548089130) | 2022-08-01 22:24:24 |\n| 41 | [论文周报 \\| 推荐系统领域最新研究进展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F548335873) | 2022-08-01 22:23:01 |\n| 42 | [WWW2022 \\| 基于交叉成对排序的无偏推荐算法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F506167780) | 2022-07-28 22:14:57 |\n| 43 | [KDD2022推荐系统论文集锦(附pdf下载)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F545374876) | 2022-07-23 22:28:28 |\n| 44 | [TransRec: 基于混合模态反馈的可迁移推荐系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F541387375) | 2022-07-14 09:47:58 |\n| 45 | [RecSys2022推荐系统论文集锦](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F539925973) | 2022-07-10 22:50:01 |\n| 46 | [推荐系统相关资源介绍（书籍、代码、综述、教程等内容）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F537566024) | 2022-07-05 17:55:53 |\n| 47 | [上交最新深度元学习推荐算法综述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F527315188) | 2022-06-13 21:11:46 |\n| 48 | [SimpleX: 一个简单且有效的协同过滤框架](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F526138302) | 2022-06-12 22:08:41 |\n| 49 | [SIGIR2022 \\| UCCR: 以用户为中心的对话推荐系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F515893047) | 2022-06-11 21:28:26 |\n| 50 | [WWW2022 \\| Recommendation Unlearning](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F523683205) | 2022-06-02 18:35:27 |\n| 51 | [SIGIR2022 \\| 基于Prompt的用户自选公平性推荐算法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F519355409) | 2022-05-30 21:23:20 |\n| 52 | [SIGIR2022 \\| SimGCL: 面向推荐系统的极简图对比学习方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F509511858) | 2022-05-05 11:39:08 |\n| 53 | [论文周报 \\| 推荐系统领域最新研究进展（0410-0417）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F500570998) | 2022-04-18 20:28:32 |\n| 54 | [论文周报(0404-0410) \\| 推荐系统领域最新研究进展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F496341317) | 2022-04-11 08:37:40 |\n| 55 | [首篇自监督学习推荐系统综述: 150篇文献概述四大类方法(含开源算法库SELFRec)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F493464153) | 2022-04-05 21:23:13 |\n| 56 | [TKDE2022 \\| 最新深度学习推荐系统综述：从协同过滤到信息增强的推荐系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F488613439) | 2022-03-28 09:52:42 |\n| 57 | [SIGIR2021@Elliot \\| 一个全新且全面的推荐系统Benchmark](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F464948417) | 2022-02-08 17:37:18 |\n| 58 | [AAAI2022推荐系统论文集锦](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F455292971) | 2022-01-10 08:53:50 |\n| 59 | [一文梳理联邦学习推荐系统研究进展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F408689514) | 2021-09-09 22:51:56 |\n| 60 | [RecSys2021推荐系统论文集锦](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F402517085) | 2021-08-23 09:24:35 |\n| 61 | [RSPapers \\| 基于自监督学习推荐系统论文合集](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F380700263) | 2021-06-15 10:18:01 |\n| 62 | [WWW2021 \\| 最新深度学习推荐系统教程](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F368259989) | 2021-04-27 15:35:22 |\n| 63 | [推荐系统中的对抗机器学习技术总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F355340856) | 2021-03-08 00:00:27 |\n| 64 | [AAAI2021推荐系统论文清单](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F341716240) | 2021-01-04 13:44:01 |\n| 65 | [KDD2020最佳论文: 关于个性化排序任务评价指标的大讨论](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F206823510) | 2020-08-30 19:35:17 |\n| 66 | [SIGIR2020 \\| 基于GCN的鲁棒推荐系统研究](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F179279299) | 2020-08-10 21:40:56 |\n| 67 | [ABPR: 利用对抗训练技术增强的BPR](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F161214623) | 2020-07-17 11:23:18 |\n| 68 | [推荐系统之FM与MF傻傻分不清楚](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F149063040) | 2020-06-17 23:10:55 |\n| 69 | [利用对抗技术来权衡推荐精度与用户隐私](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F148547813) | 2020-06-15 21:59:15 |\n| 70 | [SIGIR2020推荐系统论文聚焦](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F147076110) | 2020-06-09 23:25:04 |\n| 71 | [IJCAI'20最新推荐系统论文聚焦](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F144089382) | 2020-05-28 11:49:35 |\n| 72 | [最新边信息推荐系统综述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F129304773) | 2020-04-13 09:31:07 |\n| 73 | [在家无聊？16篇最新推荐系统论文送你](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F111125491) | 2020-03-06 11:03:42 |\n| 74 | [AAAI2020推荐系统论文集锦](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F102949266) | 2020-01-15 22:06:27 |\n| 75 | [社会化推荐浅谈](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F38413102) | 2019-12-22 22:59:04 |\n| 76 | [IJCAI'19最新推荐系统论文分享](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F74469773) | 2019-07-20 17:51:40 |\n| 77 | [当推荐系统邂逅深度学习](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F52824004) | 2018-12-29 23:04:44 |\n| 78 | [由协同过滤联想到的...](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F41240619) | 2018-08-03 20:28:55 |\n| 79 | [极大似然估计与最大后验概率估计](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F40024110) | 2018-07-18 22:46:57 |\n| 80 | [推荐系统之矩阵分解家族](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F35262187) | 2018-06-11 20:48:23 |\n| 81 | [由Logistic Regression所联想到的...](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F32681265) | 2018-01-09 22:04:35 |\n| 82 | [网络表示学习概述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F32504175) | 2017-12-31 12:17:58 |\n| 83 | [反向传播之我见](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F28821475) | 2017-08-27 10:44:50 |\n| 84 | [推荐系统从入门到接着入门](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F27502172) | 2017-06-21 23:39:04 |\n\n## sliderSun\n> 介绍： https:\u002F\u002Fgithub.com\u002FsliderSun,https:\u002F\u002Fblog.csdn.net\u002Fweixin_37947156。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [LLMs源码阅读之（四）Mistral系列](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F688059726) | 2024-03-21 15:37:17 |\n| 2 | [LangChain：代码世界的魔法师，源码解读带你笑看技术黑洞](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684011400) | 2024-02-29 16:48:32 |\n| 3 | [LLMs源码阅读（二）Baichuan](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F675212809) | 2024-02-26 14:47:13 |\n| 4 | [知识盛宴：探秘LLMs、Sora和LWM的神奇世界](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F672633137) | 2024-02-21 13:17:31 |\n| 5 | [使用PEFT微调LLMs](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F623866920) | 2023-04-22 14:56:17 |\n| 6 | [ChatGLM-6B P-Tuning v2 教程](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F619417296) | 2023-04-04 17:14:52 |\n| 7 | [The Illustrated Stable Diffusion](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F596087332) | 2023-01-04 22:20:43 |\n| 8 | [【Linux】多个版本的CUDA切换](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F589442446) | 2022-12-05 21:44:25 |\n| 9 | [InfoCSE：信息聚合对比学习的句子表示](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F575219521) | 2022-10-20 22:07:35 |\n| 10 | [MixCSE ：混合负样本无监督句子表示的对比学习](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F555939177) | 2022-08-20 16:32:31 |\n| 11 | [MoCoSE : 对比学习中负样本的影响](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F555770079) | 2022-08-20 00:10:17 |\n| 12 | [DisCo：句子表示的对比知识蒸馏](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F555748085) | 2022-08-19 23:00:52 |\n| 13 | [ArcCSE \\| 基于角度margin的对比学习](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F555369904) | 2022-08-19 00:02:20 |\n| 14 | [EASE：实体感知的句子Embedding对比学习](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F512700632) | 2022-05-11 23:32:58 |\n| 15 | [DiffCSE：结合对比学习和ELECTRA的句子表示](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F503491410) | 2022-04-25 17:52:24 |\n| 16 | [VIRT:通过虚拟交互改进基于表示的文本匹配模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F443757608) | 2021-12-10 18:26:49 |\n| 17 | [NLP对比表示中的对抗学习](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F440860495) | 2021-12-03 17:57:25 |\n| 18 | [TRANS-ENCODER：自蒸馏和互蒸馏的无监督句对模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F437729611) | 2021-11-25 20:28:18 |\n| 19 | [Dynamic-TinyBERT：通过动态序列长度提TinyBERT的推理效率](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F437364437) | 2021-11-24 22:35:42 |\n| 20 | [S-SimCSE：基于抽样子网络的句子嵌入对比学习](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F437142080) | 2021-11-24 16:24:15 |\n| 21 | [KroneckerBERT：基于Kronecker分解的知识蒸馏的语言模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F414287266) | 2021-09-29 14:24:51 |\n| 22 | [DyLex：将动态词汇结合到BERT中用于序列标注](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F412839346) | 2021-09-23 20:26:02 |\n| 23 | [PAUSE：基于PU损失和多项式退火的未标记的句子嵌入训练方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F409570497) | 2021-09-13 18:01:29 |\n| 24 | [ESimCSE：无监督句子嵌入对比学习的增强样本构建方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F409124038) | 2021-09-11 10:17:25 |\n| 25 | [短文本多意图语义解析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F405096922) | 2021-08-30 18:29:46 |\n| 26 | [细粒度的实体类型的Prompt-Learning](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F403551370) | 2021-08-25 20:25:28 |\n| 27 | [AL-TextCNN：基于embedding压缩的一种轻量级TextCNN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F397804210) | 2021-08-09 15:33:39 |\n| 28 | [ACT：一种高效文本分类的注意卷积变换](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F386697557) | 2021-07-05 13:11:09 |\n| 29 | [ELBERT：基于置信窗口早期退出的Fast ALBERT](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F386664564) | 2021-07-05 10:14:11 |\n| 30 | [RDCNN: 使用加权残差连接的深度动态卷积模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F384796920) | 2021-06-30 15:45:59 |\n| 31 | [RomeBERT：多出口BERT的鲁棒训练](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F348198528) | 2021-02-05 20:16:11 |\n| 32 | [CLEAR:将SimCLR应用于NLP句子表征](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F347697497) | 2021-01-28 16:29:08 |\n| 33 | [一种新颖的命名实体识别（NER）评估技术](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F344745423) | 2021-01-16 16:32:19 |\n| 34 | [图解GPT3的工作原理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F344695943) | 2021-01-16 11:46:38 |\n| 35 | [Switch Transformer：谷歌万亿参数的语言模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F343954960) | 2021-01-13 20:16:03 |\n| 36 | [Poor Man's BERT: 更小更快的Transformer模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F343229835) | 2021-01-10 16:22:25 |\n| 37 | [TernaryBERT：可感知蒸馏的三值化BERT](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F267150517) | 2020-10-30 17:38:09 |\n| 38 | [一文详解文本深度学习模型的压缩](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F184973728) | 2020-10-19 20:47:26 |\n| 39 | [Cluster-Former：基于聚类的稀疏Transformer，用于远距离相关性编码](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F252438195) | 2020-10-09 17:00:04 |\n| 40 | [那些悄悄拍了拍Transformer的奔涌的后浪们](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F170587934) | 2020-08-07 05:00:38 |\n| 41 | [DeLighT：超深轻型Transformer](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F168259907) | 2020-08-07 00:07:34 |\n| 42 | [「芝麻街」Big Bird : Sparse Attention 再填新成员](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F165004334) | 2020-07-31 18:58:28 |\n| 43 | [预训练的应用挑战与实践探索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F163715853) | 2020-07-25 23:20:22 |\n| 44 | [开放域对话系统：现状和未来](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F163709485) | 2020-07-25 22:56:56 |\n| 45 | [SqueezeBERT:关于高效的神经网络，计算机视觉能教会NLP什么?](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F158738295) | 2020-07-11 18:18:18 |\n| 46 | [End2End NLU：Joint Model(Intent+Slot)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F158675992) | 2020-07-11 15:19:39 |\n| 47 | [TUPE:重新思考语言预训练中的位置编码](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F157567595) | 2020-07-09 18:22:33 |\n| 48 | [Memory Transformer](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F151025932) | 2020-07-05 11:45:53 |\n| 49 | [Match2：相似问题识别的匹配模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F150878142) | 2020-06-27 18:57:20 |\n| 50 | [Transformer和Bert相关知识解答](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F149634836) | 2020-06-20 17:56:01 |\n| 51 | [语言模型的位置掩码](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F149279813) | 2020-06-20 09:34:28 |\n| 52 | [MC-BERT：通过元控制器进行有效的语言预训练](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F148662793) | 2020-06-18 14:50:59 |\n| 53 | [Linformer:具有线性复杂性的自注意力机制](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F147225773) | 2020-06-14 16:39:45 |\n| 54 | [Funnel-Transformer:过滤掉顺序冗余以实现高效的语言处理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F146767383) | 2020-06-09 00:04:43 |\n| 55 | [TriggerNER:学习使用实体触发器来解释命名实体识别](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F146200413) | 2020-06-07 16:32:49 |\n| 56 | [AWE：Attention Word Embedding](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F145039875) | 2020-06-02 13:26:43 |\n| 57 | [Highway Transformer：自选门增强了自关注网络](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F144985424) | 2020-06-01 09:55:55 |\n| 58 | [SYNTHESIZER:重新思考Transformer模型中的自我注意](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F144563499) | 2020-05-31 17:28:12 |\n| 59 | [Soft-Masked BERT用于拼写纠错](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F142957837) | 2020-05-28 17:56:18 |\n| 60 | [NLP中的自我监督表示学习](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F144187709) | 2020-05-28 12:13:59 |\n| 61 | [lite-transformer](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F142953648) | 2020-05-23 04:20:49 |\n| 62 | [图解SimCLR框架](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F142951091) | 2020-05-23 01:18:28 |\n| 63 | [ICLR 2020上，Transformers 有何新动向？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F141624736) | 2020-05-18 14:47:16 |\n| 64 | [💡Illustrating the Reformer](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F139220925) | 2020-05-09 17:24:42 |\n| 65 | [DeeBERT: 动态提前退出加速BERT推理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F139197227) | 2020-05-09 12:18:35 |\n| 66 | [DeFormer:分解预先训练的Transformers，以更快地回答问题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F138807224) | 2020-05-08 14:03:15 |\n| 67 | [ColBERT：一种新颖的后期交互范式的检索模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F138703309) | 2020-05-07 17:19:50 |\n| 68 | [对话状态跟踪与预训练编码器的多域 Trask-oriented对话系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F136708477) | 2020-05-01 14:34:08 |\n| 69 | [Keyword-Attentive Deep Semantic Matching](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F135991533) | 2020-04-26 17:47:27 |\n| 70 | [MPNet: 掩码语言建模和排列语言建模结合的预训练语言模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F134113657) | 2020-04-22 14:05:34 |\n| 71 | [PALM:上下文条件生成预训练一个自动编码和自回归语言模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F131549349) | 2020-04-17 17:50:14 |\n| 72 | [ProFormer：走向基于设备LSH投影的变压器](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F130929424) | 2020-04-16 11:14:39 |\n| 73 | [LADABERT：混合模型压缩的轻量级自适应BERT](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F129298567) | 2020-04-12 23:02:31 |\n| 74 | [更快且同样准确:Transformer模型的简单分解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F85619782) | 2019-10-08 17:20:38 |\n| 75 | [改进RNN的门控机制](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F85581493) | 2019-10-08 14:16:11 |\n| 76 | [Sparse Transformer](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F84802318) | 2019-09-30 14:03:57 |\n\n## 绝密伏击\n> 介绍： 九天惊雷撼乾坤，一指破空九万里,一位篮球爱好者。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [挑战 Transformer：全新架构 Mamba 详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684231320) | 2024-02-28 17:44:37 |\n| 2 | [Sora技术报告——世界模拟器](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F682549750) | 2024-02-17 22:19:11 |\n| 3 | [假如GPT-4目前只能解决人类任务的10%，GPT-5应该是15%或者20%](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F679042019) | 2024-01-21 21:04:45 |\n| 4 | [深入浅出ChatGPT：技术原理一探究竟](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F678912290) | 2024-01-20 20:49:14 |\n| 5 | [RoPE外推优化——支持192K上下文长度](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F678755776) | 2024-01-19 20:38:38 |\n| 6 | [群魔乱舞：MoE大模型详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F677638939) | 2024-01-15 21:05:42 |\n| 7 | [再论大模型位置编码及其外推性](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F675243992) | 2023-12-29 23:20:21 |\n| 8 | [大模型混合精度训练](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F673702662) | 2023-12-22 19:15:59 |\n| 9 | [如何构建自己的大模型（万字长文）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F673308333) | 2023-12-21 11:38:53 |\n| 10 | [用户序列建模](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F669898579) | 2023-12-01 18:02:38 |\n| 11 | [大模型轻量级微调（LoRA）：训练速度、显存占用分析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F666000885) | 2023-11-09 21:53:40 |\n| 12 | [一文读懂Llama 2（从原理到实战）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F653303123) | 2023-08-30 20:09:45 |\n| 13 | [LLaMa-1 技术详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F648774481) | 2023-08-08 19:15:58 |\n| 14 | [大模型文本生成——解码策略（Top-k & Top-p & Temperature）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F647813179) | 2023-08-04 19:10:29 |\n| 15 | [十分钟读懂旋转编码（RoPE）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F647109286) | 2023-08-01 18:52:37 |\n| 16 | [Sparse Transformer](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F643801236) | 2023-07-15 23:28:57 |\n| 17 | [6年推荐系统经验总结——「推荐系统技术原理与实践」](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F641176648) | 2023-07-03 16:13:22 |\n| 18 | [清华大学通用预训练模型：GLM](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F637382548) | 2023-06-17 20:16:34 |\n| 19 | [循环神经网络详解（RNN\u002FLSTM\u002FGRU）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F636756912) | 2023-06-13 21:16:42 |\n| 20 | [压缩即智能：为什么 ChatGPT 拥有智能？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F634194171) | 2023-06-02 20:12:29 |\n| 21 | [谷歌大模型指令微调：The Flan Collection](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F633346577) | 2023-05-31 14:51:51 |\n| 22 | [大模型CoT（思维链）总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F629087587) | 2023-05-13 21:14:31 |\n| 23 | [大模型微调实践：ChatGLM-6B全参数微调](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F627788620) | 2023-05-08 19:49:43 |\n| 24 | [大模型微调总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F627642632) | 2023-05-08 15:59:14 |\n| 25 | [LORA：大模型轻量级微调](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F623543497) | 2023-04-21 17:58:02 |\n| 26 | [ChatGPT技术原理解析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F618320262) | 2023-03-31 20:52:49 |\n| 27 | [OpenAI ChatGPT（四）：十分钟读懂 GPT-3](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F614597581) | 2023-03-25 19:32:34 |\n| 28 | [GPT-4技术文档](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F614271969) | 2023-03-16 18:36:09 |\n| 29 | [OpenAI ChatGPT（三）：Tensorflow实现GPT-2](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F614003576) | 2023-03-14 21:17:17 |\n| 30 | [OpenAI ChatGPT（三）：十分钟读懂 GPT-2](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F613895056) | 2023-03-14 18:32:03 |\n| 31 | [OpenAI ChatGPT（二）：Tensorflow实现GPT-1](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F606318317) | 2023-02-15 17:26:01 |\n| 32 | [OpenAI ChatGPT（二）：十分钟读懂 GPT-1](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F604625917) | 2023-02-09 20:45:42 |\n| 33 | [ChatGPT Is All you Need](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F603497653) | 2023-02-04 21:43:02 |\n| 34 | [OpenAI ChatGPT（一）：Tensorflow实现Transformer](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F603243890) | 2023-02-03 20:55:02 |\n| 35 | [OpenAI ChatGPT（一）：十分钟读懂 Transformer](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F600773858) | 2023-01-28 00:04:49 |\n| 36 | [十分钟读懂Stable Duffision](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F600251419) | 2023-01-20 21:00:06 |\n| 37 | [十分钟读懂Diffusion：图解Diffusion扩散模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F599887666) | 2023-01-18 19:03:44 |\n| 38 | [爆火的ChatGPT，到底怎么样？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F595278103) | 2022-12-29 20:44:06 |\n| 39 | [AIGC爆火的背后——扩散模型DDPM浅析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F590840909) | 2022-12-11 00:10:56 |\n| 40 | [AIGC爆火的背后——对抗生成网络GAN浅析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F580137376) | 2022-11-04 19:14:25 |\n| 41 | [长序列建模（二）：美团SDIM（Sampling-based Deep Interest Modeling）模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F560657191) | 2022-09-02 20:17:26 |\n| 42 | [阿里ETA模型——实践篇](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F556195411) | 2022-08-21 20:07:02 |\n| 43 | [长序列建模（一）：阿里ETA（End-to-end Target Attention）模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F547087040) | 2022-07-28 20:05:56 |\n| 44 | [SIGIR2022：阿里多任务学习最新论文ESCM2](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F526545110) | 2022-06-09 18:36:04 |\n| 45 | [多场景建模](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F446635065) | 2021-12-17 16:30:26 |\n| 46 | [【总结】推荐系统——精排篇【3】DIN\u002FDIEN\u002FBST\u002FDSIN\u002FMIMN\u002FSIM\u002FCAN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F433135805) | 2021-11-14 18:29:53 |\n| 47 | [【总结】推荐系统——精排篇【2】WDL\u002FDCN\u002FDCN-v2](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F433086709) | 2021-11-14 13:19:41 |\n| 48 | [【总结】推荐系统——精排篇【1】FM\u002FFFM\u002FGBDT+LR\u002FMLR](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F432817787) | 2021-11-13 21:21:44 |\n| 49 | [元学习在推荐系统中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F432088211) | 2021-11-12 19:31:58 |\n| 50 | [【总结】推荐系统中知识蒸馏应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F372575360) | 2021-05-16 15:41:44 |\n| 51 | [知识蒸馏在推荐系统中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F366725144) | 2021-04-22 16:27:54 |\n| 52 | [【总结】推荐系统——召回篇【4】](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F356560809) | 2021-03-19 21:41:33 |\n| 53 | [【总结】推荐系统——召回篇【3】](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F354859728) | 2021-03-09 20:52:33 |\n| 54 | [【总结】推荐系统——召回篇【2】](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F352169069) | 2021-03-01 19:45:10 |\n| 55 | [【总结】推荐系统——召回篇【1】](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F351716045) | 2021-02-21 22:29:45 |\n| 56 | [推荐系统中的用户留存优化](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F350042268) | 2021-02-08 17:05:35 |\n| 57 | [SIGIR2020最佳论文：如何消除推荐系统中的曝光偏差](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F338825375) | 2020-12-23 21:04:12 |\n| 58 | [多目标学习在推荐系统的应用(MMOE\u002FESMM\u002FPLE)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F291406172) | 2020-11-14 04:25:24 |\n| 59 | [模型的参数初始化](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F136438591) | 2020-04-26 20:40:48 |\n| 60 | [RALM: 实时Look-alike 算法在微信看一看中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F103531533) | 2020-01-20 10:52:22 |\n| 61 | [回顾阿里经典CTR预估模型DIN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F103092757) | 2020-01-17 15:23:22 |\n| 62 | [深度学习中激活函数总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F102008364) | 2020-01-10 18:26:35 |\n| 63 | [回顾Google经典CTR预估模型WDL](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F100898327) | 2020-01-03 21:53:46 |\n| 64 | [回顾阿里经典CTR预估模型MLR](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F100532677) | 2020-01-01 13:59:27 |\n| 65 | [回顾阿里经典CTR预估模型：MLR(mixed logistic regression)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F100207934) | 2019-12-31 17:07:07 |\n| 66 | [2019年度总结：深度学习在推荐系统中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F99536133) | 2019-12-26 23:10:00 |\n| 67 | [有趣的证明](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F97165613) | 2019-12-13 16:09:49 |\n| 68 | [推荐系统论文DSIN：Deep Session Interest Network](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F97015090) | 2019-12-12 22:29:10 |\n| 69 | [推荐系统论文：Behavior Sequence Transformer](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F96338316) | 2019-12-09 20:33:42 |\n| 70 | [行列式点过程DPP在推荐系统中的应用(续)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F95677561) | 2019-12-06 15:17:41 |\n| 71 | [行列式点过程DPP在推荐系统中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F95607668) | 2019-12-05 22:08:58 |\n| 72 | [深度学习中Batch Normalization和Dice激活函数](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F78829402) | 2019-08-19 18:44:15 |\n| 73 | [LR训练优化-稀疏特征过滤](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F51947854) | 2018-12-09 17:57:16 |\n| 74 | [优先队列的使用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F48525768) | 2018-11-04 20:26:19 |\n| 75 | [阿里论文《Deep Interest Evolution Network》](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F45325081) | 2018-09-25 18:21:53 |\n\n## 侯爷\n> 简介：化学本科、计算机博士。私信不看，如有问题请付费咨询。微信：Houye93 公众号：【图与推荐】，有问题欢迎来值乎提问。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [最新综述 \\| A Review of Graph Neural Networks in Epidemic Modeling](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F692367021) | 2024-04-14 08:53:09 |\n| 2 | [导师：瞒着我发水刊，你退学吧！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691823700) | 2024-04-11 06:20:35 |\n| 3 | [迈向公平图学习的新基准：电子科大等发布全新综合数据集和统一评估方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691405551) | 2024-04-09 05:37:24 |\n| 4 | [大厂校招实习内推群. 无内鬼, 速来.](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F688148572) | 2024-03-20 22:46:44 |\n| 5 | [VLDB2024 \\| 基于动态图神经网络的多元时间序列预测](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F687311305) | 2024-03-16 06:01:34 |\n| 6 | [LLM+GNN=GraphEdit](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F686488070) | 2024-03-12 06:23:30 |\n| 7 | [2024 最新综述 \\| 当知识图谱遇上多模态学习](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684268416) | 2024-02-27 22:43:39 |\n| 8 | [京东, 招推荐算法实习生, 有顶会论文发表机会](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F683295333) | 2024-02-22 05:01:51 |\n| 9 | [大模型时代，图在推荐系统中的前沿应用探索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F680066257) | 2024-01-30 00:44:09 |\n| 10 | [NeurIPS'23 \\| 图数据蒸馏 v.s. 图像数据蒸馏,](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F679459457) | 2024-01-24 01:28:01 |\n| 11 | [开放申请 \\| 2024腾讯犀牛鸟精英人才计划](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F678226768) | 2024-01-17 06:22:45 |\n| 12 | [推荐系统解释生成研究进展速览](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F677581251) | 2024-01-13 06:08:47 |\n| 13 | [综述：LLM驱动的生成式信息抽取](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F677158149) | 2024-01-11 06:20:00 |\n| 14 | [最新综述 \\| GNN如何处理表格？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F677157654) | 2024-01-11 05:52:04 |\n| 15 | [淘宝主搜：大模型在长尾Query改写召回上的实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F676959257) | 2024-01-10 10:43:32 |\n| 16 | [论文周报 \\| 推荐系统领域最新研究进展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F676959253) | 2024-01-10 06:18:47 |\n| 17 | [大模型天才少年！“智谱星”计划等你来](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F677359927) | 2024-01-02 17:43:21 |\n| 18 | [谷歌出品 \\| TIGER:生成式检索推荐系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F674703547) | 2023-12-26 22:54:43 |\n| 19 | [香港中文领衔港科广、复旦重磅发布：迈向通用图智能的新方法，图提示学习进展与挑战](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F670415529) | 2023-12-05 08:27:41 |\n| 20 | [零基础入门深度学习，学习路线及步骤参考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F657163656) | 2023-09-19 15:08:06 |\n| 21 | [JD 招推荐算法工程师](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F632057831) | 2023-05-25 11:01:49 |\n| 22 | [最新综述解读 \\| 图对比学习的范式, 优化目标等](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F619464792) | 2023-04-05 10:53:59 |\n| 23 | [Hulu北京大裁员，规模超90%。。](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F619464740) | 2023-04-05 10:53:53 |\n| 24 | [2023.3.29, 图机器学习论文快讯](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F619511377) | 2023-03-30 12:58:36 |\n| 25 | [斯坦福CS224W《几何图学习》2023课程！ 入门必看!](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F617170610) | 2023-03-24 17:47:11 |\n| 26 | [WWW23推荐系统论文集锦，GNNRec 依然火热](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F616251921) | 2023-03-23 06:25:53 |\n| 27 | [大淘宝 \\| 招AIGC方向阿里星(对比华为天才少年)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F616251915) | 2023-03-23 06:25:52 |\n| 28 | [​ICLR'23 \\| 图表示学习遇到类别不平衡怎么办?](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F615943434) | 2023-03-22 06:10:28 |\n| 29 | [顶会审稿人分享图神经网络的应用与挑战！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F615943429) | 2023-03-22 06:10:27 |\n| 30 | [交流群&资料群](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F615633884) | 2023-03-21 06:03:06 |\n| 31 | [3万美金奖金! KDD CUP 2023 竞赛正式启动](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F615633877) | 2023-03-21 06:03:05 |\n| 32 | [阿里, 招算法工程师](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F615633874) | 2023-03-21 06:03:04 |\n| 33 | [ChatGPT背景下，知识图谱该何去何从？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F614895981) | 2023-03-17 21:10:07 |\n| 34 | [京东, 招搜索召回与排序算法实习生, 待遇超好](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F614895975) | 2023-03-17 21:10:05 |\n| 35 | [代码开源！阿里妈妈展示广告Match底层技术架构最新进展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F614895965) | 2023-03-17 21:10:04 |\n| 36 | [字节, 招NLP 算法实习生(急招日常实习, base北京)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F614306923) | 2023-03-15 21:10:05 |\n| 37 | [华为中央研究院, 招图计算科研实习生](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F614060633) | 2023-03-15 06:10:22 |\n| 38 | [AI有哪些方向更容易发论文？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F614060631) | 2023-03-15 06:10:20 |\n| 39 | [百度大搜 \\| 招GNN\u002FTransformer\u002F图网络+问答+搜索方向实习生](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F613763329) | 2023-03-14 05:55:10 |\n| 40 | [关于Kaiming面试MIT教职这件事, 我问了问ChatGPT](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F612763484) | 2023-03-10 00:56:42 |\n| 41 | [DGL 1.0, 让所有人都能快速使用图机器学习。](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F612422263) | 2023-03-08 21:10:49 |\n| 42 | [最新综述 \\| 图上知识蒸馏怎么做？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F612188672) | 2023-03-08 06:10:52 |\n| 43 | [GNN论文周报 \\| 来自剑桥、港大、华中科大等机构前沿论文研究](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F611891878) | 2023-03-07 05:29:17 |\n| 44 | [腾讯招科研型算法实习生(犀牛鸟精英人才)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F611891874) | 2023-03-07 05:29:16 |\n| 45 | [对标OGB! 新一代大规模GNN数据集IGB来啦~](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F611394487) | 2023-03-05 00:10:23 |\n| 46 | [​ICLR 2023 \\| LightGCL: 简单且高效的图对比学习推荐系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F611190099) | 2023-03-04 01:17:55 |\n| 47 | [358 篇论文, 最新知识图谱KG综述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F611190098) | 2023-03-04 01:17:54 |\n| 48 | [招全奖博士 \\| 图神经网络+强化学习方向](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F610606579) | 2023-03-02 05:46:25 |\n| 49 | [AAAI'23 \\| 推荐系统相关论文整理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F610304249) | 2023-03-01 06:01:14 |\n| 50 | [超硬核！！！超图（Hypergraph）研究一览: Survey, 学习算法，理论分析，tutorial，数据集，Tools!](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F610304242) | 2023-03-01 06:01:13 |\n| 51 | [麦考瑞大学最新知识图谱构建综述，37页内容358篇文献系统阐述大数据视野下知识图谱构建全过程方法及其最新进展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F610304236) | 2023-03-01 06:01:12 |\n| 52 | [「WWW'23 \\| 快手」短视频推荐系统中提升用户留存算法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F610023562) | 2023-02-28 09:49:13 |\n| 53 | [斯坦福博士论文 \\| 双曲空间中的图表示学习](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F610023539) | 2023-02-28 09:49:12 |\n| 54 | [​ICLR23 \\| 具有引力-斥力机制的GNN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F609493653) | 2023-02-26 02:10:26 |\n| 55 | [寒冬中为数不多的 HC \\| 快手招图学习+多模态+推荐方向实习生](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F609493652) | 2023-02-26 02:10:25 |\n| 56 | [降本提效 \\| 如何将工业推荐模型的参数量降低1000倍?](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F609288019) | 2023-02-25 05:38:18 |\n| 57 | [Nat. Mach. Intell：图机器学习的软硬件协同](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F609288013) | 2023-02-25 05:38:17 |\n| 58 | [CIKM2022: LTE4G：图神经网络中的长尾专家](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F608661182) | 2023-02-22 23:50:28 |\n| 59 | [知识增强的图机器学习在药物发现中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F608661177) | 2023-02-22 23:50:27 |\n| 60 | [GNN领域最新的研究综述以及研究趋势 \\| 附论文下载](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F608364218) | 2023-02-22 06:10:48 |\n| 61 | [知乎精选 \\| 长远看算法岗真的比开发岗香吗？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F608054561) | 2023-02-21 05:20:53 |\n| 62 | [剑桥 \\|几何图神经网络表达能力如何？附Slides与视频](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F606740867) | 2023-02-16 08:38:05 |\n| 63 | [【剑桥大学博士论文】图神经网络的实用处理与加速，190页pdf](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F606404838) | 2023-02-15 06:10:17 |\n| 64 | [AAAI'23教程 \\| 图神经网络:基础、前沿与应用，209页ppt全面阐述GNN最新进展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F606112437) | 2023-02-14 06:33:12 |\n| 65 | [Awesome！搜索\u002F推荐\u002F广告 近400篇优质文章整理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F605329339) | 2023-02-11 01:05:02 |\n| 66 | [AAAI'23杰出论文一作分享：如何将推荐系统训练提速 72 倍？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F605329331) | 2023-02-11 01:05:01 |\n| 67 | [阿里妈妈向量化召回实践：量化索引->树索引->图索引](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F605022526) | 2023-02-10 06:46:15 |\n| 68 | [PyG 官方教程 \\| 开箱即用的图神经网络解释框架](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F605022520) | 2023-02-10 06:46:14 |\n| 69 | [中科院计算所招聘特别研究助理\u002F博士后：社会计算、图神经网络、AI for Social Science](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F604698105) | 2023-02-09 06:10:02 |\n| 70 | [ICML’22 \\| 时间-then-图 v.s. 时间-and-图](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F604085915) | 2023-02-07 08:37:30 |\n| 71 | [【经典书】图论第二版，654页pdf](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F604085910) | 2023-02-07 08:37:29 |\n| 72 | [8篇 ICLR 2023 高分GNN论文](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F603336620) | 2023-02-04 00:52:28 |\n| 73 | [最新综述 \\| GNN如何建模时空信息？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F603336606) | 2023-02-04 00:52:27 |\n| 74 | [顶会审稿人:论文的这些坑不要踩！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F602731329) | 2023-02-02 06:12:02 |\n| 75 | [斯坦福@AAAI2021 \\| 身份感知图神经网络](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F348232715) | 2021-01-30 22:17:07 |\n\n## Microstrong\n> 介绍： 微信公众号：Microstrong，大规模分布式算法工程师,欢迎关注微信公众号【Microstrong】，我写过4年Android代码，了解前端、熟悉后台，现在主要的研究兴趣是机器学习、深度学习、推荐系统、自然语言处理等相关内容，喜欢分享在学习过程中的读书、思考笔记。欢迎加我微信：Microstrong_AI，一起学习交流进步！\n我的CSDN博客：https:\u002F\u002Fmicrostrong.blog.csdn.net\u002F\n我的GitHub地址：https:\u002F\u002Fgithub.com\u002FMicrostrong0305。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [AUC详解与Python实现](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F607973196) | 2023-09-02 20:08:18 |\n| 2 | [涨点利器：推荐系统中对双塔模型的各种改造升级](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F468875898) | 2023-01-28 16:06:11 |\n| 3 | [推荐系统在工业界的N+1条实战经验](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F336628289) | 2022-02-11 00:33:00 |\n| 4 | [变分自编码器(VAEs)在协同过滤中的应用论文精读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F413599945) | 2021-10-04 16:07:51 |\n| 5 | [KDD'2018 Best Paper-Embedding技术在Airbnb实时搜索排序中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F383512342) | 2021-09-18 23:01:32 |\n| 6 | [YouTube采样修正的双塔模型论文精读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F372550424) | 2021-05-31 02:16:17 |\n| 7 | [深度学习中的知识蒸馏技术(下)-知识蒸馏与推荐系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F345290332) | 2021-03-22 00:26:14 |\n| 8 | [深度学习中的知识蒸馏技术](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F319880839) | 2021-01-19 01:51:52 |\n| 9 | [多目标学习在推荐系统中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F268359893) | 2020-11-06 22:17:16 |\n| 10 | [BERT4Rec:使用Bert进行序列推荐](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F263014307) | 2020-10-15 01:36:02 |\n| 11 | [BERT模型精讲](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F150681502) | 2020-07-05 02:51:45 |\n| 12 | [From Static Embedding to Contextualized Embedding](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F147938963) | 2020-06-21 14:10:27 |\n| 13 | [一张图搞懂《从Word Embedding到Bert模型—自然语言处理中的预训练技术发展史》](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F147646822) | 2020-06-11 19:58:28 |\n| 14 | [基于知识图谱和图卷积神经网络的应用和开发](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F144083271) | 2020-06-07 19:28:36 |\n| 15 | [深度学习推荐系统中各类流行的Embedding方法（下）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F140067638) | 2020-05-23 18:07:21 |\n| 16 | [深度学习推荐系统中各类流行的Embedding方法（上）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F137964687) | 2020-05-11 01:02:33 |\n| 17 | [Doc2vec原理解析及代码实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F136096645) | 2020-04-25 00:10:26 |\n| 18 | [Embedding技术在房产推荐中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F133392688) | 2020-04-19 23:51:29 |\n| 19 | [深入浅出Word2Vec原理解析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F114538417) | 2020-03-26 22:49:23 |\n| 20 | [智能推荐算法在直播场景中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F109577040) | 2020-03-14 23:00:10 |\n| 21 | [XLNet详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F110204573) | 2020-03-07 22:00:53 |\n| 22 | [NLP的任务](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F109122090) | 2020-02-27 00:33:31 |\n| 23 | [从BERT到ALBERT](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F108451858) | 2020-02-23 01:02:29 |\n| 24 | [从Transformer到BERT模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F108031414) | 2020-02-21 19:05:16 |\n| 25 | [Self-Attention与Transformer](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F107575170) | 2020-02-19 19:52:23 |\n| 26 | [词向量与ELMo模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F107223119) | 2020-02-16 23:34:20 |\n| 27 | [深入理解CatBoost](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F102540344) | 2020-02-10 19:34:14 |\n| 28 | [2019已结束，2020再出发](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F102297589) | 2020-01-12 22:22:53 |\n| 29 | [一张图搞懂《推荐系统技术演进趋势：从召回到排序再到重排》](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F101574523) | 2020-01-08 01:02:20 |\n| 30 | [深入理解LightGBM](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F99069186) | 2020-01-04 21:19:46 |\n| 31 | [深入理解XGBoost](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F83901304) | 2019-12-22 02:04:11 |\n| 32 | [深入理解GBDT多分类算法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F91652813) | 2019-11-27 21:15:16 |\n| 33 | [深入理解GBDT二分类算法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F89549390) | 2019-11-14 02:07:18 |\n| 34 | [对数损失函数](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F89614607) | 2019-11-01 13:34:02 |\n| 35 | [深入理解GBDT回归算法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F81016622) | 2019-10-26 02:58:41 |\n| 36 | [梯度提升（Gradient Boosting）算法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F86354141) | 2019-10-13 04:29:21 |\n| 37 | [深入理解提升树（Boosting tree）算法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F84139957) | 2019-10-01 04:42:28 |\n| 38 | [Regression Tree 回归树](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F82054400) | 2019-09-16 02:05:19 |\n| 39 | [机器学习中的判别式模型和生成式模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F74586507) | 2019-08-25 16:39:01 |\n| 40 | [《生成式对抗网络GAN的研究进展与展望》论文笔记](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F78202701) | 2019-08-15 01:24:39 |\n| 41 | [一张图搞懂《GAN万字长文综述》](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F78192548) | 2019-08-14 22:37:44 |\n| 42 | [2019秋招算法岗复盘](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F70741958) | 2019-07-07 22:48:56 |\n| 43 | [基于随机森林的电信用户流失模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F54948979) | 2019-05-17 16:40:49 |\n| 44 | [理解LSTM网络](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F42863963) | 2019-04-30 12:24:53 |\n| 45 | [带师妹轻松过笔试](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F57710121) | 2019-02-26 20:41:53 |\n| 46 | [聊天机器人的各种架构剖析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F55201625) | 2019-01-18 20:56:49 |\n| 47 | [机器学习在自动驾驶（计算机视觉）中的案例分析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F54992103) | 2019-01-17 23:25:52 |\n| 48 | [如何给文章自动生成摘要](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F54571283) | 2019-01-11 10:35:52 |\n| 49 | [我的2018年总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F53985547) | 2019-01-04 17:42:23 |\n| 50 | [深度学习中的注意力机制](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F53036028) | 2018-12-25 21:26:24 |\n| 51 | [卷积神经网络（CNN）综述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F51678022) | 2018-12-11 16:26:48 |\n| 52 | [循环神经网络（RNN）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F43190710) | 2018-11-03 22:59:11 |\n| 53 | [Code2Pix-用于图形用户界面的深度学习编译器](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F48039719) | 2018-11-01 12:14:50 |\n| 54 | [美团大脑智享生活](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F47580480) | 2018-10-24 22:33:34 |\n| 55 | [Linux基本操作（一）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F46217592) | 2018-10-08 17:27:59 |\n| 56 | [EM算法详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F40991784) | 2018-07-31 21:25:33 |\n| 57 | [贝叶斯分类器](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F40485461) | 2018-07-27 01:25:39 |\n| 58 | [对Dilated Convolution理解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F39542237) | 2018-07-12 22:31:44 |\n| 59 | [卷积神经网络中感受野的详细介绍](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F39184237) | 2018-07-08 12:06:45 |\n| 60 | [偏差（Bias）与方差（Variance）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F38853908) | 2018-07-04 13:25:52 |\n| 61 | [深度学习优化方法-AdaGrad](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F38298197) | 2018-06-20 21:25:00 |\n| 62 | [深度学习中Dropout原理解析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F38200980) | 2018-06-18 21:56:30 |\n| 63 | [主成分分析（PCA）原理详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F37777074) | 2018-06-08 22:00:45 |\n| 64 | [机器学习中SVD总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F37038542) | 2018-05-20 15:23:32 |\n| 65 | [分类中解决类别不平衡问题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F36381828) | 2018-05-10 20:21:59 |\n| 66 | [用Tensorflow构建一个神经网络](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F36416291) | 2018-05-04 15:57:47 |\n\n## 石塔西\n> 介绍： CDA持证人，推荐算法说书人～公众号：推荐道,如果有问题咨询，请走“付费咨询”渠道，谢谢理解支持。。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [新年杂感：从4号坦克谈到大模型与NFT](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F682757607) | 2024-02-19 09:57:43 |\n| 2 | [《互联网大厂推荐算法实战》出版上架了！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F676156556) | 2024-01-05 09:15:17 |\n| 3 | [大步向前：评Google针对推荐场景改进的Adagrad算法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F661609678) | 2023-10-16 16:23:53 |\n| 4 | [忽冷忽热：简评腾讯的Cold & Warm Net](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F658710826) | 2023-09-27 14:57:04 |\n| 5 | [简评Airbnb基于多任务学习的搜索算法Journey Ranker](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F655006082) | 2023-09-08 09:43:52 |\n| 6 | [似曾相识：评阿里促销季CVR预估算法HDR](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F654107781) | 2023-09-04 07:22:33 |\n| 7 | [Fresh Attention: 评Google的多通道物料冷启算法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F653697870) | 2023-09-01 11:53:42 |\n| 8 | [个性化目标权重：简评Pinterest的TransAct](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F652207249) | 2023-08-25 06:04:04 |\n| 9 | [禁止摸鱼：简评用户长期兴趣召回模型PinnerFormer](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F651975836) | 2023-08-24 06:51:31 |\n| 10 | [似曾相识：谈Google CDN长尾物料推荐](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F651731184) | 2023-08-23 05:59:08 |\n| 11 | [脚踏实地：来自Google的企业级推荐算法实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F634217033) | 2023-06-02 16:30:50 |\n| 12 | [授人以渔：学算法，我是如何记笔记的？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F630511922) | 2023-05-19 07:22:28 |\n| 13 | [《互联网大厂推荐算法实战》思维导图福利](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F628243733) | 2023-05-10 11:43:46 |\n| 14 | [互联网大厂的这些推荐算法面试题，你都能答上来吗？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F627578461) | 2023-05-08 08:42:45 |\n| 15 | [《互联网大厂推荐算法实战》上线啦！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F623814354) | 2023-04-23 08:59:12 |\n| 16 | [《互联网大厂推荐算法实战》的目录](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F617615036) | 2023-03-28 12:47:12 |\n| 17 | [一桥飞架双塔：腾讯“虚拟内核”双塔](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F555757996) | 2022-08-22 08:04:04 |\n| 18 | [再见Attention：建模用户长期兴趣的新范式](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F540579632) | 2022-07-12 11:48:47 |\n| 19 | [三问阿里的TDM召回](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F535425154) | 2022-06-29 16:03:46 |\n| 20 | [一文搞懂Approximate Softmax：从公式到代码](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F528862933) | 2022-06-15 07:55:09 |\n| 21 | [算法周报：再思考PDN与DC-GNN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F519643852) | 2022-05-25 11:51:47 |\n| 22 | [推荐算法遇到后悔药：评蚂蚁的ESCM2模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F515777381) | 2022-05-17 16:10:56 |\n| 23 | [算法周报220510：Online Learning怎么才能学了不忘](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F512556219) | 2022-05-11 10:36:08 |\n| 24 | [动态权重：推荐算法的新范式](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F500934745) | 2022-04-19 08:49:12 |\n| 25 | [日久见人心：论建模用户长期兴趣的几种姿势](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F494881660) | 2022-04-08 08:45:14 |\n| 26 | [新手福利！数据科学面试中的回家作业](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F487681524) | 2022-03-25 21:32:04 |\n| 27 | [重温经典之ps-lite源码解析(4)：实现分布式FM](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F467702941) | 2022-02-15 14:35:51 |\n| 28 | [重温经典之ps-lite源码解析(3)：顾客、工人和服务器](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F467697961) | 2022-02-15 14:23:57 |\n| 29 | [重温经典之ps-lite源码解析(2)：邮局和邮车](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F467693949) | 2022-02-15 14:16:06 |\n| 30 | [重温经典之ps-lite源码解析(1)：基础](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F467650462) | 2022-02-15 12:43:06 |\n| 31 | [授人以渔：分享我的算法学习经验](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F462811848) | 2022-01-28 20:46:04 |\n| 32 | [初来乍到：帮助新用户冷启的算法技巧](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F458843906) | 2022-01-18 11:19:57 |\n| 33 | [刀功：谈推荐系统特征工程中的几个高级技巧](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F448680238) | 2021-12-22 20:08:52 |\n| 34 | [先入为主：将先验知识注入推荐模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F442845759) | 2021-12-08 18:01:43 |\n| 35 | [少数派报告：谈推荐场景下的对比学习](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F435903339) | 2021-11-21 16:08:52 |\n| 36 | [久别重逢话双塔](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F428396126) | 2021-11-02 10:24:49 |\n| 37 | [万变不离其宗：用统一框架理解向量化召回](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F345378441) | 2021-01-19 12:32:13 |\n| 38 | [FM：推荐算法中的瑞士军刀](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F343174108) | 2021-01-10 10:12:12 |\n| 39 | [四化大业：论算法工程师的自我修养](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F341376500) | 2021-01-02 15:42:14 |\n| 40 | [推荐算法的\"五环之歌\"](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F336643635) | 2020-12-13 18:56:19 |\n| 41 | [阿里ESAM：用迁移学习解决召回中的样本偏差](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F335626180) | 2020-12-10 14:14:05 |\n| 42 | [无中生有：论推荐算法中的Embedding思想](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F320196402) | 2020-11-29 19:24:20 |\n| 43 | [知识图谱上的双塔召回：阿里的IntentGC模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F312065828) | 2020-11-25 20:50:13 |\n| 44 | [Google PPRGo: 两分钟分类千万节点的最快GNN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F298087878) | 2020-11-17 17:44:30 |\n| 45 | [亲兄弟明算账：快速了解阿里的M2GRL模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F286168931) | 2020-11-11 18:42:05 |\n| 46 | [PinSAGE有伴了! 快速了解PinnerSAGE模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F283791190) | 2020-11-10 20:07:27 |\n| 47 | [GraphSAGE+FM+Transformer强强联手：评微信的GraphTR模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F279287735) | 2020-11-08 15:08:23 |\n| 48 | [PinSAGE召回模型及源码分析(3)：PinSAGE模型及训练](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F275960775) | 2020-11-06 15:06:58 |\n| 49 | [PinSAGE召回模型及源码分析(2)：数据管道](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F275949260) | 2020-11-06 14:54:37 |\n| 50 | [PinSAGE 召回模型及源码分析(1): PinSAGE 简介](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F275942839) | 2020-11-06 14:49:36 |\n| 51 | [负样本为王：评Facebook的向量化召回算法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F165064102) | 2020-07-29 17:28:39 |\n| 52 | [再评Airbnb的经典Embedding论文](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F162163054) | 2020-07-21 15:21:27 |\n| 53 | [一图胜千言: 解读阿里的Deep Image CTR Model](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F57056588) | 2019-02-19 10:48:32 |\n| 54 | [也评Deep Interest Evolution Network](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F54838663) | 2019-01-14 18:28:33 |\n| 55 | [用NumPy手工打造 Wide & Deep](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F53110408) | 2018-12-24 14:53:50 |\n| 56 | [走马观花Google TF-Ranking的源代码](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F52447211) | 2018-12-15 15:32:53 |\n| 57 | [看漫画学强化学习](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F51652845) | 2018-12-05 19:33:09 |\n| 58 | [学习Airbnb是如何将\"业务\"与\"算法\"结合的](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F50081120) | 2018-11-16 15:27:44 |\n| 59 | [看Google如何实现Wide & Deep模型(3)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F48251812) | 2018-11-01 20:38:56 |\n| 60 | [用TensorFlow实现支持多值、稀疏、共享权重的DeepFM](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F48057256) | 2018-10-30 20:18:00 |\n| 61 | [看Google如何实现Wide & Deep模型（2.2）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F47970601) | 2018-10-29 21:03:52 |\n| 62 | [看Google如何实现Wide & Deep模型（2.1）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F47965313) | 2018-10-29 20:55:25 |\n| 63 | [看Google如何实现Wide & Deep模型(1)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F47293765) | 2018-10-21 16:10:44 |\n| 64 | [看Youtube怎么利用深度学习做推荐](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F46247835) | 2018-10-15 21:12:14。\n\n## 阿水\n> 介绍： 公众号【Coggle数据科学】,数据挖掘\u002F计算机视觉从业者\n数据竞赛爱好者。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [优化预测速度 部署ML模型的7个要点](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F597301038) | 2023-01-07 15:41:45 |\n| 2 | [Python知识点：调试和优化代码](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F560413480) | 2022-09-02 06:32:39 |\n| 3 | [时序资料汇总：模型和常见库对比](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F553133457) | 2022-08-12 17:53:46 |\n| 4 | [60种特征工程操作：使用自定义聚合函数](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F541138920) | 2022-07-13 15:51:08 |\n| 5 | [Kaggle知识点：XGBoost迭代读取数据集](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F534294701) | 2022-06-27 11:22:16 |\n| 6 | [从0学习CV：科大讯飞神经影像疾病预测](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F532682946) | 2022-06-23 11:34:32 |\n| 7 | [竞赛总结：CHIP2020医学命名实体识别](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F532638891) | 2022-06-23 10:32:59 |\n| 8 | [科大讯飞活跃竞赛汇总（推荐\u002FNLP\u002FCV）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F532636124) | 2022-06-23 10:28:34 |\n| 9 | [Kaggle知识点：缺失值处理方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F426114163) | 2021-10-26 23:19:00 |\n| 10 | [薅羊毛 Colab使用外部数据的7种方法！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F409816932) | 2021-09-13 13:23:34 |\n| 11 | [拉通对齐 梳理Kaggle竞赛组合拳！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F408838215) | 2021-09-10 07:13:36 |\n| 12 | [Kaggle时间序列比赛汇总](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F408838120) | 2021-09-10 07:09:54 |\n| 13 | [竞赛总结：Kaggle外星信号搜索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F403951822) | 2021-08-26 21:18:37 |\n| 14 | [Kaggle知识点：深度学习代码规范](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F399681621) | 2021-08-14 10:54:31 |\n| 15 | [Pytorch Debug指南：15条重要建议](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F399680884) | 2021-08-14 10:48:30 |\n| 16 | [NeurIPS 2021 比赛汇总](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F394892278) | 2021-07-31 11:35:13 |\n| 17 | [Kaggle知识点：40个Linux资源查看命令](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F389167858) | 2021-07-13 10:15:37 |\n| 18 | [Kaggle从零到实践：使用Word2Vec和BILSTM识别Quora重复提问](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F388584272) | 2021-07-11 09:43:33 |\n| 19 | [如何一小时杀入天池OCR比赛前排？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F388455539) | 2021-07-10 16:38:19 |\n| 20 | [Kaggle从零到实践：Bert中文文本分类](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F388009679) | 2021-07-09 08:46:52 |\n| 21 | [竞赛总结：Kaggle Shopee多模态检索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F374034009) | 2021-05-21 09:48:05 |\n| 22 | [竞赛总结：Kaggle HuBMAP肾小球比赛](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F372170378) | 2021-05-14 08:45:37 |\n| 23 | [ICCV 2021竞赛汇总](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F371688932) | 2021-05-12 14:20:06 |\n| 24 | [Kaggle知识点：内存优化方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F359702325) | 2021-03-25 06:55:38 |\n| 25 | [竞赛总结：京东AI时尚挑战赛](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F356778591) | 2021-03-13 10:36:24 |\n| 26 | [CVPR 2021 竞赛汇总](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F354935838) | 2021-03-05 21:02:43 |\n| 27 | [Treelite：树模型部署加速工具（支持XGBoost、LightGBM和Sklearn）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F347514385) | 2021-01-27 21:14:36 |\n| 28 | [Coggle一周年：与竞赛爱好者一路同行](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F337489636) | 2020-12-17 02:19:44 |\n| 29 | [CCF贝壳房产聊天问答匹配高分思路](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F312339144) | 2020-11-25 23:26:59 |\n| 30 | [你应该知道的LightGBM各种操作！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F266865429) | 2020-10-19 20:54:51 |\n| 31 | [SMP2020微博情绪分类比赛总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F264864179) | 2020-10-11 18:52:28 |\n| 32 | [KDD Cup历年比赛介绍合集](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F262289092) | 2020-10-06 23:24:44 |\n| 33 | [打包带走，竞赛必备的NLP库](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F259371758) | 2020-09-25 21:39:34 |\n| 34 | [竞赛总结：Cornell Birdcall比赛复盘](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F259367052) | 2020-09-25 20:49:02 |\n| 35 | [DCIC算法分析赛完整方案分享](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F243172869) | 2020-09-14 19:44:43 |\n| 36 | [Kaggle知识点：入门到进阶的10个问题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F217602850) | 2020-09-05 13:02:09 |\n| 37 | [算法分析赛：从数据中挖掘价值，72万奖金，DCIC 2020 大数据赛道来了！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F214344923) | 2020-09-03 23:19:10 |\n| 38 | [竞赛总结：Kaggle SIIM-ISIC比赛复盘](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F196439952) | 2020-08-24 11:52:09 |\n| 39 | [竞赛总结：海南大数据创新算法赛](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F180553212) | 2020-08-11 23:40:13 |\n| 40 | [竞赛总结：新冠期间饿了么骑士行为预估](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F163562874) | 2020-07-25 07:52:10 |\n| 41 | [Kaggle年度竞赛：谷歌地标检索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F159502475) | 2020-07-15 04:13:57 |\n| 42 | [Kaggle知识点：时序数据与Embedding](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F144030067) | 2020-05-27 19:02:20 |\n| 43 | [零基础入门CV赛事：赛题介绍与Baseline](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F142945220) | 2020-05-23 00:03:26 |\n| 44 | [Kaggle知识点：数据分析EDA](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F141524536) | 2020-05-17 10:34:47 |\n| 45 | [Kaggle知识点：Adversarial Validation](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F136057721) | 2020-04-24 21:21:37 |\n| 46 | [Kaggle知识点：数据扩增方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F133270667) | 2020-04-18 18:47:17 |\n| 47 | [视频版权检测优胜解决方案](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F125721585) | 2020-04-05 20:18:11 |\n| 48 | [Kaggle Bengali 比赛完整总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F118367385) | 2020-03-27 14:39:38 |\n| 49 | [数据竞赛2019年度年鉴发布（250页竞赛方案独家呈现）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F107668479) | 2020-02-18 19:37:57 |\n| 50 | [DCIC 2020-天池智慧海洋建设算法赛：独家Baseline！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F101299599) | 2020-01-06 17:41:25 |\n| 51 | [DataFountain \\| 工件负荷率预测冠军分享](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F100520412) | 2020-01-01 10:24:53 |\n| 52 | [爱可可推荐！关于竞赛思路，方法和代码实践，Datawhale数据竞赛Baseline开源分享！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F97506935) | 2019-12-15 20:21:43 |\n| 53 | [FFmpeg视频抽帧那些事](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F85895180) | 2019-10-11 17:35:26 |\n| 54 | [【竞赛分享】首届中诚信征信比赛冠军MOMO总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F83606195) | 2019-09-22 18:10:40 |\n| 55 | [阿水总结的数据竞赛Tricks](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F82456047) | 2019-09-14 12:44:10 |\n| 56 | [Pandas常见的性能优化方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F81554435) | 2019-09-07 20:26:01 |\n| 57 | [阿水TopLine比赛开源-带你上TOP5](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F80597962) | 2019-08-31 17:01:08 |\n| 58 | [【竞赛分享】VideoNet视频内容识别挑战赛](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F79563696) | 2019-08-24 16:09:41 |\n| 59 | [【竞赛总结】从Quick Draw看图像分类比赛](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F78578735) | 2019-08-17 17:56:45 |\n| 60 | [【竞赛分享】第三届阿里云安全赛季军-0day](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F77492583) | 2019-08-10 14:40:13 |\n| 61 | [【竞赛分享】JDATA绝对语义识别挑战赛-季军](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F76518783) | 2019-08-03 17:38:18 |\n| 62 | [【竞赛分享】TinyMind人民币面值及编码识别-第五名](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F75407221) | 2019-07-27 11:37:20 |\n\n## 吴海波\n> 介绍： 机器学习,蘑菇街VP，WeShop全球化。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [WeShop 2023秋冬季客户案例精选](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F682839180) | 2024-02-19 16:41:27 |\n| 2 | [我们发布了WeShop商拍1.5版----分享一些最近的思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F680507675) | 2024-02-05 20:28:10 |\n| 3 | [以WeShop为例尝试回答一些经常被问的AIGC产品业务问题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F645661098) | 2023-07-29 18:18:38 |\n| 4 | [谈谈做WeShop过程中对AIGC产品的一些思考----写在WeShop正式版上线](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F633513013) | 2023-05-31 12:53:45 |\n| 5 | [和大家汇报下我们电商AI模特产品WeShop beta版本开放测试](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F629144911) | 2023-05-13 23:54:47 |\n| 6 | [电商数字模特生成技术实践分享](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F621970429) | 2023-04-14 17:18:07 |\n| 7 | [应用视角下ChatGPT背后的关键技术讨论](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F609624863) | 2023-02-26 20:31:01 |\n| 8 | [Diffusion Models导读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F591720296) | 2022-12-14 12:51:07 |\n| 9 | [MakeItTalk之Speech Content分支训练总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F454414519) | 2022-01-07 14:46:07 |\n| 10 | [关于talking face generation两篇论文解读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F429965015) | 2021-11-07 17:42:50 |\n| 11 | [电商直播流量分配算法优化总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F157333568) | 2020-07-06 21:05:00 |\n| 12 | [强烈推荐一个播放几十万的B站机器学习UP主shuhuai008](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F83392214) | 2019-09-20 18:48:48 |\n| 13 | [如果你恰好对春秋战国感兴趣，大概没有比这更好的入门书了](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F79648178) | 2019-08-24 22:49:42 |\n| 14 | [如果你恰好对春秋战国感兴趣，大概没有比这更好的入门书了](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F78197700) | 2019-08-14 23:35:16 |\n| 15 | [以youtube的RL论文学习如何在推荐场景应用RL](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F77494496) | 2019-08-10 14:39:43 |\n| 16 | [电商多目标优化小结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F76413089) | 2019-08-02 20:20:29 |\n| 17 | [知乎机器学习精华整理【持续更新-7.31】](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F76028117) | 2019-07-31 18:34:28 |\n| 18 | [建了个新专栏](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F74231416) | 2019-07-18 22:09:02 |\n| 19 | [强化学习入门简述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F64197895) | 2019-04-29 13:20:21 |\n| 20 | [入门推荐：只用numpy 200行python代码撸一个玩具DNN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F55497753) | 2019-01-22 22:57:30 |\n| 21 | [2018年读过的书（非技术）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F55424180) | 2019-01-22 08:56:50 |\n| 22 | [2018我的深度学习应用落地元年](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F53975489) | 2019-01-03 19:58:37 |\n| 23 | [乱弹机器学习评估指标AUC](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F52930683) | 2018-12-21 11:32:06 |\n| 24 | [记在2018杭州Google GDG上的分享](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F50857097) | 2018-11-26 13:11:28 |\n| 25 | [推荐一个非常优秀的深度学习教程：斯坦福CS231n](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F50632819) | 2018-11-22 22:50:58 |\n| 26 | [一个值得讨论的问题:word2vec与SVD\u002FLSA等的关系](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F50109979) | 2018-11-16 18:59:39 |\n| 27 | [不一样的论文解读2018 KDD best paper: Embeddings at Airbnb](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F49537461) | 2018-11-13 14:19:04 |\n| 28 | [谈谈机器学习算法相关配套系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F49014283) | 2018-11-09 08:19:45 |\n| 29 | [Github上7k+星的Pytorch教程和2w+星的tensorflow教程推荐](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F48753674) | 2018-11-06 22:54:27 |\n| 30 | [算法工程师又不只是工程师](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F48249123) | 2018-11-01 19:27:19 |\n| 31 | [读《枪炮、病菌和钢铁》](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F46827883) | 2018-10-15 18:25:16 |\n| 32 | [NLP应用之智能会话机器人（BOT）技术综述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F46244363) | 2018-10-08 20:41:09 |\n| 33 | [论算法工程师首先是个工程师之深度学习在排序应用踩坑总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F44315278) | 2018-09-12 00:07:20 |\n| 34 | [为腾讯开源的PS平台Angel打call](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F42607529) | 2018-08-21 18:29:49 |\n| 35 | [AUC和线上点击率指标不一致问题分析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F42521586) | 2018-08-20 20:16:41 |\n| 36 | [一个有意思的话题：A\u002FB测试的理论基础](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F42327819) | 2018-08-17 22:46:34 |\n| 37 | [基于深度学习的电商服饰搭配推荐实践讨论](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F40973199) | 2018-07-31 17:45:49 |\n| 38 | [Tensorflow实践问题总结系列一](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F39774203) | 2018-07-15 08:42:50 |\n| 39 | [NLP入门课程推荐：斯坦福cs224N](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F38387843) | 2018-06-22 20:17:02 |\n| 40 | [大规模特征构建实践总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F37547126) | 2018-05-31 20:34:07 |\n| 41 | [搜索下拉框的算法和实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F36636525) | 2018-05-09 17:29:51 |\n| 42 | [在线学习（Online Learning）导读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F36410780) | 2018-05-04 13:05:19 |\n| 43 | [写在校招季，谈谈互联网公司机器学习从业者的Offer选择](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F35940883) | 2018-04-21 09:42:17 |\n| 44 | [神经网络基础](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F35891447) | 2018-04-19 23:57:36 |\n| 45 | [Embedding向量召回在蘑菇街的实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F35491904) | 2018-04-10 12:33:52 |\n| 46 | [换个角度谈谈优秀的机器学习团队](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F33461386) | 2018-01-31 14:02:59 |\n| 47 | [2017年专栏总结及展望](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F32631603) | 2018-01-04 17:57:36 |\n| 48 | [试玩RNN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F31574667) | 2017-11-30 18:33:29 |\n| 49 | [基于spark大规模LR模型调优总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F31307675) | 2017-11-22 20:43:51 |\n| 50 | [计算广告学&专有名词](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F28016762) | 2017-07-21 10:09:52 |\n| 51 | [蘑菇街推荐工程实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F28009200) | 2017-07-20 18:07:24 |\n| 52 | [基于深度学习的图像搜索系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F27984895) | 2017-07-19 17:59:37 |\n| 53 | [电商搜索广告召回匹配](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F27850493) | 2017-07-12 21:02:17 |\n| 54 | [美丽联合（蘑菇街）业务升级下的机器学习应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F26686081) | 2017-05-03 10:09:17 |\n\n## 王喆\n> 介绍： 广告\u002F推荐 Engineering Manager,广告\u002F推荐, Engineering Manager, 主页http:\u002F\u002Fwzhe.me, 知乎专栏\u002F微信公众号：王喆的机器学习笔记。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [专门写给程序员，工程师们的一本理财书](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F603790240) | 2023-02-13 08:44:22 |\n| 2 | [“深度”学习计算广告](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F593506739) | 2022-12-22 09:27:17 |\n| 3 | [「理工男谈理财8」聊聊比特币，一年跌了70%！是不是到了抄底的时候？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F586186632) | 2022-12-05 08:27:02 |\n| 4 | [当Parameter Server遇上GPU——大规模并行训练平台HugeCTR](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F578046577) | 2022-10-28 08:18:11 |\n| 5 | [算法工程师的「天地之间」](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F495479206) | 2022-10-17 08:18:11 |\n| 6 | [排得更好VS估得更准VS搜的更全「推荐、广告、搜索」算法间到底有什么区别？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F430431149) | 2021-11-16 09:05:29 |\n| 7 | [我的财富管理课程「程序员的个人财富课」](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F423414292) | 2021-10-21 08:51:07 |\n| 8 | [「AI大咖谈」阿里算法专家谈大规模推荐系统粗排层的设计与实现](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F371025064) | 2021-05-10 10:32:28 |\n| 9 | [「DLP-KDD 2021征文」及上届论文全集，包含深度学习推荐\u002F广告系统、多目标、模型服务等](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F367925705) | 2021-04-26 13:32:26 |\n| 10 | [DLP-KDD 2021征文：搜索、推荐、广告领域深度学习实践国际研讨会](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F364358132) | 2021-04-14 14:28:30 |\n| 11 | [「AI大咖谈」FLAG资深工程师谈ML Infra和分布式模型服务](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F360007940) | 2021-03-29 08:46:56 |\n| 12 | [如何解决深度推荐系统中的Embedding冷启动问题？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F351390011) | 2021-02-22 08:39:23 |\n| 13 | [我的实战课程「深度学习推荐系统实战」-王喆的机器学习笔记](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F341895115) | 2021-01-05 08:49:20 |\n| 14 | [「AI大咖谈」DLP-KDD最佳论文作者谈「图神经网络」的特点、发展与应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F259494288) | 2020-09-28 08:41:31 |\n| 15 | [「AI大咖谈」ex-Google，ex-Facebook，现微博广告核心技术负责人谈算法与数据中台](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F245162802) | 2020-09-15 12:18:03 |\n| 16 | [见微知著，你真的搞懂Google的Wide&Deep模型了吗？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F142958834) | 2020-05-25 08:02:21 |\n| 17 | [回顾经典，Netflix的推荐系统架构](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F114590897) | 2020-05-12 14:49:21 |\n| 18 | [DLP-KDD全部文章及资源，覆盖GNN、Graph Emb、Transformer等业界前沿领域](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F135919198) | 2020-04-24 14:48:36 |\n| 19 | [DLP-KDD 2020征文：第二届面向高维稀疏数据的深度学习实践国际研讨会](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F134024376) | 2020-04-21 14:27:17 |\n| 20 | [《深度学习推荐系统》勘误与勘误奖励](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F129733612) | 2020-04-13 15:59:35 |\n| 21 | [关于深度学习推荐系统领域的15个问题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F123103206) | 2020-04-03 11:03:51 |\n| 22 | [我的新书「深度学习推荐系统」-王喆的机器学习笔记](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F119248677) | 2020-03-30 08:19:31 |\n| 23 | [从阿里的User Interest Center看模型线上实时serving方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F111929212) | 2020-03-12 12:35:58 |\n| 24 | [为什么有些深度学习网络要加入Product层？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F111842425) | 2020-03-09 14:14:59 |\n| 25 | [透着浓浓工业风的Facebook深度学习推荐系统论文](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F82839874) | 2019-09-24 15:10:22 |\n| 26 | [一文读懂「Parameter Server」的分布式机器学习训练原理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F82116922) | 2019-09-16 08:27:29 |\n| 27 | [分布式机器学习之——Spark MLlib并行训练原理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F81784947) | 2019-09-11 08:24:19 |\n| 28 | [如何准备算法工程师面试，斩获一线互联网公司机器学习岗offer？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F76827460) | 2019-08-19 08:54:14 |\n| 29 | [如何解决推荐系统工程难题——深度学习推荐模型线上serving？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F77664408) | 2019-08-12 08:43:08 |\n| 30 | [如何增强推荐系统模型更新的「实时性」？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F75597761) | 2019-08-05 10:01:34 |\n| 31 | [天下武功，唯快不破，论推荐系统的「 实时性」](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F74813776) | 2019-07-31 13:27:09 |\n| 32 | [推荐系统中比模型结构更重要的是什么？[附阿里盖坤，朱小强留言]](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F73601088) | 2019-07-15 08:33:04 |\n| 33 | [不要犯战略性的失误——如何合理制定推荐系统的优化目标？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F72549613) | 2019-07-08 10:13:09 |\n| 34 | [Netflix推荐系统模型的快速线上评估方法——Interleaving](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F68509372) | 2019-06-10 08:03:28 |\n| 35 | [Embedding在深度推荐系统中的3大应用方向](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F67218758) | 2019-05-28 13:19:52 |\n| 36 | [毕加索的「公牛」和机器学习的「特征工程」](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F65475550) | 2019-05-13 13:17:41 |\n| 37 | [关于Node2vec算法中Graph Embedding同质性和结构性的进一步探讨](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F64756917) | 2019-05-06 13:18:20 |\n| 38 | [深度学习中不得不学的Graph Embedding方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F64200072) | 2019-04-29 14:29:19 |\n| 39 | [谷歌、阿里、微软等10大深度学习CTR模型最全演化图谱【推荐、广告、搜索领域】](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F63186101) | 2019-04-22 08:21:34 |\n| 40 | [揭开YouTube深度推荐系统模型Serving之谜](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F61827629) | 2019-04-09 14:55:11 |\n| 41 | [前深度学习时代CTR预估模型的演化之路](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F61154299) | 2019-04-02 14:26:18 |\n| 42 | [Embedding从入门到专家必读的十篇论文](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F58805184) | 2019-03-11 08:14:55 |\n| 43 | [回顾Facebook经典CTR预估模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F57987311) | 2019-03-04 13:56:33 |\n| 44 | [Airbnb如何解决Embedding的数据稀疏问题？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F57313656) | 2019-02-25 14:46:11 |\n| 45 | [从KDD 2018 Best Paper看Airbnb实时搜索排序中的Embedding技巧](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F55149901) | 2019-01-22 15:04:47 |\n| 46 | [为什么说算法工程师的面试是一门玄学？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F54497063) | 2019-01-14 08:49:23 |\n| 47 | [算法工程师必须要知道的面试技能雷达图](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F54089811) | 2019-01-07 08:58:34 |\n| 48 | [万物皆Embedding，从经典的word2vec到深度学习基本操作item2vec](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F53194407) | 2018-12-26 14:26:13 |\n| 49 | [YouTube深度学习推荐系统的十大工程问题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F52504407) | 2018-12-17 08:10:38 |\n| 50 | [重读Youtube深度学习推荐系统论文，字字珠玑，惊为神文](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F52169807) | 2018-12-12 13:36:28 |\n| 51 | [推荐系统中的注意力机制——阿里深度兴趣网络（DIN）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F51623339) | 2018-12-05 15:13:19 |\n| 52 | [王喆的机器学习笔记——关注推荐系统、计算广告前沿](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F51117616) | 2018-11-30 03:39:04 |\n\n## zenRRan\n> 介绍： 公众号：「深度学习自然语言处理」，小小NLPer~,不做螺丝钉，学以致用撒~。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [直播分享！LLM事实性、幻觉、评估与编辑](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F671954430) | 2023-12-13 11:07:22 |\n| 2 | [打起来了~ 最小SOTA模型：Mistral 7B，各方面碾压LLaMA2 13B和LLaMA1 34B](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F658957059) | 2023-09-28 17:40:39 |\n| 3 | [NAACL2024投稿交流群已开启~](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F658428909) | 2023-09-26 10:01:33 |\n| 4 | [这篇究极讽刺的文章一出，NLP无了](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F658328116) | 2023-09-25 17:23:56 |\n| 5 | [NLPCC2023开会将近，入群提前认识小伙伴~](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F657844522) | 2023-09-22 16:18:37 |\n| 6 | [EMNLP2023要开奖了，进群交流](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F657762276) | 2023-09-22 10:45:37 |\n| 7 | [北大 \\| 摘要生成还有未来吗？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F657442877) | 2023-09-20 18:41:33 |\n| 8 | [OpenBA：开源模型家族再添一员！从头训练的15B中英非对称Encoder-Decoder结构双语模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F657441633) | 2023-09-20 18:28:02 |\n| 9 | [微软最新视觉语言预训练(VLP)综述：基础知识、最新进展和未来趋势，适合所有阶段读者阅读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F649124369) | 2023-08-10 10:30:39 |\n| 10 | [寻找国内PhD offer、满足毕业要求、找教职等，还非常推荐COLING的，最简单b会之一，投稿交流群已建立~](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F648907940) | 2023-08-09 11:22:27 |\n| 11 | [清华大学刘知远老师的大模型公开课来啦！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F647914732) | 2023-08-04 10:02:52 |\n| 12 | [UnIVAL：第一个支持图像、视频、音频和文本任务的大一统模型！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F647672032) | 2023-08-03 09:54:19 |\n| 13 | [陈丹琦重新定义了文本相似性问题，提出C-STS，GPT-4也不能很好解决](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F647443903) | 2023-08-02 10:15:34 |\n| 14 | [刘知远等众多机构提出ToolLLM：促进大型语言模型掌握16000+真实世界的APIs](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F647204931) | 2023-08-01 10:07:57 |\n| 15 | [基础模型定义视觉新时代：综述与展望](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F646959493) | 2023-07-31 10:03:20 |\n| 16 | [LLM时代NLP研究何去何从？一个博士生的角度出发](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F632446200) | 2023-05-26 17:24:35 |\n| 17 | [上交清华提出中文大模型的知识评估基准C-Eval，辅助模型开发而非打榜](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F631509203) | 2023-05-23 12:29:12 |\n| 18 | [NLP中关于数据增强的最新综述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F613978790) | 2023-03-14 19:23:33 |\n| 19 | [AIGC最新综述：从 GAN 到 ChatGPT 的AI生成历史](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F612963871) | 2023-03-10 17:29:19 |\n| 20 | [上交提出：更好的语言模型预训练需要更好的Masking](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F612252154) | 2023-03-08 11:02:57 |\n| 21 | [斯坦福+南洋理工等五大机构对ChatGPT做了在NLP任务上的优劣势的详细分析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F606785094) | 2023-02-16 10:52:13 |\n| 22 | [解读 ChatGPT 背后的技术重点：RLHF、IFT、CoT、红蓝对抗](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F604237227) | 2023-02-07 16:22:41 |\n| 23 | [访谈 \\| 陈丹琦 —— 穿越多元文化，做独具特色的科研](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F602846688) | 2023-02-02 14:27:10 |\n| 24 | [AAAI2023 \\| 百度+中科院提出USM：一种信息抽取的大一统方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F602554122) | 2023-02-01 15:08:24 |\n| 25 | [COLING2022 \\| 中科院+北邮提出：具有Event-Argument相关性的事件因果关系提取方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F602202991) | 2023-01-31 12:42:37 |\n| 26 | [陈丹琦提出：带有语言约束的可控文本生成](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F601743431) | 2023-01-29 19:59:30 |\n| 27 | [邱锡鹏提出：DiffusionBERT - 用扩散模型改进生成式掩码语言模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F589379729) | 2022-12-05 17:02:57 |\n| 28 | [微软+上财提出GENIUS: 一个能根据草稿进行文本生成的“小天才”模型，也是一个即插即用的数据增强工具，代码开源](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F587180622) | 2022-11-27 20:16:51 |\n| 29 | [谷歌提出Flan预训练方法，一个模型解决可所有NLP任务，并发布Flan-T5模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F586660846) | 2022-11-25 20:32:41 |\n| 30 | [COLING'22 \\| SelfMix：针对带噪数据集的半监督学习方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F573183339) | 2022-10-14 10:14:42 |\n| 31 | [近200篇文章汇总而成的机器翻译非自回归生成最新综述，揭示其挑战和未来研究方向](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F535238046) | 2022-06-29 10:17:48 |\n| 32 | [AAAI2022 \\| 吐血整理了NLP相关的论文，包括信息抽取、机翻、NER、多模态、数据增强、问答、多语言、KD、文本纠错等](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F479490593) | 2022-03-11 19:00:20 |\n| 33 | [NLP算法面试的一些个人建议](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F478907106) | 2022-03-10 18:50:28 |\n| 34 | [ACL'22 \\| 浙大提出基于强化学习的实体对齐方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F478902891) | 2022-03-10 18:43:59 |\n| 35 | [ACL'22 \\| 基于双语文本填充任务的交互式机器翻译方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F478330686) | 2022-03-09 18:42:25 |\n| 36 | [多模态 \\| 复旦推出跨视觉-语言预训练模型，并达到SOTA](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F478113589) | 2022-03-09 13:33:29 |\n| 37 | [ACL'22 \\| 使用对比学习增强多标签文本分类中的k近邻机制](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F478107552) | 2022-03-09 13:23:05 |\n| 38 | [ACL'22 \\| 一文解读复旦黄萱菁、邱锡鹏等老师NLP实验室的12篇长文](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F475247386) | 2022-03-03 14:42:53 |\n| 39 | [清华ACL'22 \\| 一文读懂刘知远和刘洋老师所在实验室18篇论文详情](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F474679061) | 2022-03-02 14:24:24 |\n| 40 | [一种全新易用的基于Word-Word关系的NER统一模型，刷新了14种数据集并达到新SoTA](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F471546548) | 2022-02-23 22:14:18 |\n| 41 | [阿里+北大 \\| 在梯度上做简单mask竟有如此的神奇效果](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F471543652) | 2022-02-23 22:11:00 |\n| 42 | [博士招生 \\| 北京大学和中山大学博士申请考核还有名额，门槛不高，速来](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F437835107) | 2021-11-25 23:41:48 |\n| 43 | [NAACL2021 \\| 陈丹琦又打破常规，最近流行的实体识别和关系抽取要回到最初状态？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F414810626) | 2021-09-28 09:43:58 |\n| 44 | [清华刘知远联合新加坡国立大学提出CPT：基于预训练视觉-语言模型的跨模态Prompt-Tuning](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F414800147) | 2021-09-28 09:26:20 |\n| 45 | [让人深思：句法真的重要吗？邱锡鹏组提出一种基于Aspect的情感分析的强大基线](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F410969037) | 2021-09-16 12:58:18 |\n| 46 | [复旦邱锡鹏Lab提出：一个统一的面向基于Aspect的所有情感分析子任务的生成式方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F410967806) | 2021-09-16 12:54:44 |\n| 47 | [哈尔滨工业大学（深圳）张民教授团队招收自然语言处理推免硕博研究生](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F409515730) | 2021-09-12 12:02:24 |\n| 48 | [清华提出：用于细粒度实体分类的Prompt-Learning，并提出可训练Prompt模板](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F408881849) | 2021-09-10 10:05:09 |\n| 49 | [ACL2021 \\| 一种巧妙解决NER覆盖和不连续问题的方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F408878682) | 2021-09-10 10:00:35 |\n| 50 | [NAACL2021 \\| 苏大&阿里提出：一种统一的基于跨度的意见挖掘方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F407908896) | 2021-09-07 17:34:19 |\n| 51 | [一种巧妙且简单的数据增强方法 - MixUp 小综述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F407089225) | 2021-09-05 18:06:58 |\n\n## 琦琦\n> 介绍： 一个爱跳舞 的程序猿,建议尽量不要私信我，极有可能漏看。\n有疑问可在文章下评论，我看到了会回复的~谢谢~。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [略谈LLM与工业界控制系统结合——一文概览agent的前沿应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F690574332) | 2024-04-06 21:06:23 |\n| 2 | [[万字长文]一篇文章带你理解Stable Diffusion是如何工作的](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F688914275) | 2024-04-05 20:24:47 |\n| 3 | [温凉河畔，南阳古城，拜谒医圣——三和书院医道传承第十次主干课感悟](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F687733082) | 2024-03-18 21:59:48 |\n| 4 | [春节寒假感悟](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684269504) | 2024-02-27 22:54:19 |\n| 5 | [openAI文生视频sora的技术核心是什么？将会对哪些行业产生影响？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F682999379) | 2024-02-21 22:38:20 |\n| 6 | [无需训练\u002F部署模型，一文学会图像相似度算法pHash原理和实战](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F677667097) | 2024-01-27 22:15:01 |\n| 7 | [如何用产假提升自己——遇见更好的自己](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F674048492) | 2023-12-25 19:55:58 |\n| 8 | [基于扩散建模（Diffusion Modeling）的推荐系统——Part2](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F673002694) | 2023-12-19 16:43:32 |\n| 9 | [基于扩散建模（Diffusion Modeling）的推荐系统——Part1](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F672814349) | 2023-12-18 19:49:36 |\n| 10 | [让所有大模型参数可调——Parameter-Efficient Fine-Tuning(PEFT)高效微调方法总结（系列4终结篇）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F672553093) | 2023-12-17 15:13:56 |\n| 11 | [大模型Parameter-Efficient Fine-Tuning(PEFT)——参数高效微调方法技术总览（系列3）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F672350814) | 2023-12-15 17:29:40 |\n| 12 | [国内外类ChatGPT大模型总览——含40页PPT总结（系列2）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F672159840) | 2023-12-14 15:52:17 |\n| 13 | [\"学而时习之，不亦说乎？\"——三和书院医道传承第九次主干课感悟](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F668475995) | 2023-11-23 21:39:40 |\n| 14 | [三和书院医道传承第七次主干课感悟](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F657863290) | 2023-09-22 17:23:01 |\n| 15 | [三和书院五届同有班2023暑假作业](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F653441126) | 2023-08-31 10:12:03 |\n| 16 | [推荐今年的一本新书《这就是推荐系统》](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F652142790) | 2023-08-26 20:37:12 |\n| 17 | [针对推荐任务调整LLM大语言模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F640214714) | 2023-06-28 18:10:18 |\n| 18 | [基于ChatGPT的推荐系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F638794937) | 2023-06-21 21:33:28 |\n| 19 | [无术不立，无道不远——三和书院医道传承第六次主干课感悟](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F638287451) | 2023-06-19 22:38:18 |\n| 20 | [[万字硬核总结]通过个性化prompt结合语言建模与用户行为——基于LLM的零样本推荐系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F637856419) | 2023-06-17 21:53:10 |\n| 21 | [[亚马逊]GPT4Rec解读：用于个性化推荐和用户兴趣解释的生成式框架——GPT在推荐系统中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F637105415) | 2023-06-14 18:52:17 |\n| 22 | [开源家族——中文羊驼LLaMA & Alpaca大语言模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F636136687) | 2023-06-10 19:06:06 |\n| 23 | [现代人之“伤寒”——三和书院医道传承第五次主干课感悟](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F634893324) | 2023-06-05 21:24:34 |\n| 24 | [开源大模型论文\u002F代码\u002F模型文件汇总](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F631625550) | 2023-05-23 18:19:13 |\n| 25 | [开源大模型斯坦福Alpaca（小羊驼）——指令调优的LLaMA模型——100美元媲美GPT3.5](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F631296001) | 2023-05-22 16:38:04 |\n| 26 | [开源大模型LLaMA（羊驼）论文详解——Facebook母公司Meta推出，超越GPT-3](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F631085425) | 2023-05-21 21:06:31 |\n| 27 | [清华ChatGLM底层原理详解——ChatGPT国内最强开源平替，单卡可运行](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F630134021) | 2023-05-17 18:01:52 |\n| 28 | [[万字论文详解]媲美ChatGPT——Google支持的Anthropic推出”更理性的Claude“](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F629225773) | 2023-05-14 11:27:21 |\n| 29 | [揭开大型语言模型ChatGPT的神秘面纱](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F627509839) | 2023-05-07 19:05:07 |\n| 30 | [InstructGPT论文精读——ChatGPT前身，从人类反馈中学习](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F627312306) | 2023-05-06 18:21:56 |\n| 31 | [[万字长文]ChatGPT系列论文精读——大模型经典论文GPT1、GPT2、GPT3](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F626494749) | 2023-05-03 21:15:42 |\n| 32 | [一文读懂GPT家族和BERT的底层区别——自回归和自编码语言模型详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F625714067) | 2023-04-28 18:29:09 |\n| 33 | [ChatGPT相关技术必读论文](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F624811729) | 2023-04-25 18:40:07 |\n| 34 | [巫医一家，从国学角度看中医治病——三和书院医道传承第四次主干课感悟](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F622387530) | 2023-04-16 21:16:12 |\n| 35 | [君子慎始，差若毫厘，谬以千里——三和书院医道传承第三次主干课感悟](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F613320387) | 2023-03-12 12:08:05 |\n| 36 | [我是如何看待和应对新冠疫情的](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F603684513) | 2023-02-05 19:02:21 |\n| 37 | [辨证求因，审因论治——三和书院医道传承大课“疫情当下，我们该如何应对”感悟](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F592721054) | 2022-12-18 18:48:13 |\n| 38 | [CS285深度强化学习笔记3——马尔科夫决策过程 & 强化学习目标 & RL结构 & RL类型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F356053534) | 2021-03-11 20:04:38 |\n| 39 | [CS285深度强化学习笔记2——序列决策问题和imitation learning](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F354748682) | 2021-03-08 19:39:53 |\n| 40 | [CS285深度强化学习笔记1——概览](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F354553750) | 2021-03-04 20:51:37 |\n| 41 | [多任务学习——共享模式／权重选择／attention融合论文剖析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F347338896) | 2021-02-10 16:29:10 |\n| 42 | [基于ESMM模型的MTL多目标优化实践——用户活跃度影响排序机制——蘑菇街首页信息流推荐](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F344165004) | 2021-02-08 18:50:15 |\n| 43 | [基于ESMM模型的多目标优化实践——蘑菇街商城篇](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F338515054) | 2021-01-08 16:16:49 |\n| 44 | [蘑菇街增量学习番外篇三：deepFM的动态正则实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F337649676) | 2020-12-18 15:35:17 |\n| 45 | [蘑菇街增量学习番外篇二：优化器设计理论篇（AdamW、AdaDeltaW、FTRL）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F329877052) | 2020-12-17 18:06:37 |\n| 46 | [蘑菇街增量学习番外篇一：动态正则之tensorflow中div转mod设计（含代码实现）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F270354109) | 2020-11-27 21:02:52 |\n| 47 | [蘑菇街首页推荐多目标优化之reweight实践：一把双刃剑？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F271858727) | 2020-11-10 21:39:01 |\n| 48 | [文本相关性在蘑菇街搜索推荐排序系统中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F265522400) | 2020-10-30 21:39:43 |\n| 49 | [蘑菇街推荐算法之迷——self attention不如traditional attention？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F256252184) | 2020-09-23 22:09:25 |\n| 50 | [来唠个嗑——深度学习之表示学习（理论结合实践的思考）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F234224652) | 2020-09-16 22:06:08 |\n| 51 | [蘑菇街首页推荐视频流——增量学习与wide&deepFM实践（工程+算法）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F212647751) | 2020-09-03 21:17:57 |\n\n## 吴恩达\n\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [吴恩达来信：智能体设计模式3：工具使用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F690698468) | 2024-04-04 11:34:05 |\n| 2 | [吴恩达来信： 智能体设计模式2：Reflection](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F689492556) | 2024-03-28 11:50:19 |\n| 3 | [吴恩达来信：智能体如何优化LLM性能](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F688226963) | 2024-03-21 12:00:17 |\n| 4 | [吴恩达来信：低数据重力下的发展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F686957251) | 2024-03-14 11:20:33 |\n| 5 | [吴恩达来信：AI智能体的黎明时刻](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F685840097) | 2024-03-07 20:01:06 |\n| 6 | [吴恩达来信：Python包的管理难题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684571718) | 2024-02-29 14:55:06 |\n| 7 | [吴恩达来信：AI企业家们的三个主题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F683387104) | 2024-02-22 15:06:00 |\n| 8 | [吴恩达来信：大型语言模型变成商品会怎么样？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F681913934) | 2024-02-12 13:08:17 |\n| 9 | [吴恩达来信：这个世界需要智能](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F681480265) | 2024-02-05 11:16:41 |\n| 10 | [吴恩达：席卷世界经济论坛的AI议题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F679860480) | 2024-01-26 11:24:07 |\n| 11 | [吴恩达来信：实现AGI的最简单方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F679194411) | 2024-01-22 17:03:24 |\n| 12 | [吴恩达来信：纽约时报与OpenAI和微软的版权较量](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F676214060) | 2024-01-05 13:29:29 |\n| 13 | [吴恩达来信：迎接2024的变与不变](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F675541705) | 2024-01-01 20:11:49 |\n| 14 | [吴恩达来信：蓬勃发展的LLM](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F670265067) | 2023-12-04 12:20:24 |\n| 15 | [吴恩达来信：勇敢发声，为AI发展助力！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F668434373) | 2023-11-23 17:10:08 |\n| 16 | [吴恩达：AI Fund建立初创公司的小心得](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F656897807) | 2023-09-18 11:52:12 |\n| 17 | [吴恩达来信：学习AI for Good, then do good！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F654908040) | 2023-09-07 17:17:19 |\n| 18 | [吴恩达来信：很久以前，LLMs......](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F653478315) | 2023-08-31 12:11:12 |\n| 19 | [吴恩达来信：多了解LLMs一点吧~](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F652063928) | 2023-08-24 13:52:31 |\n| 20 | [吴恩达来信：基于LLMs构建应用程序的小tips](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F650667002) | 2023-08-17 17:01:09 |\n| 21 | [吴恩达来信：LLMs能否理解世界？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F649274642) | 2023-08-10 20:06:24 |\n| 22 | [吴恩达来信：将一项工作分解为多个任务](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F647735080) | 2023-08-03 14:22:44 |\n| 23 | [吴恩达来信：加注水印的利与弊](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F646356914) | 2023-07-27 18:28:48 |\n| 24 | [吴恩达来信：进一步完善AI相关版权法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F644954760) | 2023-07-21 10:05:48 |\n| 25 | [吴恩达来信：快速构建，悉心调试](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F643312431) | 2023-07-13 13:40:13 |\n| 26 | [吴恩达来信：基于提示的开发在加速](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F642661646) | 2023-07-10 17:00:14 |\n| 27 | [吴恩达来信：关于AI监管](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F640443083) | 2023-06-29 17:06:12 |\n| 28 | [吴恩达来信：AI的民主化](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F637266619) | 2023-06-15 12:52:59 |\n| 29 | [吴恩达来信：吴老师喊你上课啦！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F633864756) | 2023-06-01 11:51:11 |\n| 30 | [吴恩达来信：更“省”数据的大型预训练模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F633010516) | 2023-05-29 12:13:50 |\n| 31 | [吴恩达来信：超越测试集——prompting改变了机器学习](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F630439740) | 2023-05-18 19:05:21 |\n| 32 | [吴恩达来信：LLMs的美好未来](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F623672319) | 2023-04-21 11:14:50 |\n| 33 | [吴恩达来信： 以合法和公平的方式向前发展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F620097609) | 2023-04-07 12:44:05 |\n| 34 | [吴恩达来信：此GPT非彼GPT](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F618425166) | 2023-03-31 10:35:20 |\n| 35 | [吴恩达来信：持续推动AGI发展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F616631701) | 2023-03-24 11:28:53 |\n| 36 | [吴恩达来信：风浪面前，团结就是力量！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F614454824) | 2023-03-16 13:05:15 |\n| 37 | [吴恩达来信：区别人工智能生成与人类生成](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F612640260) | 2023-03-09 16:23:24 |\n| 38 | [吴恩达来信：LandingLens震撼发布，免费羊毛等你来薅！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F610707617) | 2023-03-02 13:15:51 |\n| 39 | [吴恩达来信：充满希望的chat-based search](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F608825488) | 2023-02-23 15:30:04 |\n| 40 | [吴恩达来信：ChatGPT很酷，RL也很酷](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F606827548) | 2023-02-16 13:20:19 |\n| 41 | [吴恩达来信：合法vs公平](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F604883301) | 2023-02-09 17:04:03 |\n| 42 | [吴恩达来信：靠语言进化的LLMs](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F602832542) | 2023-02-02 13:43:21 |\n| 43 | [吴恩达来信：来自LLMs的巨大“威胁”？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F600121157) | 2023-01-19 20:15:20 |\n| 44 | [吴恩达来信：即将绽放的LLMs](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F598545150) | 2023-01-12 15:42:34 |\n| 45 | [吴恩达来信：2023人工智能热点展望](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F596730259) | 2023-01-05 11:30:41 |\n| 46 | [吴恩达来信：一起畅想2023及未来吧！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F595204817) | 2022-12-29 15:25:59 |\n| 47 | [吴恩达来信：人工智能的辉煌一年](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F593809403) | 2022-12-23 12:56:05 |\n| 48 | [吴恩达来信：围绕内容审核建立信任并做出权衡](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F592072640) | 2022-12-15 17:10:14 |\n| 49 | [吴恩达来信：建立能够展现不同置信度的模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F590332091) | 2022-12-08 18:58:02 |\n\n## 阿里妈妈技术\n\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [尺寸魔方：AIGC赋能下的视觉创意智能延展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691972924) | 2024-04-11 18:08:12 |\n| 2 | [阿里妈妈春季2025届实习生招聘全球启动！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F688253067) | 2024-03-21 14:27:13 |\n| 3 | [AI生成存储基座：自研超大规模向量数据库 Dolphin VectorDB](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F688201926) | 2024-03-21 10:24:47 |\n| 4 | [合约广告中基于风险约束的Pacing算法优化](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F685981294) | 2024-03-08 15:42:15 |\n| 5 | [开放下载 \\| 2023 阿里妈妈技术年刊来啦！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684807840) | 2024-03-01 17:32:50 |\n| 6 | [开源 \\| 视频尺寸魔方：分层遮掩3D扩散模型在视频尺寸延展的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684806741) | 2024-03-01 17:30:15 |\n| 7 | [强化学习在广告自动出价场景的大规模落地实践（文末有小彩蛋）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F677901083) | 2024-01-15 14:32:18 |\n| 8 | [请查收 \\| 2023 阿里妈妈技术热门文章](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F677899448) | 2024-01-15 14:24:56 |\n| 9 | [大模型时代的阿里妈妈内容风控基础服务体系建设](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F672391648) | 2023-12-15 11:48:38 |\n| 10 | [阿里妈妈万相台无界版和万相实验室获“互联网之光”首发成果奖](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F669385303) | 2023-11-29 10:16:29 |\n| 11 | [迈步从头越：阿里妈妈广告智能决策技术的演进之路](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F669160091) | 2023-11-28 09:15:09 |\n| 12 | [NeurIPS 2023 \\| Robust Graph Information Bottleneck：对抗双边图噪声的鲁棒图学习](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F668443792) | 2023-11-23 17:43:53 |\n| 13 | [Memorization Discrepancy：利用模型动态信息发现累积性注毒攻击](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F657614899) | 2023-09-21 15:48:19 |\n| 14 | [KDD'23 \\| CC-GNN：基于内容协同图神经网络的电商召回方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F655950271) | 2023-09-13 10:08:06 |\n| 15 | [KDD'23 \\| Score-Weighted VCG：考虑外部性的智能拍卖机制设计](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F655118213) | 2023-09-08 16:34:29 |\n| 16 | [阿里妈妈秋季2024届应届生招聘正式启动！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F652370812) | 2023-08-25 17:41:22 |\n| 17 | [KDD'23 \\| PerBid：在线广告个性化自动出价框架](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F650625534) | 2023-08-17 15:01:20 |\n| 18 | [ACM MM’23 \\| 4篇论文解析阿里妈妈广告创意算法最新进展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F649488593) | 2023-08-11 17:55:06 |\n| 19 | [阿里妈妈技术团队8篇论文入选 CIKM 2023](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F649434751) | 2023-08-11 17:13:44 |\n| 20 | [SIGIR'23 \\| 基于特征自适应的多场景预估建模](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F641895931) | 2023-07-10 13:49:18 |\n| 21 | [阿里妈妈 AI 热招岗位已就绪！还在等待才华横溢的你~](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F641831359) | 2023-07-06 10:55:52 |\n| 22 | [KDD'23 \\| 转化率预估新思路：基于历史数据复用的大促转化率精准预估](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F640387297) | 2023-06-29 14:42:25 |\n| 23 | [KDD'23 \\| 排序和准度联合优化：一种基于混合生成\u002F判别式建模的方案](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F639569672) | 2023-06-26 10:15:58 |\n| 24 | [化繁为简，精工细作——阿里妈妈直播智能剪辑技术详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F638683425) | 2023-06-21 14:03:53 |\n| 25 | [CVPR 2023 \\| 基于内容融合的字体生成方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F633833249) | 2023-06-01 10:20:20 |\n| 26 | [【征文】DLP@RecSys 2023：第五届面向高维稀疏数据的深度学习实践国际研讨会](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F630571560) | 2023-05-19 10:57:10 |\n| 27 | [AdaSparse: 自适应稀疏网络的多场景CTR预估建模](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F628537645) | 2023-05-11 11:35:33 |\n| 28 | [就等你了！MAX-Code首届阿里妈妈极限代码挑战赛来啦~](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F627625030) | 2023-05-08 10:26:01 |\n| 29 | [增广拍卖——二跳页下的拍卖机制探索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F623670570) | 2023-04-21 11:35:33 |\n| 30 | [​Auction Design in the Auto-bidding World系列一：面向异质目标函数广告主的拍卖机制设计](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F621506959) | 2023-04-13 06:02:30 |\n| 31 | [Bidding模型训练新范式：阿里妈妈生成式出价模型（AIGB）详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F619301816) | 2023-04-04 10:33:10 |\n| 32 | [万字长文，漫谈广告技术中的拍卖机制设计（经典篇）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F618023549) | 2023-03-29 19:04:11 |\n| 33 | [阿里妈妈智能诊断工程能力建设](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F616334622) | 2023-03-23 11:43:14 |\n| 34 | [代码开源！阿里妈妈展示广告Match底层技术架构最新进展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F614214963) | 2023-03-15 15:48:36 |\n| 35 | [贝叶斯分层模型应用之直播场景打分校准](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F614214235) | 2023-03-15 15:44:18 |\n| 36 | [阿里妈妈春季2024届实习生招聘正式启动！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F613984334) | 2023-03-14 19:11:55 |\n| 37 | [积沙成塔——阿里妈妈动态算力技术的新演进与展望](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F612560873) | 2023-03-09 12:05:32 |\n| 38 | [广告营销场景下的隐私计算实践：阿里妈妈营销隐私计算平台SDH](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F612560388) | 2023-03-09 12:02:43 |\n| 39 | [Dolphin：面向营销场景的超融合多模智能引擎](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F606646857) | 2023-02-15 19:08:51 |\n| 40 | [广告深度学习计算：向量召回索引的演进以及工程实现](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F604748988) | 2023-02-09 10:39:17 |\n| 41 | [上下文驱动的图上文案生成](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F602795083) | 2023-02-02 13:52:14 |\n| 42 | [视频分割新范式：视频感兴趣物体实例分割 VOIS](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F602789593) | 2023-02-02 11:03:14 |\n| 43 | [开放下载 \\| 2022阿里妈妈技术年刊来啦！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F599915935) | 2023-01-18 18:14:00 |\n| 44 | [阿里妈妈内容风控模型预估引擎的探索和建设](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F598462611) | 2023-01-12 10:47:04 |\n| 45 | [阿里妈妈Dolphin智能计算引擎基于Flink+Hologres实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F598461310) | 2023-01-12 10:31:26 |\n| 46 | [Dolphin Streaming实时计算，助力商家端算法第二增长曲线](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F598459986) | 2023-01-12 10:29:42 |\n| 47 | [请查收 \\| 2022 阿里妈妈技术文章回顾](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F598458603) | 2023-01-12 10:26:08 |\n| 48 | [新一代自动出价范式：在线强化学习SORL框架](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F595146953) | 2022-12-29 11:41:55 |\n\n## 蘑菇先生\n> 介绍： 个人公众号: 蘑菇先生学习记 & 某大厂算法工程师。,胜不骄，败不馁。。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [行动胜过言语: Meta落地工业界首个万亿级别参数的生成式推荐系统模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F687478684) | 2024-03-18 09:03:30 |\n| 2 | [WWW2024 \\| 工业界大模型与搜广推工作梳理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F687092311) | 2024-03-14 22:41:36 |\n| 3 | [CIKM'23 \\| 快手: QIN 搜索长期行为序列建模](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F673033160) | 2023-12-19 13:42:25 |\n| 4 | [美团内容智能分发的算法实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F672714402) | 2023-12-18 09:12:13 |\n| 5 | [WSDM'24 \\| 工业界搜广推工作整理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F668892959) | 2023-12-03 10:52:06 |\n| 6 | [WSDM2024 \\| 港大 百度, LLMRec: 基于LLM增强的多模态图神经网络推荐](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F666016033) | 2023-11-09 20:52:57 |\n| 7 | [一文梳理推荐系统中如何应用大模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F658252702) | 2023-09-25 12:46:25 |\n| 8 | [KDD 2023 工业界搜广推论文整理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F643864567) | 2023-07-17 09:57:50 |\n| 9 | [KDD'23 \\| 阿里, 排序和校准联合建模: 让listwise模型也能用于CTR预估](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F638414676) | 2023-06-20 19:33:27 |\n| 10 | [LLM技术发展、能力增强模式和应用杂谈(一)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F638410110) | 2023-06-20 17:29:46 |\n| 11 | [一文解读Twitter开源推荐系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F618938082) | 2023-04-03 22:25:56 |\n| 12 | [百度凤巢 \\| MTMS多任务多场景统一精排模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F617002509) | 2023-03-25 20:45:36 |\n| 13 | [千人千模 \\| PEPNet: 2023快手多任务多场景建模](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F611532716) | 2023-03-09 13:03:46 |\n| 14 | [WSDM'23 \\| 工业界搜推广nlp论文整理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F594371593) | 2022-12-26 12:09:41 |\n| 15 | [CIKM'22 \\| 淘宝 GIFT: 基于Graph的冷启动视频点击率预估](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F563365486) | 2022-09-11 14:07:23 |\n| 16 | [KDD'22 \\| 阿里：基于EE探索的CTR预估](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F530935303) | 2022-06-20 20:02:31 |\n| 17 | [SIGIR'22 \\| 阿里 ESCM^2: 升级版全空间多任务转化率预估模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F509315166) | 2022-05-05 09:14:10 |\n| 18 | [P5 \\| NLP模型一统推荐系统? 谈新型推荐系统建模范式](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F496107585) | 2022-04-11 12:07:22 |\n| 19 | [2023届校招算法岗知识总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F488497444) | 2022-03-28 09:19:44 |\n| 20 | [基于个性化Prompt的推荐：推荐系统和NLP的跨界融合](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F483932940) | 2022-03-21 09:47:00 |\n| 21 | [GraphCTR特征交互新路线 \\| 一文梳理基于Graph的特征交互在CTR预估中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F469070574) | 2022-02-21 09:26:25 |\n| 22 | [基于GNN的推荐最新综述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F469687403) | 2022-02-19 23:36:54 |\n| 23 | [WSDM'22 \\| 工业界搜推广nlp论文整理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F454375755) | 2022-01-07 13:01:35 |\n| 24 | [2021年度回顾 \\| 分享算法岗工作感悟](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F453962566) | 2022-01-06 13:34:16 |\n| 25 | [Top100图神经网络论文大盘点](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F424680242) | 2021-10-22 23:27:17 |\n| 26 | [KDD'21 \\| 时间检验研究奖论文解读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F416670663) | 2021-10-10 21:01:32 |\n| 27 | [Recsys2021 \\| 推荐系统论文分类整理和导读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F417652612) | 2021-10-06 22:25:49 |\n| 28 | [KDD'21 \\| 揭秘Facebook升级版语义搜索技术](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F415516966) | 2021-09-29 21:08:48 |\n| 29 | [KDD'21 \\| 淘宝搜索中语义向量检索技术](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F409390150) | 2021-09-12 08:23:23 |\n| 30 | [KDD 21 工业界搜推广nlp论文整理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F388115800) | 2021-07-12 09:23:02 |\n| 31 | [SIGIR'21\\|SGL基于图自监督学习的推荐系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F374614160) | 2021-05-23 20:28:58 |\n| 32 | [KDD'19\\|ConcepT 腾讯概念标签体系](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F345124210) | 2021-01-31 09:34:04 |\n| 33 | [算法debug实战\\|Ng算法诊断理论的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F346401125) | 2021-01-23 16:20:45 |\n| 34 | [入职半年小结 \\| 给应届校招算法同学的几点建议](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F343579930) | 2021-01-11 23:35:51 |\n| 35 | [特征交互新路线\\|阿里 Co-action Network论文解读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F340735631) | 2020-12-30 22:18:03 |\n| 36 | [基于信息传递框架的GNN编码范式](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F332718181) | 2020-12-07 08:40:46 |\n| 37 | [PTMs\\| 2020最新NLP预训练模型综述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F317260710) | 2020-11-28 14:00:27 |\n| 38 | [Nature 2016 \\| AlphaGo 强化学习论文解读系列(一)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F310502314) | 2020-11-24 22:48:31 |\n| 39 | [基于分离式表征的图神经网络调研](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F303363880) | 2020-11-21 08:50:13 |\n| 40 | [AAAI 2020 \\| MA-GNN 记忆增强的图神经网络序列推荐方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F278234604) | 2020-11-07 21:51:56 |\n| 41 | [SIGIR2020\\|GCE-GNN基于全局上下文增强的图神经网络序列推荐方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F268619607) | 2020-10-25 21:16:32 |\n| 42 | [KDD CUP 2020之Debiasing赛道方案 (Rush)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F149061129) | 2020-06-18 08:55:14 |\n| 43 | [推荐系统中二分图表示学习调研](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F110682271) | 2020-03-03 23:08:03 |\n| 44 | [2021届校招算法岗知识点总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F107911095) | 2020-02-19 23:31:46 |\n| 45 | [图表示学习Encoder-Decoder框架](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F106726538) | 2020-02-13 18:44:38 |\n\n## 张俊林\n> 介绍： 你所不知道的事,Heil Hydra！嗯。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [技术神秘化的去魅：Sora关键技术逆向工程图解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F687928845) | 2024-03-20 08:45:41 |\n| 2 | [Sora能作为物理世界模拟器吗](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684089478) | 2024-02-27 08:31:36 |\n| 3 | [大模型“涌现现象”存在吗](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F677172089) | 2024-01-11 09:23:20 |\n| 4 | [大语言模型为何拥有智能](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F675045781) | 2023-12-29 08:41:58 |\n| 5 | [AIGC优质模型导读：数据为王DALL-E 3](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F669578590) | 2023-11-30 09:34:42 |\n| 6 | [世界的参数倒影：为何GPT通过Next Token Prediction可以产生智能](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F632795115) | 2023-05-28 15:07:48 |\n| 7 | [当前炼制“大语言模型”的两个现象](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F622365988) | 2023-04-16 19:51:04 |\n| 8 | [大语言模型的涌现能力：现象与解释](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F621438653) | 2023-04-12 20:17:37 |\n| 9 | [通向AGI之路：大型语言模型（LLM）技术精要](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F597586623) | 2023-01-09 08:28:15 |\n| 10 | [ChatGPT会取代搜索引擎吗](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F589533490) | 2022-12-06 09:39:22 |\n| 11 | [推荐系统排序环节的特征Embedding建模](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F573576653) | 2022-10-14 18:33:04 |\n| 12 | [对比学习视角:重新审视推荐系统的召回粗排模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F424198603) | 2021-10-28 19:35:14 |\n| 13 | [利用Contrastive Learning对抗数据噪声：对比学习在微博场景的实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F370782081) | 2021-05-09 10:26:26 |\n| 14 | [对比学习（Contrastive Learning）:研究进展精要](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F367290573) | 2021-04-24 10:41:59 |\n| 15 | [SENet双塔模型：在推荐领域召回粗排的应用及其它](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F358779957) | 2021-03-21 17:56:21 |\n| 16 | [乘风破浪的PTM：两年来预训练模型的技术进展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F254821426) | 2020-09-20 09:01:54 |\n| 17 | [知识蒸馏在推荐系统的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F143155437) | 2020-05-24 10:04:23 |\n| 18 | [推荐系统中稀疏特征Embedding的优化表示方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F141517705) | 2020-05-17 09:49:00 |\n| 19 | [推荐系统技术演进趋势：从召回到排序再到重排](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F100019681) | 2019-12-29 12:11:44 |\n| 20 | [2019人工智能技术发展趋势](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F93225103) | 2019-11-22 21:21:34 |\n| 21 | [对NLP以及推荐系统未来发展趋势的看法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F79677478) | 2019-08-25 11:02:20 |\n| 22 | [XLNet:运行机制及和Bert的异同比较](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F70257427) | 2019-06-22 10:49:56 |\n| 23 | [Bert时代的创新（应用篇）：Bert在NLP各领域的应用进展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F68446772) | 2019-06-09 10:31:09 |\n| 24 | [FFM及DeepFFM模型在推荐系统的探索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F67795161) | 2019-06-02 12:19:11 |\n| 25 | [Bert时代的创新：Bert应用模式比较及其它](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F65470719) | 2019-05-12 12:17:33 |\n| 26 | [推荐系统召回四模型之二：沉重的FFM模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F59528983) | 2019-03-18 07:57:44 |\n| 27 | [关于百度ERNIE及将知识图谱引入Bert](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F59503959) | 2019-03-17 11:55:02 |\n| 28 | [推荐系统召回四模型之：全能的FM模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F58160982) | 2019-03-03 10:55:41 |\n| 29 | [效果惊人的GPT 2.0模型：它告诉了我们什么](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F56865533) | 2019-02-16 12:01:14 |\n| 30 | [关于“中文字型深度学习模型Glyce+田字格CNN”的个人看法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F56060002) | 2019-01-31 01:05:25 |\n| 31 | [放弃幻想，全面拥抱Transformer：自然语言处理三大特征抽取器（CNN\u002FRNN\u002FTF）比较](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F54743941) | 2019-01-13 10:08:49 |\n| 32 | [天空之城：拉马努金式思维训练法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F51934140) | 2018-12-09 10:18:48 |\n| 33 | [从Word Embedding到Bert模型—自然语言处理中的预训练技术发展史](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F49271699) | 2018-11-11 15:00:27 |\n| 34 | [深度学习中的Normalization模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F43200897) | 2018-08-28 23:55:15 |\n| 35 | [NF:集成人工生命和遗传算法自动发现神经网络最优结构](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F42243262) | 2018-08-16 23:41:48 |\n| 36 | [机器码农：深度学习自动编程](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F39775730) | 2018-07-15 09:39:09 |\n| 37 | [Batch Normalization导读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F38176412) | 2018-06-17 10:12:08 |\n| 38 | [深度学习中的注意力模型（2017版）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F37601161) | 2018-06-02 09:45:57 |\n| 39 | [2017年AI技术前沿进展与趋势](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F37057045) | 2018-05-19 22:27:39 |\n\n## 大林\n\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [大模型高速下载常用的的几种方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F692475654) | 2024-04-15 07:59:28 |\n| 2 | [我发现了两个很好用的kimi插件](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691575336) | 2024-04-09 20:24:25 |\n| 3 | [自那之后，heygen更新了蛮多功能的](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691201705) | 2024-04-08 07:34:48 |\n| 4 | [云端如何部署测试Qwen1.5-MoE模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F689776733) | 2024-03-29 17:17:34 |\n| 5 | [OpenAI发布最新Sora视频，来自民间创作者、导演、音乐家、艺术家、创意机构等](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F689050052) | 2024-03-26 10:29:43 |\n| 6 | [就在刚刚，Claude 3发布了，推出了三个模型，Haiku、Sonnet 和 Opus，效果又震惊四方](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F685281864) | 2024-03-05 01:11:50 |\n| 7 | [谁也没想到，阿里发布的新项目，竟然遭受了谩骂](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684667862) | 2024-02-29 23:59:19 |\n| 8 | [Sora最新视频，一骑绝尘](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F683727780) | 2024-02-24 15:43:54 |\n| 9 | [紧跟着 Sora，搞 AI 的大厂都纷纷坐不住了。就在深夜，Stability AI 放出了 SD3，文字控制效果炸裂](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F683588424) | 2024-02-23 15:44:48 |\n| 10 | [谷歌刚刚发布开源大语言模型 Gemma，对标LLAMA2，汇总大家关注的一些问题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F683413607) | 2024-02-22 17:36:15 |\n| 11 | [加上AI音频的Sora视频终于有了灵魂](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F683061623) | 2024-02-20 19:22:13 |\n| 12 | [阿里最近推出AI项目的动作太过频繁，脑子跟不上了，事出反常必有妖，盘点一下](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F678552261) | 2024-01-18 16:58:09 |\n| 13 | [智谱GLM-4发布，评测效果逼近GPT4，直接说几个比较重要的结论](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F678170214) | 2024-01-16 18:26:22 |\n| 14 | [GPT应用商店如约而至，和我们想的略有不同，与此同此还同步推出了付费计划的ChatGPT Team](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F677160698) | 2024-01-11 07:49:56 |\n| 15 | [体验完阿里推出的AnyText，效果确实不错，如果落地，AI加持下的电商会怎么样？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F676524866) | 2024-01-07 19:20:25 |\n| 16 | [OpenAI 的 GPT 应用商店将于下周推出](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F676207210) | 2024-01-05 12:33:04 |\n| 17 | [2023年的最后一篇文章，祝大家元旦快乐。看到这种视频好多了，一直知道是DomoAI做的，但就是没时间去玩，今天去玩了玩](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F675195324) | 2023-12-29 15:17:50 |\n| 18 | [今天看到 Pika 全面放开的消息，瞬间炸锅了，想到我前两天拿到的 pika 内测资格，瞬间不香了，今天玩下](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F674644544) | 2023-12-26 17:06:49 |\n| 19 | [吴恩达发布企业AI转型手册，AI Transformation Playbook，对公司高管、正在创业的AIer是不错的指南。](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F673289438) | 2023-12-20 17:08:34 |\n| 20 | [网上有很多的Prompt模板，这次OpenAI发布了写好Prompt的六个策略，很实用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F673101835) | 2023-12-19 17:49:04 |\n| 21 | [OpenAI 发表的第一篇论文，值得一读，Weak-to-Strong Generalization](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F672517739) | 2023-12-15 22:59:24 |\n| 22 | [老用户抢先体验 MidJourney Alpha 网页版，再见了Discord](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F672031999) | 2023-12-13 16:13:22 |\n| 23 | [谷歌隆重推出 Gemini，中文版本以及技术报告下载](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F670837066) | 2023-12-07 08:23:04 |\n| 24 | [Heygen 80% 的问题，这篇文章搞定它](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F668779022) | 2023-11-25 17:38:44 |\n| 25 | [SD开启免费测试，教你一分钟加入尝鲜](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F643814199) | 2023-07-15 22:16:38 |\n| 26 | [亲测OpenAI开放的最新功能：代码解释器，效果着实不错](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F642722316) | 2023-07-10 22:22:44 |\n| 27 | [万字长文\\|从0-1系统性的了解大语言模型LLM研究进展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F629931592) | 2023-05-17 07:14:43 |\n| 28 | [紧跟AIGC风向知识库开放](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F627833284) | 2023-05-08 22:18:14 |\n| 29 | [到了一定年纪，回家过年都是感触](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F601480554) | 2023-01-28 19:28:08 |\n| 30 | [20230113-读书思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F598739763) | 2023-01-13 11:03:30 |\n| 31 | [国庆教你制作国旗微信头像](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F569587908) | 2022-09-30 09:54:25 |\n| 32 | [Prompt Learning 那些不错的文章合集](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F561823299) | 2022-09-06 20:00:09 |\n| 33 | [互联网职场晋升关键词](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F558836907) | 2022-08-28 23:21:07 |\n| 34 | [一个不会写sql的算法工程师、一个不会写sql的产品经理，能在公司活下去吗](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F555484473) | 2022-08-19 10:39:48 |\n| 35 | [被mentor质疑，我才知道这些互联网的含义](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F553614643) | 2022-08-14 13:49:27 |\n| 36 | [呕心沥血整理往年精华面经，2023秋招卷起来](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F533993498) | 2022-06-26 15:14:45 |\n| 37 | [能够轻松的熟练掌握上面这几个awk写法，你已经超过了90%的身边人。持续更新ing](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F532630013) | 2022-06-23 10:20:58 |\n| 38 | [ACL2022知识图谱、BERT论文合集，持续更新中](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F498868169) | 2022-04-15 09:14:32 |\n\n## 缄默笔记\n> 介绍： 公众号\"缄默笔记\"，分享推荐系统学习笔记，\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [2023 推荐系统会议论文梳理（上）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F646755788) | 2023-07-29 20:32:04 |\n| 2 | [「2023 \\| 快手」PEPNet：融合个性化先验信息的多场景多任务网络](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F611400673) | 2023-03-05 01:19:53 |\n| 3 | [「WWW'23 \\| 快手」推荐系统中提升用户留存算法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F609309315) | 2023-02-26 01:02:03 |\n| 4 | [推荐系统(36) 2022 Q4工业界推荐算法实践经验梳理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F597585218) | 2023-01-09 01:10:22 |\n| 5 | [推荐系统(35) 序列建模文章梳理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F571634312) | 2022-11-07 01:02:41 |\n| 6 | [推荐系统(33) 2022 Q3工业界推荐算法实践经验梳理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F569894189) | 2022-10-08 00:05:55 |\n| 7 | [推荐系统(32)「梳理」知识蒸馏优化粗排模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F556232198) | 2022-08-22 00:01:44 |\n| 8 | [推荐系统(31)「阿里」自适应场景兴趣网络](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F550903156) | 2022-08-08 23:20:11 |\n| 9 | [推荐系统(30)：2022顶会CTR相关论文梳理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F545450922) | 2022-07-25 23:35:25 |\n| 10 | [推荐系统(29)「阿里」AdaSparse: 自适应稀疏结构的多场景CTR模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F542744868) | 2022-07-20 00:32:03 |\n| 11 | [推荐系统(28) 2022 Q2 推荐算法综述类文章梳理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F539503952) | 2022-07-13 23:50:09 |\n| 12 | [推荐系统(27)：「京东」基于候选Items对用户隐式感知建模](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F538682575) | 2022-07-11 01:12:24 |\n| 13 | [推荐系统(26) 2022 Q2工业界推荐算法实践经验梳理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F536671455) | 2022-07-05 23:48:27 |\n| 14 | [推荐系统(25）「腾讯」MFH:面向大量多维关系任务的多层级多任务学习模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F534310281) | 2022-06-27 23:50:37 |\n| 15 | [推荐系统(二十四）「知识梳理」多场景建模梳理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F524458237) | 2022-06-05 23:26:13 |\n| 16 | [推荐系统(二十三) 基于场景感知和交互的多场景推荐模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F524201399) | 2022-06-04 15:32:36 |\n| 17 | [推荐系统(二十二)「IJCAI'22」多阶段推荐系统中重排综述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F521413622) | 2022-05-30 00:01:08 |\n| 18 | [推荐系统(二十一)「SIGIR'22」基于用户行为历史的多层次交叉重排模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F511169724) | 2022-05-09 00:02:52 |\n| 19 | [推荐系统(二十) 「SIGIR'22」利用上下文特征表示学习提升CTR预估](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F509075354) | 2022-05-05 00:13:19 |\n| 20 | [推荐系统(十九) 「WSDM'22」信息流中基于视野范围感知的重排序模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F495794597) | 2022-04-19 02:10:49 |\n| 21 | [推荐系统(十八) 大厂实践经验学习：双塔模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F495737522) | 2022-04-14 00:08:02 |\n| 22 | [推荐系统(十六) 大厂实践经验学习：多目标模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F493164774) | 2022-04-07 00:02:17 |\n| 23 | [推荐系统(十五) 大厂实践经验学习：排序模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F492529285) | 2022-04-03 12:36:54 |\n| 24 | [推荐系统(十四) 推荐算法综述类文章梳理(下)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F488098161) | 2022-03-28 00:11:38 |\n| 25 | [推荐系统(十三) 推荐算法综述类文章梳理(上)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F487884389) | 2022-03-26 12:46:37 |\n| 26 | [推荐系统(十二) 门控机制在CTR模型中应用梳理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F485729422) | 2022-03-23 00:33:13 |\n| 27 | [推荐系统(十一) 2021-2022年工业界推荐算法实践经验汇总](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F481610113) | 2022-03-16 00:00:48 |\n| 28 | [推荐系统(十) 「知识梳理」CTR模型中连续特征加入方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F480030543) | 2022-03-12 23:43:03 |\n| 29 | [推荐系统(九)「CIKM'21」DCAP：基于深度交叉注意力网络的CTR模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F479031635) | 2022-03-11 00:23:36 |\n| 30 | [推荐系统(八) ContextNet：基于上下文信息优化特征Embedding的CTR模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F476479629) | 2022-03-06 06:11:35 |\n| 31 | [推荐系统(七) 2021年「顶会论文」特征交叉相关CTR模型汇总](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F474987046) | 2022-03-03 01:28:26 |\n| 32 | [推荐系统(六) FmFM：FM类浅层CTR模型统一框架](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F473336663) | 2022-02-27 23:31:17 |\n| 33 | [推荐系统(五) SAM：重新思考CTR模型中Attention的作用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F473018397) | 2022-02-27 00:18:43 |\n| 34 | [推荐系统(四) EDCN：通过信息共享增强并行CTR模型显式和隐式特征交叉](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F472859338) | 2022-02-26 16:06:59 |\n| 35 | [因果推断(一) 因果推断工业应用案例](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F469706398) | 2022-02-20 01:16:51 |\n| 36 | [推荐系统(三) DESTINE：基于解耦自注意网络的CTR模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F463728021) | 2022-02-03 09:18:34 |\n| 37 | [推荐系统(二) XCrossNet：面向特征结构学习的CTR模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F463484924) | 2022-02-01 16:18:52 |\n| 38 | [推荐系统(一) FINT：基于特征域交叉的CTR模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F463335052) | 2022-01-31 13:12:13 |\n\n## 金詹姆斯\n> 介绍： 公众号：KingJames讲策略，算法出身的策略产品；,1. 专注于策略产品领域，+：MonkeyELuff 进策略产品交流群，定期给大家分享前沿策略知识；公众号：KingJames讲策略；2.《策略产品经理实战培训课程》持续招生中，https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F561585077；。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [蔡崇信专访核心要点提炼及个人感悟](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F690988052) | 2024-04-06 22:57:09 |\n| 2 | [拼多多的“坏”、“好”、“猛”以及国内电商未来格局](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F682480095) | 2024-02-18 07:22:48 |\n| 3 | [商业化策略产品经理必读系列—百度“轻舸”新营销平台+“扬楫”大模型商业引擎全面解析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F672342681) | 2024-01-14 23:33:00 |\n| 4 | [《搜广推策略产品经理》勘误（持续更新中）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F670158494) | 2023-12-03 19:30:11 |\n| 5 | [商业化策略产品经理必读系列—广告竞价拍卖机制设计](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F668461949) | 2023-11-24 08:55:59 |\n| 6 | [商业化产品经理必读系列—拼多多广告收入增长的产品利器](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F657506559) | 2023-09-24 16:40:40 |\n| 7 | [策略产品经理必读系列—第十四讲搜广推业务中CTR纠偏](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F627143850) | 2023-06-07 09:09:09 |\n| 8 | [策略产品经理必读系列—第十三讲机器学习分类任务基础评估指标AUC、召回率、准确率](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F626701529) | 2023-05-04 17:03:14 |\n| 9 | [搜索策略产品经理必读系列—第五讲Page Rank算法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F615244447) | 2023-03-19 17:58:20 |\n| 10 | [推荐策略产品经理必读系列—第七讲推荐结果的样式&创意策略](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F603361357) | 2023-02-04 09:50:59 |\n| 11 | [商业化产品经理视角下的“2022阿里妈妈m峰会”](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F565284508) | 2022-09-18 23:02:03 |\n| 12 | [“推荐+搜索+广告”策略产品经理训练营第7期招生中](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F561585077) | 2022-09-05 22:25:49 |\n| 13 | [推荐系统如何平衡推荐结果的相关性和多样性](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F558432791) | 2022-08-27 21:37:15 |\n| 14 | [推荐策略产品经理必读系列—第五讲推荐系统的召回三](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F550956126) | 2022-08-20 11:04:03 |\n| 15 | [AI产品经理必读系列—第二讲全面解读Meta发布的首份元宇宙白皮书](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F548150447) | 2022-07-31 13:45:31 |\n| 16 | [策略产品经理到底要不要懂算法？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F545688992) | 2022-07-25 08:37:14 |\n| 17 | [推荐策略产品经理必读系列—第四讲推荐系统的协同过滤召回](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F534681951) | 2022-07-23 17:44:15 |\n| 18 | [推荐策略产品经常被老板投诉的Case有哪些？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F537114586) | 2022-07-03 23:06:00 |\n| 19 | [策略产品经理实战培训课程重点内容PPT引导](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F524685930) | 2022-06-06 09:09:54 |\n| 20 | [推荐策略产品经理必读系列—第二讲推荐系统的架构](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F518107716) | 2022-05-29 09:52:54 |\n| 21 | [推荐策略产品经理必读系列—第一讲推荐系统的兴起](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F487869240) | 2022-05-21 21:52:23 |\n| 22 | [策略产品经理必读系列—第十二讲AA & AB Test最全介绍](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F483436420) | 2022-03-21 22:10:23 |\n| 23 | [搜索策略产品经理必读系列—第四讲搜索指标&业务辅助](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F444439148) | 2021-12-25 13:08:56 |\n| 24 | [策略产品经理必读系列—第十一讲通俗易懂讲解联邦学习](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F382177421) | 2021-11-28 22:02:22 |\n| 25 | [策略产品经理必读系列—第十讲兴趣电商是互联网新黑话还是新机遇？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F363730473) | 2021-04-18 17:34:08 |\n| 26 | [策略产品经理必读系列—第九讲GBDT算法在回归任务中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F330383800) | 2021-02-21 23:54:57 |\n| 27 | [搜索策略产品经理必读系列—第三讲电商搜索排序](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F262523506) | 2020-12-17 18:14:26 |\n| 28 | [策略产品经理必读系列—第八讲梯度下降法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F335191534) | 2020-12-14 17:31:24 |\n| 29 | [策略产品经理必读系列—第七讲ID3、C4.5和CART算法详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F323763330) | 2020-12-03 19:13:39 |\n| 30 | [策略产品经理必读系列—第六讲决策树模型基本概念及如何构建](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F279861778) | 2020-12-01 14:15:41 |\n| 31 | [搜索策略产品经理必读系列—第二讲电商搜索召回](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F262161436) | 2020-10-06 20:56:45 |\n| 32 | [搜索策略产品经理必读系列—第一讲电商搜索引擎整体框架](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F260679690) | 2020-10-04 21:27:50 |\n| 33 | [策略产品经理必读系列—第四讲深度学习与神经网络](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F243050824) | 2020-09-17 21:12:37 |\n| 34 | [深度解析芯片设计、制造、封装测试的全流程及各环节世界顶尖厂商技术说明](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F228757435) | 2020-09-09 19:48:35 |\n| 35 | [策略产品经理必读系列—第三讲强化学习实战](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F158864521) | 2020-07-20 23:26:26 |\n| 36 | [策略产品经理必读系列—第二讲强化学习](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F150451604) | 2020-07-05 18:15:27 |\n| 37 | [策略产品经理必读系列—第一讲机器学习](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F110166255) | 2020-03-01 19:30:35 |\n| 38 | [AI产品经理必读系列—第一讲AI一体机现状分析及商业化核心](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F84884970) | 2019-10-08 22:10:33 |\n\n## 猛猿\n> 介绍： 公众号：大猿搬砖简记,学习和职业历程：\n会计➡️算法➡️大数据➡️算法\n分享这段曲折自学转行路上的学习笔记，希望有相似经验的小伙伴不再孤单。\n\n学习永远是进行时。。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [图解大模型计算加速系列：vLLM源码解析2，调度器策略(Scheduler)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F692540949) | 2024-04-15 13:17:50 |\n| 2 | [图解大模型计算加速系列：Flash Attention V2，从原理到并行计算](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691067658) | 2024-04-07 13:14:41 |\n| 3 | [图解Mixtral 8 * 7b推理优化原理与源码实现](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691066049) | 2024-04-07 12:49:31 |\n| 4 | [图解大模型计算加速系列：vLLM源码解析1，整体架构](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691045737) | 2024-04-07 11:08:41 |\n| 5 | [图解大模型计算加速系列之：vLLM核心技术PagedAttention原理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F691038809) | 2024-04-07 10:55:39 |\n| 6 | [图解大模型训练系列之：DeepSpeed-Megatron MoE并行训练（源码解读篇）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F681692152) | 2024-02-06 19:41:07 |\n| 7 | [图解大模型训练系列之：DeepSpeed-Megatron MoE并行训练（原理篇）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F681154742) | 2024-02-02 19:04:20 |\n| 8 | [图解大模型RLHF系列之：人人都能看懂的PPO原理与源码解读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F677607581) | 2024-01-13 12:05:52 |\n| 9 | [图解大模型计算加速系列：Flash Attention V1，从硬件到计算逻辑](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F669926191) | 2023-12-01 21:11:23 |\n| 10 | [再读Swin Transformer，有多少细节值得关注？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F663747861) | 2023-10-27 19:39:55 |\n| 11 | [关于多模态经典之作CLIP，还有哪些细节是你不知道的](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F660476765) | 2023-10-10 13:12:17 |\n| 12 | [再读VIT，还有多少细节是你不知道的](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F657666107) | 2023-09-21 19:26:45 |\n| 13 | [图解大模型微调系列之：AdaLoRA，能做“财务”预算的低秩适配器](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F657130029) | 2023-09-19 13:21:01 |\n| 14 | [深入浅出扩散模型(Diffusion Model)系列：基石DDPM（源码解读篇）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F655568910) | 2023-09-11 19:54:11 |\n| 15 | [【必看】历史技术文章汇总导航](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F654910335) | 2023-09-07 17:33:56 |\n| 16 | [图解大模型微调系列之：大模型低秩适配器LoRA（源码解读与实操篇）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F654897296) | 2023-09-07 17:06:38 |\n| 17 | [深入浅出扩散模型(Diffusion Model)系列：基石DDPM（人人都能看懂的数学原理篇）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F650394311) | 2023-08-16 19:15:43 |\n| 18 | [图解大模型微调系列之：大模型低秩适配器LoRA（原理篇）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F646831196) | 2023-07-30 12:37:08 |\n| 19 | [深入浅出扩散模型(Diffusion Model)系列：基石DDPM（模型架构篇），最详细的DDPM架构图解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F637815071) | 2023-06-17 17:40:36 |\n| 20 | [图解大模型训练之：Megatron源码解读2，模型并行](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F634377071) | 2023-06-03 13:26:37 |\n| 21 | [图解大模型系列之：Megatron源码解读1，分布式环境初始化](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F629121480) | 2023-05-13 17:31:49 |\n| 22 | [图解大模型系列之：张量模型并行，Megatron-LM](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F622212228) | 2023-04-15 20:40:41 |\n| 23 | [图解大模型训练之：数据并行下篇(ZeRO，零冗余优化)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F618865052) | 2023-04-02 13:43:23 |\n| 24 | [图解大模型训练之：数据并行上篇(DP, DDP与ZeRO)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F617133971) | 2023-03-26 16:03:44 |\n| 25 | [图解大模型训练之：流水线并行（Pipeline Parallelism），以Gpipe为例](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F613196255) | 2023-03-11 18:36:21 |\n| 26 | [ChatGPT技术解析系列之：赋予GPT写代码能力的Codex](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F611313567) | 2023-03-04 17:35:35 |\n| 27 | [ChatGPT技术解析系列之：GPT1、GPT2与GPT3](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F609367098) | 2023-02-25 14:38:57 |\n| 28 | [强化学习解析一：马尔可夫决策过程（MDP）和有模型学习](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F607596944) | 2023-02-19 13:14:39 |\n| 29 | [ChatGPT技术解析系列之：训练框架InstructGPT](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F605516116) | 2023-02-11 21:37:54 |\n| 30 | [BERT学习笔记一：基于论文精读的模型详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F461267517) | 2022-01-24 13:39:19 |\n| 31 | [Transformer学习笔记五：Subword Tokenization（子词分词器）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F460678461) | 2022-01-22 15:33:26 |\n| 32 | [Hadoop学习笔记：图解HDFS文件系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F459921566) | 2022-01-20 16:40:45 |\n| 33 | [Transformer学习笔记四：ResNet（残差网络）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F459065530) | 2022-01-18 18:26:57 |\n| 34 | [Transformer学习笔记三：为什么Transformer要用LayerNorm\u002FBatch Normalization & Layer Normalization （批量&层标准化)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F456863215) | 2022-01-13 15:56:47 |\n| 35 | [Transformer学习笔记二：Self-Attention（自注意力机制）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F455399791) | 2022-01-10 13:05:46 |\n| 36 | [Transformer学习笔记一：Positional Encoding（位置编码）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F454482273) | 2022-01-07 17:18:25 |\n\n## 李沐\n> 介绍： https:\u002F\u002Fgithub.com\u002Fmli。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [用随机梯度下降来优化人生](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F414009313) | 2021-09-26 06:16:37 |\n| 2 | [斯坦福2021秋季新课：实用机器学习](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F404855524) | 2021-08-30 00:45:20 |\n| 3 | [动手学深度学习PyTorch篇直播总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F402887215) | 2021-08-26 09:00:01 |\n| 4 | [工作五年反思](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F374777591) | 2021-05-24 13:41:29 |\n| 5 | [《动手学深度学习》v2 开课了！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F357112515) | 2021-03-15 06:41:27 |\n| 6 | [《动手学深度学习》中文第二版预览版发布](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F355739259) | 2021-03-09 14:24:09 |\n| 7 | [《动手学深度学习》新增TensorFlow实现](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F157675926) | 2020-07-08 05:28:01 |\n| 8 | [《动手学深度学习》新增PyTorch实现](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F145719622) | 2020-06-05 00:53:44 |\n| 9 | [在伯克利教深度学习](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F66062438) | 2019-05-17 08:18:50 |\n| 10 | [GluonCV v0.4：更多更快](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F61156104) | 2019-04-02 13:36:12 |\n| 11 | [GluonNLP v0.6: 让可复现的 BERT 模型走到你身边](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F59809338) | 2019-03-20 12:03:47 |\n| 12 | [《动手学深度学习》英文预览版以及伯克利新课程](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F51116055) | 2018-11-29 09:20:52 |\n| 13 | [GluonNLP 0.3.3 新功能及重现报告](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F41435589) | 2018-08-07 07:30:17 |\n| 14 | [跨卡同步 Batch Normalization](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F40496177) | 2018-07-25 06:12:42 |\n| 15 | [GluonCV 0.2 — 计算机视觉工具包第二版](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F38509951) | 2018-06-26 13:41:33 |\n| 16 | [GluonNLP — 自然语言处理的深度学习工具包](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F36708892) | 2018-05-11 08:20:06 |\n| 17 | [MXBoard — 助力 MXNet 数据可视化](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F36277324) | 2018-04-30 12:49:24 |\n| 18 | [GluonCV — 计算机视觉的深度学习工具包](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F36126793) | 2018-04-26 08:10:13 |\n| 19 | [十分钟从 PyTorch 转 MXNet](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F35237659) | 2018-04-03 07:47:56 |\n| 20 | [第十七课：GloVe、fastText和使用预训练的词向量](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F33304205) | 2018-01-26 03:12:55 |\n| 21 | [第十六课：词向量（word2vec）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F33118069) | 2018-01-20 08:43:21 |\n| 22 | [第十四课：实现、训练和应用循环神经网络](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F32606878) | 2018-01-04 03:47:31 |\n| 23 | [第十三课：正向传播、反向传播和通过时间反向传播](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F32273645) | 2017-12-23 03:25:48 |\n| 24 | [第七课：物体检测](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F30692841) | 2017-11-03 03:30:35 |\n| 25 | [第六课：优化算法高级和计算机视觉](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F30456594) | 2017-10-26 07:22:25 |\n| 26 | [第五课：Gluon高级和优化算法基础](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F30298112) | 2017-10-20 13:42:29 |\n| 27 | [第四课：BatchNorm，更深的卷积神经网络，Hybridize和新的Kaggle练习](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F30040209) | 2017-10-12 06:47:57 |\n| 28 | [第三课：深度卷积网络，如何使用Gluon，以及核武器购买指南](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F29573306) | 2017-09-22 14:12:08 |\n| 29 | [第二课：过拟合、多层感知机、GPU和卷积神经网络](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F29329395) | 2017-09-14 12:01:07 |\n| 30 | [第一课：从上手到多类分类](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F29125290) | 2017-09-07 08:04:59 |\n| 31 | [机器学习简介](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F29100405) | 2017-09-06 11:32:05 |\n| 32 | [一起动手学习深度学习](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F29029832) | 2017-09-04 10:00:00 |\n\n\n## 策略产品Arthur\n\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [商业化策略产品基础必知策略之品牌广告策略综述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F688183937) | 2024-03-21 09:37:35 |\n| 2 | [论持久战——策略产品与算法\u002F运营\u002F研发合作方法论与岗位核心壁垒建立](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684272408) | 2024-02-27 23:24:47 |\n| 3 | [商业化策略产品必读系列之穿山甲RTA策略（Real Time API）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F681257847) | 2024-02-03 17:27:58 |\n| 4 | [推荐策略产品必读系列文章之如何构建推荐系统的优化目标](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F678217663) | 2024-01-17 00:13:50 |\n| 5 | [策略产品项目案例——美团推荐系统\"动态交互\"策略分析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F664628857) | 2023-11-02 09:35:35 |\n| 6 | [大厂项目实践案例——美团推荐系统“新颖性”建设思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F655481433) | 2023-09-11 09:35:16 |\n| 7 | [搜广推策略产品训练营第9期招生简章](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F645649804) | 2023-07-24 22:03:04 |\n| 8 | [策略产品经理干货系列之推荐系统离线评估方法与指标介绍](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F641273341) | 2023-07-03 23:07:15 |\n| 9 | [策略产品必知系列之一文详解“特征工程”](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F633491429) | 2023-05-31 00:11:50 |\n| 10 | [一文读懂策略产品必须知道的AB&AA实验全流程](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F626798393) | 2023-05-04 22:01:53 |\n| 11 | [广告策略产品大厂产品案例解析之小红书创意优选策略](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F624687123) | 2023-04-25 09:56:48 |\n| 12 | [广告机制策略产品案例解析之小红书广告平台智能创意生成策略](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F622450057) | 2023-04-17 09:33:24 |\n| 13 | [搜广推策略产品必知系列之黑盒“智能定向”策略](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F620621022) | 2023-04-09 23:39:06 |\n| 14 | [搜广推策略产品之灰盒“look alike”种子人群扩展策略（下篇）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F619228278) | 2023-04-03 22:51:32 |\n| 15 | [搜广推策略产品之灰盒“look alike”种子人群扩展策略（上篇）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F617504855) | 2023-03-27 22:57:13 |\n| 16 | [搜广推策略产品课堂之广告定向策略综述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F615192819) | 2023-03-19 12:28:56 |\n| 17 | [广告机制策略产品解析之小红书跨渠道全站投放策略（下篇）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F613717325) | 2023-03-13 22:13:33 |\n| 18 | [广告机制策略产品解析之小红书跨渠道全站投放策略（上篇）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F611583542) | 2023-03-05 23:54:40 |\n| 19 | [阿里京东流量端体验策略之“相似图\u002F相同类目”打散过滤策略](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F609999707) | 2023-02-28 08:59:39 |\n| 20 | [阿里京东流量端体验策略之“负反馈”过滤豁免策略](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F607722148) | 2023-02-19 23:24:20 |\n| 21 | [阿里京东电商推荐系统流量端体验策略——已购买过滤策略](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F606143799) | 2023-02-14 10:01:24 |\n| 22 | [阿里京东大厂策略产品案例分享之创意优选策略](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F604108452) | 2023-02-07 10:04:14 |\n| 23 | [阿里京东创意案例与思考分享之智能创意生成策略](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F603004332) | 2023-02-02 23:04:00 |\n| 24 | [商业化广告策略产品干货课堂第10课之广告创意策略百科全景](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F602704950) | 2023-02-01 23:39:43 |\n| 25 | [搜广推策略产品干货课堂第9课之新用户冷启动策略](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F602148295) | 2023-01-31 11:17:20 |\n| 26 | [搜广推策略产品干货课堂第8课之新品Item冷启动策略](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F601217652) | 2023-01-27 16:04:01 |\n| 27 | [搜广推策略产品干货课堂第7课之广告投放平台DSP设计思考理念](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F600238610) | 2023-01-20 15:45:33 |\n| 28 | [搜广推策略产品干货课堂第6课之自然搜推与广告搜推的对立统一](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F597258436) | 2023-01-07 11:45:25 |\n| 29 | [搜广推策略产品干货课堂第5课之广告出价策略之源“四点三率两控制一加强”](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F597251917) | 2023-01-07 11:19:49 |\n| 30 | [搜广推策略产品第4课之推荐系统召回那些事儿](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F581337857) | 2022-11-07 23:41:36 |\n\n## 继续学习\n\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [CTR之Session行为序列建模用户兴趣：DSIN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F688338754) | 2024-03-21 21:11:32 |\n| 2 | [CTR之行为序列建模用户兴趣：DIEN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F685855305) | 2024-03-07 21:56:54 |\n| 3 | [CTR之行为序列建模用户兴趣：DIN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F679852484) | 2024-01-25 21:51:37 |\n| 4 | [如何实现TensorFlow自定义算子？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F672088843) | 2023-12-13 21:20:51 |\n| 5 | [Embedding压缩之基于二进制码的Hash Embedding](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F670802301) | 2023-12-06 22:01:13 |\n| 6 | [Embedding压缩之hash embedding](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F669320977) | 2023-11-28 21:17:42 |\n| 7 | [CTR特征建模：ContextNet & MaskNet(Twitter在用的排序模型)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F660375034) | 2023-10-09 21:34:26 |\n| 8 | [AI绘画Stable Diffusion原理之扩散模型DDPM](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F655877536) | 2023-09-12 20:47:16 |\n| 9 | [AI绘画Stable Diffusion原理之Autoencoder-Latent](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F645939505) | 2023-07-26 20:26:38 |\n| 10 | [CTR预估之Wide&Deep系列(下):NFM\u002FxDeepFM](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F634584585) | 2023-06-04 17:21:54 |\n| 11 | [CTR预估之Wide&Deep系列模型:DeepFM\u002FDCN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F631668163) | 2023-05-23 21:54:19 |\n| 12 | [CTR预估之DNN系列模型:FNN\u002FPNN\u002FDeepCrossing](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F623567076) | 2023-04-20 22:04:08 |\n| 13 | [CTR预估之FMs系列:FM\u002FFFM\u002FFwFM\u002FFEFM](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F613030015) | 2023-03-10 22:50:59 |\n| 14 | [引入对偶增强向量的双塔召回模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F608636233) | 2023-02-22 22:10:51 |\n| 15 | [ctr特征重要性建模：FiBiNet&FiBiNet++模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F603262632) | 2023-02-03 19:36:02 |\n| 16 | [BERT模型系列大全解读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F598095233) | 2023-01-10 21:49:55 |\n| 17 | [分类模型-类别不均衡问题之loss设计](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F582312784) | 2022-11-10 20:50:39 |\n| 18 | [多兴趣推荐召回模型：ComiRec](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F568781562) | 2022-09-27 20:44:02 |\n| 19 | [CTR模型训练提速(超大batch size)：CowClip](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F557451365) | 2022-08-24 20:43:51 |\n| 20 | [炼丹系列2: Stochastic Weight Averaging (SWA) & Exponential Moving Average(EMA)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F554955968) | 2022-08-17 22:12:35 |\n| 21 | [炼丹系列1: 分层学习率&梯度累积](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F553277132) | 2022-08-13 09:18:50 |\n| 22 | [BERT句向量(1)：Sentence-BERT](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F504983847) | 2022-04-25 21:54:28 |\n| 23 | [TensorRT&Triton学习笔记(一)：triton和模型部署+client](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F482170985) | 2022-03-16 21:17:57 |\n| 24 | [多兴趣推荐召回模型：MIND](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F463064543) | 2022-01-29 22:07:32 |\n| 25 | [多任务学习MTL模型：多目标Loss优化策略](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F456089764) | 2022-01-11 21:48:36 |\n| 26 | [多任务学习MTL模型：MMoE、PLE](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F425209494) | 2021-10-24 19:54:06 |\n| 27 | [深入浅出地理解Youtube DNN推荐模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F405907646) | 2021-09-01 21:40:21 |\n| 28 | [强大的向量数据库：Milvus](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F405186060) | 2021-08-30 22:12:52 |\n| 29 | [推荐系统的向量检索工具: Annoy & Faiss](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F402823379) | 2021-08-23 21:43:03 |\n\n\n## 何枝\n> 介绍： 欣赏每一个用逻辑阐述观点的人，不喜欢无论据的情绪输出。,笑一个吧，功成名就不是目的。。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [【RLHF】RL 究竟是如何与 LLM 做结合的？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F675329917) | 2023-12-31 16:52:21 |\n| 2 | [小红书 - 招募 RLHF 算法工程师](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F673454031) | 2023-12-21 15:09:33 |\n| 3 | [【RLHF】BON 更好还是 RL 更好？如何快速为当前任务选择更适合的方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F669308118) | 2023-11-29 15:48:02 |\n| 4 | [【RLHF】怎样让 PPO 训练更稳定？早期人类征服 RLHF 的驯化经验](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F666455333) | 2023-11-13 15:03:41 |\n| 5 | [Llama 2 中使用 RLHF 的一些细节：margin r、reject sampling 和 PPO](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F660058778) | 2023-10-08 16:15:04 |\n| 6 | [【LLM幻觉实验】大模型知道自己“不知道”哪些知识吗？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F655152338) | 2023-09-08 20:23:42 |\n| 7 | [如何更好地继续预训练（Continue PreTraining）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F654463331) | 2023-09-05 19:01:19 |\n| 8 | [【LLMs MBTI】ChatGPT 是 ENTJ，GPT4 竟是 INTJ？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F644878306) | 2023-07-30 17:17:52 |\n| 9 | [【Falcon Paper】我们是靠洗数据洗败 LLaMA 的！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F637996787) | 2023-06-18 23:45:11 |\n| 10 | [【LLM】从零开始训练大模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F636270877) | 2023-06-11 19:58:00 |\n| 11 | [【LLM 加速技巧】Muti Query Attention 和 Attention with Linear Bias（附源码）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F634236135) | 2023-06-03 23:00:04 |\n| 12 | [如何用 LangChain 实现一个 Zero Shot 智能决策器（附源码）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F627333499) | 2023-05-06 20:04:27 |\n| 13 | [ChatGPT表现不好？很有可能是你的prompt没有写好](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F625906860) | 2023-04-30 01:40:27 |\n| 14 | [【Instruction Tuning】ChatGLM 微调实战（附源码）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F625468667) | 2023-04-27 21:26:40 |\n| 15 | [让ChatGPT生成训练ChatGPT的训练数据](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F618334308) | 2023-03-30 22:09:17 |\n| 16 | [LLM（Large Language Model）下的自然语言处理任务（附源码）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F615305245) | 2023-03-19 23:01:53 |\n| 17 | [【RLHF】想训练ChatGPT？先来看看强化学习（RL）+语言模型（LM）吧（附源码）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F606328992) | 2023-02-14 19:35:42 |\n| 18 | [【SimCSE】没有标注数据也能训练文本匹配模型（附源码）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F599230890) | 2023-01-16 17:35:17 |\n| 19 | [【RLHF】想训练ChatGPT？得先弄明白Reward Model怎么训（附源码）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F595579042) | 2022-12-31 00:33:16 |\n| 20 | [【信息抽取】UIE——基于prompt的信息抽取模型（附源码）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F589054073) | 2022-12-04 15:49:22 |\n| 21 | [身边有一个学霸是怎样的体验？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F585806610) | 2022-11-23 21:56:01 |\n| 22 | [【文本匹配】Text Matching中的单塔方法和双塔方法（附源码）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F585533302) | 2022-11-22 12:03:23 |\n| 23 | [【P-Tuning】 一种自动学习 prompt pattern 的方法（附源码）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F583022692) | 2022-11-13 23:59:57 |\n| 24 | [【Entity Linking】女朋友想买苹果，我是应该买一部还是买一斤？试试DeepType吧！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F570532369) | 2022-10-04 21:57:00 |\n| 25 | [不想标数据了？试试Neural Snowball吧，不仅Few-Shot还能挖掘New Relation！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F569482997) | 2022-09-30 00:01:11 |\n| 26 | [如何利用AI训练一个旋转验证码模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F519065980) | 2022-05-24 12:52:41 |\n| 27 | [长文本分类——如何解决BERT输入大于512的问题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F504204038) | 2022-04-24 20:04:44 |\n| 28 | [基于BERT的几种改进模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F444588460) | 2021-12-13 11:41:16 |\n| 29 | [PaddleNLP实战——信息抽取（InfoExtraction）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F441912237) | 2021-12-06 17:33:50 |\n\n## 潘润琦\n> 介绍： 一只菜鸡 木有学上,\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [微软研究院科学智能中心MSR AI4Science诚招机器学习研究员](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F673227627) | 2023-12-20 13:05:36 |\n| 2 | [微软中国开放大量社招名额！不容错过！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F673227016) | 2023-12-20 12:52:01 |\n| 3 | [告别996的最好机会！微软中国开放大量社招名额](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F672149442) | 2023-12-14 10:12:49 |\n| 4 | [MSRA上海 & MIIC招聘研究开发型实习生](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F665079618) | 2023-11-04 18:43:53 |\n| 5 | [0基础无ODE理解OpenAI最新图像生成模型Consistency Model](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F634357813) | 2023-06-03 22:40:01 |\n| 6 | [微软亚洲研究院（上海）招聘 大语言模型与多模态预训练 实习生](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F612017544) | 2023-03-07 14:41:09 |\n| 7 | [ICLR 2023 上的图神经网络好文](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F605890295) | 2023-02-13 15:56:03 |\n| 8 | [ChatGPT为何这么牛？Google DeepMind OpenAI多篇顶会揭示大模型的超能力](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F600517499) | 2023-01-23 14:47:36 |\n| 9 | [NeurIPS 2022 上的图神经网络好文](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F580257040) | 2022-11-04 13:28:17 |\n| 10 | [MSRA Shanghai Lab招聘AI实习生（长期有效）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F574470345) | 2022-10-17 19:22:10 |\n| 11 | [陶哲轩教你学物理Lec3.2 Leray-Hopf weak solutions](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F569668047) | 2022-10-02 22:20:50 |\n| 12 | [平均场论中的集中不等式简介](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F556029079) | 2022-08-21 21:47:17 |\n| 13 | [机器学习中的统计物理方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F554007551) | 2022-08-18 22:44:23 |\n| 14 | [2022年了，你还在魔改loss做domain generalization吗？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F545541978) | 2022-07-25 15:37:44 |\n| 15 | [[读书笔记] 大模型不是通往智能的路！马毅曹颖沈向阳揭示AI基本原理与大一统模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F543041107) | 2022-07-20 16:50:59 |\n| 16 | [陶哲轩教你学物理Lec 3.1 Weak Solution](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F537964814) | 2022-07-09 18:07:40 |\n| 17 | [ICML 2022 上的图神经网络好文](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F523863957) | 2022-06-03 11:48:04 |\n| 18 | [[KDD20高引用论文] Connecting the dots: 开启GNN多变量时间序列预测新潮流](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F496018565) | 2022-04-10 16:07:25 |\n| 19 | [ICLR 2022 上的图神经网络好文](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F464093894) | 2022-02-05 14:52:58 |\n| 20 | [NeurIPS 2021 上的图神经网络好文](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F428156929) | 2021-11-01 17:17:20 |\n| 21 | [屠榜的Graphormer到底有多强大？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F419831967) | 2021-10-10 18:50:36 |\n| 22 | [如何科学地理解无穷宽神经网络？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F392437305) | 2021-07-23 21:07:16 |\n| 23 | [Graph-MLP: 用MLP与优化优雅地超越GNN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F385848111) | 2021-07-02 13:41:46 |\n| 24 | [ICML 2021 上的图神经网络好文](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F378224486) | 2021-06-05 22:23:19 |\n| 25 | [ICLR 2021 上的图神经网络好文](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F348515128) | 2021-02-01 15:13:25 |\n| 26 | [NeurIPS2020上图神经网络好文](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F334383918) | 2020-12-09 14:00:21 |\n| 27 | [ICML2020上图神经网络好文](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F166091092) | 2020-08-02 12:14:36 |\n| 28 | [GNN与传统算法不得不说的二三事(0)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F152320380) | 2020-07-01 13:03:14 |\n| 29 | [ICLR 2020 上的图神经网络好文](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F137763936) | 2020-05-02 17:16:51 |\n\n\n## 衣介书生\n> 介绍： 打工人，公众号：后厂村搬砖工，欢迎关注,#打工人 #互联网 #推荐算法。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [推荐系统（二十五）序列建模思路梳理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F611452357) | 2023-03-05 12:02:02 |\n| 2 | [推荐系统（二十四）FM召回思路梳理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F611367394) | 2023-03-04 22:07:04 |\n| 3 | [推荐系统（二十三）双塔模型优化思路梳理（一）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F607358554) | 2023-02-18 11:40:14 |\n| 4 | [推荐系统（二十二）AutoInt模型小结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F607351085) | 2023-02-18 09:32:38 |\n| 5 | [推荐系统（二十一）Facebook EBR模型小结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F601690102) | 2023-01-29 16:29:03 |\n| 6 | [推荐系统（二十）阿里DMR模型小结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F597534511) | 2023-01-08 20:51:24 |\n| 7 | [推荐系统（十九）京东DMT模型小结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F597532829) | 2023-01-08 20:18:01 |\n| 8 | [推荐系统（十八）阿里ETA算法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F597531444) | 2023-01-08 20:05:52 |\n| 9 | [推荐系统（十七）阿里SIM算法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F597528000) | 2023-01-08 19:59:42 |\n| 10 | [推荐系统（十六）GraphSAGE算法原理小结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F558643399) | 2022-08-28 10:01:57 |\n| 11 | [推荐系统（十五）蚂蚁SRGA学习笔记](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F553271316) | 2022-08-14 19:05:19 |\n| 12 | [推荐系统（十四）DSIN学习笔记](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F503451526) | 2022-04-23 08:59:25 |\n| 13 | [推荐系统（十三）阿里重排序算法：Personalized Re-ranking for Recommendation](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F495765818) | 2022-04-09 17:35:12 |\n| 14 | [推荐系统（十二）微信DFN模型学习笔记](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F487855984) | 2022-03-26 10:18:29 |\n| 15 | [推荐系统（十一）阿里EGES算法学习笔记](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F483559425) | 2022-03-19 09:16:10 |\n| 16 | [推荐系统（十）Google Wide&Deep模型学习笔记](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F480859587) | 2022-03-14 17:43:27 |\n| 17 | [推荐系统（八）腾讯多任务学习模型PLE](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F473828307) | 2022-02-28 21:18:55 |\n| 18 | [推荐系统（七）京东DRM论文学习笔记](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F473012563) | 2022-02-26 23:38:46 |\n| 19 | [推荐系统（六）MIND算法学习笔记](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F466543697) | 2022-02-12 12:51:07 |\n| 20 | [推荐系统（五）DCN学习笔记](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F465129260) | 2022-02-08 23:38:00 |\n| 21 | [推荐系统（四）谷歌双塔召回模型学习笔记](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F464416095) | 2022-02-06 23:55:56 |\n| 22 | [推荐系统（三）DIEN算法学习笔记](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F463652456) | 2022-02-02 19:10:32 |\n| 23 | [深度学习（四）GRU学习笔记](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F463521382) | 2022-02-01 20:52:52 |\n| 24 | [深度学习（三）LSTM学习笔记](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F463363474) | 2022-01-31 17:11:27 |\n| 25 | [推荐系统（二）FM算法学习笔记](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F463247960) | 2022-01-30 21:46:12 |\n| 26 | [推荐系统（一）DIN论文学习笔记](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F462998394) | 2022-01-29 16:46:53 |\n| 27 | [深度学习（二）DeepWalk算法原理小结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F378110734) | 2022-01-28 15:12:45 |\n| 28 | [深度学习（一）循环神经网络：BPTT算法、梯度消失、梯度爆炸](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F156932219) | 2020-07-06 19:05:41 |\n\n## 姚凯飞\n> 介绍： 喜欢数学的算法工程师,码农，欢迎关注我的微信公众号: data_algorithm。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [活动推荐｜上海交通大学品牌出海&跨境电商研修班第01期](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F690426016) | 2024-04-02 18:17:56 |\n| 2 | [拼多多系列vol.4:Temu与跨境仓配的蛋鸡问题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F676129482) | 2024-01-04 22:41:52 |\n| 3 | [拼多多系列vol.3:多多买菜的奇袭与青年近卫军的崛起](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F673153830) | 2023-12-19 23:41:22 |\n| 4 | [拼多多系列vol.2：拼多多的内部管理飞轮是怎么运转的？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F672879355) | 2023-12-18 21:33:54 |\n| 5 | [拼多多系列vol.1：百亿补贴的台前幕后](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F669960690) | 2023-12-01 23:33:59 |\n| 6 | [【彼岸花开】Vol.5-从TikTok Shop印尼封禁事件，看东南亚市场的变化与机遇](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F669341223) | 2023-11-28 23:25:28 |\n| 7 | [拼多多的认知盘点一：差异化竞争](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F665609115) | 2023-11-07 23:21:05 |\n| 8 | [黄峥公众号全文](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F646159782) | 2023-07-26 23:06:57 |\n| 9 | [【岗位】国际化Saas产品经理实习生](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F636830532) | 2023-06-13 18:04:51 |\n| 10 | [亚马逊体系解构-优化逻辑](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F578867670) | 2022-10-31 08:19:25 |\n| 11 | [数据挖掘算法工程师-地点杭州](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F578867120) | 2022-10-31 08:14:00 |\n| 12 | [企服思考(2)-SaaS入行的一点记录](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F559214803) | 2022-08-29 21:54:14 |\n| 13 | [算法 + 数据改变电商世界综述(三)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F63016139) | 2022-05-24 08:47:17 |\n| 14 | [算法 + 数据改变电商世界综述(二)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F63016035) | 2022-05-23 08:34:43 |\n| 15 | [算法 + 数据改变电商世界综述(一)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F63014735) | 2022-05-20 08:54:07 |\n| 16 | [推荐系统解构](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F342996680) | 2021-01-09 11:00:24 |\n| 17 | [【五.推荐青铜时代-3】召回模块概述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F56830685) | 2019-06-29 15:01:01 |\n| 18 | [【五.推荐青铜时代-2】冲突与协调](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F56830337) | 2019-04-24 22:06:50 |\n| 19 | [【五.推荐青铜时代-1】关联与个性化](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F56829949) | 2019-04-22 22:10:47 |\n| 20 | [【四.推荐石器时代-2】马太效应及相关这一时期策略](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F56829593) | 2019-04-21 16:44:04 |\n| 21 | [【四.推荐石器时代-1】前推荐时代](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F56829298) | 2019-04-20 17:06:05 |\n| 22 | [【三.推荐系统的必备要素-2】ABtest框架](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F59302409) | 2019-03-14 23:06:22 |\n| 23 | [【三.推荐系统的必备要素-1】数据](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F57772757) | 2019-02-26 22:15:52 |\n| 24 | [【二.推荐系统评价】什么是好的推荐系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F57469869) | 2019-02-23 10:52:50 |\n| 25 | [【一.概述-2】什么样的产品推荐效果明显](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F57349319) | 2019-02-21 22:18:13 |\n| 26 | [【一.概述-1】推荐系统简介](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F56784134) | 2019-02-16 19:02:29 |\n| 27 | [【零.前言】](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F56889793) | 2019-02-16 18:13:33 |\n\n\n## JioNLP团队\n> 介绍： 开源JioNLP千星作者，公众号JioNLP，数据分析,jionlp团队，微信公众号：JioNLP，开源软件 JioNLP 同名在Github。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [傻X的 AI 公司太多，我只看好月之暗面](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F685266355) | 2024-03-04 22:12:37 |\n| 2 | [为什么 OpenAI 能够制作出 GPT 和 Sora？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F682755956) | 2024-02-19 09:53:32 |\n| 3 | [《西游记》本就是一场大型真人秀](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F681979928) | 2024-02-09 21:45:02 |\n| 4 | [计算机视觉算法，难以落地无人机航拍应用，why？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F681694142) | 2024-02-06 19:57:51 |\n| 5 | [从00后整顿职场看2023年出生人口数](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F678406339) | 2024-01-17 22:04:13 |\n| 6 | [花了三周，我又更新了一版开源软件 ffio](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F678141936) | 2024-01-16 16:33:52 |\n| 7 | [JioNLP 的 2023 年终总结，再立新一年的 flag](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F675313722) | 2023-12-30 12:17:33 |\n| 8 | [给大模型LLM评测画一个句号](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F671636095) | 2023-12-11 18:01:55 |\n| 9 | [如何优雅地自动评测 LLM 模型质量](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F666001842) | 2023-11-09 19:03:40 |\n| 10 | [简单预测一下2023年出生人口：847万](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F661352837) | 2023-10-14 23:06:49 |\n| 11 | [GPT4 图像理解能力体验](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F659881445) | 2023-10-07 13:57:04 |\n| 12 | [花了两周，我又整了个开源软件 pyFFmpeg](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F657414446) | 2023-09-20 16:46:42 |\n| 13 | [炮打学而思的 MathGPT](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F653363072) | 2023-08-30 20:08:02 |\n| 14 | [上帝在嘲笑 CEC-IDE](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F652569225) | 2023-08-26 23:28:16 |\n| 15 | [大语言模型LLM可以解决数学问题吗？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F649011394) | 2023-08-09 17:28:59 |\n| 16 | [裁员潮下，我拒绝了120万年薪的Offer](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F644478847) | 2023-07-19 10:15:58 |\n| 17 | [出一份试题，评测国内各种对标 ChatGPT 的大语言模型（二）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F631532268) | 2023-05-23 14:13:54 |\n| 18 | [出一份试题，评测国内各种对标 ChatGPT 的大语言模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F626786797) | 2023-05-04 20:56:11 |\n| 19 | [评价一下国内的类ChatGPT产品](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F617874265) | 2023-03-29 11:03:23 |\n| 20 | [ChatGPT、人口出生率与经济危机](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F609959260) | 2023-02-27 22:47:50 |\n| 21 | [ChatGPT这么强，会影响NLPer的就业环境吗](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F605673596) | 2023-02-12 16:14:44 |\n| 22 | [避坑一个JIT库numba](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F598260970) | 2023-01-11 15:03:42 |\n| 23 | [未来人工智能畅想——从ChatGPT想到的](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F591210118) | 2022-12-12 14:45:21 |\n| 24 | [一文读懂ChatGPT模型原理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F589621442) | 2022-12-06 14:15:38 |\n| 25 | [JioNLP 数据分享，来看看这里有没有你想要的数据集](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F587630337) | 2022-11-29 10:38:47 |\n\n## 鸵鸟\n> 介绍： 厚积薄发,分享互联网技术和成长经验。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [ChatGPT的朋友们：大语言模型经典论文一次读到吐](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F620360553) | 2023-04-08 15:35:44 |\n| 2 | [电商商品理解：基础概念](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F585122642) | 2022-11-20 17:38:13 |\n| 3 | [电商搜索QP：总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F553378225) | 2022-08-19 10:55:26 |\n| 4 | [电商搜索QP：纠错](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F551999282) | 2022-08-10 11:32:49 |\n| 5 | [电商搜索QP：Tagging](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F532924107) | 2022-06-25 19:22:15 |\n| 6 | [电商搜索QP：中文分词](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F505616542) | 2022-05-01 21:48:12 |\n| 7 | [电商搜索工程：Rank](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F459113475) | 2022-02-07 18:41:03 |\n| 8 | [电商搜索工程：工程架构篇](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F452759774) | 2022-01-03 19:35:52 |\n| 9 | [电商搜索：Query推荐](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F446931870) | 2021-12-19 16:45:40 |\n| 10 | [电商搜索排序：重排](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F441255211) | 2021-12-12 17:35:57 |\n| 11 | [电商搜索排序：精排](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F431806763) | 2021-11-14 20:43:26 |\n| 12 | [电商搜索排序：粗排](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F422164662) | 2021-10-19 22:26:30 |\n| 13 | [因果推断：NLP应用综述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F419734891) | 2021-10-10 21:39:58 |\n| 14 | [搜索排序-番外：简话模型演进（传统方法）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F416003127) | 2021-10-02 23:53:32 |\n| 15 | [电商搜索排序-番外：特征工程](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F411783551) | 2021-09-23 23:21:01 |\n| 16 | [电商搜索排序：向量召回（下）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F402301756) | 2021-08-25 22:59:08 |\n| 17 | [电商搜索排序：向量召回（上）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F397592546) | 2021-08-11 11:57:42 |\n| 18 | [电商搜索排序：召回](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F395626828) | 2021-08-02 23:46:56 |\n| 19 | [电商搜索排序：总述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F393036573) | 2021-07-25 21:01:30 |\n| 20 | [电商搜索：相关性匹配](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F351163627) | 2021-02-18 09:32:05 |\n| 21 | [电商搜索QP：Term Weighting](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F351085094) | 2021-02-17 16:48:06 |\n| 22 | [电商搜索QP：Query改写](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F351084105) | 2021-02-17 16:42:37 |\n| 23 | [电商搜索QP：Query类目预测](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F351083652) | 2021-02-17 16:35:07 |\n\n\n## Young\n> 介绍： 公众号【Young样说】探索前沿有趣的科技AI见闻,- 清华大学本科电子，博士计算机\n- 推荐广告，智能风控，量化交易，AIGC\n- 曾任互联网算法专家（2020阿里星）\n- 个人编著书籍《Pytorch深度学习入门与实战》《Pytorch高级机器学习实战》。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [【2000个红包封面免费领】](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F679533507) | 2024-01-24 13:23:35 |\n| 2 | [Yoshua Bengio，埃隆马斯克联名呼吁：暂停AI研究6个月！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F617900708) | 2023-03-29 12:37:24 |\n| 3 | [PyTorch高级机器学习算法实战](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F611994684) | 2023-03-07 13:30:29 |\n| 4 | [OpenAI推出ChatGPT API，人工智能应用迎来新时代！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F610693928) | 2023-03-02 12:02:18 |\n| 5 | [ChatGPT引爆的智能工具风潮，让你的工作生活更高效](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F610588071) | 2023-03-01 23:43:30 |\n| 6 | [不会写简历怎么办？ChatGPT一键帮你生成专业表达方式！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F608586212) | 2023-02-22 18:46:06 |\n| 7 | [ChatGPT来了，普通人如何抓住风口？50个精选AI工具网站帮你打开思路！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F606312972) | 2023-02-14 18:16:06 |\n| 8 | [AI音频生成模型引爆音乐行业？最新四篇AI音乐生成论文解读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F603210775) | 2023-02-03 16:45:37 |\n| 9 | [Transformer可以读取整个代码库？Jeff Dean团队大规模扩展上下文长度](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F602186372) | 2023-01-31 12:22:15 |\n| 10 | [2022年“神奇”AI论文回顾](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F594120504) | 2022-12-24 23:04:32 |\n| 11 | [对于现在的年轻人而言，小红书的技术类岗位值得去吗？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F565117870) | 2022-09-16 16:59:07 |\n| 12 | [使用AI 生成艺术设计博士论文封面](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F559295513) | 2022-08-30 09:51:52 |\n| 13 | [Paper Highlight：为什么基于树的模型在表格数据上仍然优于深度学习？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F543920555) | 2022-07-20 13:07:58 |\n| 14 | [什么是SSIM？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F541385224) | 2022-07-14 09:53:43 |\n| 15 | [扩展Pytorch：加速MixConv算子（三）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F352451047) | 2021-02-24 21:23:26 |\n| 16 | [扩展Pytorch：利用CUDA实现算子（二）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F350849116) | 2021-02-15 21:47:02 |\n| 17 | [扩展Pytorch：实现自定义算子（一）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F350651297) | 2021-02-13 21:36:25 |\n| 18 | [利用Pytorch实现卷积操作](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F349683405) | 2021-02-06 16:46:00 |\n| 19 | [今日对抗样本一则](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F47924198) | 2018-10-29 13:39:39 |\n| 20 | [Reproducible ECCV 2018 (More)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F44601623) | 2018-09-15 11:41:13 |\n| 21 | [Reproducible ECCV2018 (Oral)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F43489728) | 2018-09-01 11:10:58 |\n| 22 | [今日对抗样本两则](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F35153457) | 2018-03-31 15:04:12 |\n| 23 | [这个世界怎么会有这么多奇怪的羊。。。](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F34188400) | 2018-03-03 11:25:12 |\n\n\n## 冯伟\n> 介绍： 推荐系统,混迹推荐系统的小码农。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [推荐系统的计算资源节省问题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F261055801) | 2020-10-18 06:14:23 |\n| 2 | [推荐系统的去重问题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F264746990) | 2020-10-11 06:31:07 |\n| 3 | [推荐系统的实时性：生产侧](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F261462026) | 2020-10-04 07:35:16 |\n| 4 | [推荐系统的实时性：用户侧](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F228217556) | 2020-09-27 07:54:00 |\n| 5 | [推荐系统的多样性：内容生态视角](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F228198480) | 2020-09-20 09:01:03 |\n| 6 | [推荐系统的多样性：用户视角](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F221725328) | 2020-09-13 08:20:24 |\n| 7 | [推荐系统的公平性：生产侧](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F218903129) | 2020-09-06 07:41:16 |\n| 8 | [推荐系统的公平性：用户侧](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F206175622) | 2020-08-30 07:09:40 |\n| 9 | [码农的自我修养（三）：向上管理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F98623179) | 2019-12-21 14:58:30 |\n| 10 | [码农的自我修养（二）：自我管理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F97457906) | 2019-12-15 15:34:41 |\n| 11 | [码农的自我修养（一）：向下管理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F95972814) | 2019-12-08 15:42:42 |\n| 12 | [强化学习基础篇: 策略迭代 (Policy Iteration)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F34006925) | 2018-02-25 22:45:24 |\n| 13 | [强化学习基础篇: 价值迭代 (Value Iteration)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F33229439) | 2018-02-24 00:06:52 |\n| 14 | [强化学习基础篇：马尔科夫决策过程 (MDP)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F33117537) | 2018-01-20 15:43:53 |\n| 15 | [解析微软云Azure Decision Service](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F32987031) | 2018-01-17 06:56:11 |\n| 16 | [监督学习越来越准，我为什么要写bandit问题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F32502139) | 2018-01-01 11:11:02 |\n| 17 | [Contextual Bandits: Thompson Sampling](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F32429623) | 2017-12-28 23:40:11 |\n| 18 | [Multi-Armed Bandit: Thompson Sampling](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F32410420) | 2017-12-28 10:48:30 |\n| 19 | [Contextual Bandits: LinUCB](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F32382432) | 2017-12-27 16:55:29 |\n| 20 | [Multi-Armed Bandit: UCB (Upper Bound Confidence)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F32356077) | 2017-12-26 15:59:06 |\n| 21 | [Multi-Armed Bandit: epsilon-greedy](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F32335683) | 2017-12-26 11:53:42 |\n| 22 | [开栏：智能决策系列](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F32311522) | 2017-12-25 00:19:14 |\n\n## 杨旭东\n\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [C++中为什么在类模板中不能特化成员函数模板？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F672789910) | 2023-12-18 10:35:44 |\n| 2 | [如何做一个“编译器中立”的C++共享库，彻底解决未定义符号的问题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F671522656) | 2023-12-11 10:27:48 |\n| 3 | [推荐系统召回模型负采样](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F658149546) | 2023-09-24 20:58:08 |\n| 4 | [你真正理解推荐系统中的协同过滤算法了吗？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F653379602) | 2023-08-30 21:55:22 |\n| 5 | [有哪些能涨两分的推荐算法模型优化技巧？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F652901586) | 2023-08-28 20:46:59 |\n| 6 | [SimRank++算法原理解析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F652075921) | 2023-08-24 14:38:50 |\n| 7 | [推荐系统中的重排算法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F647143887) | 2023-07-31 22:12:57 |\n| 8 | [EasyRec重磅升级：组件化开发深度学习模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F644910803) | 2023-07-21 00:10:55 |\n| 9 | [谷歌出品深度学习调参指南详细版](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F644360184) | 2023-07-18 17:15:53 |\n| 10 | [多样化个性化推荐算法:推荐多样性建模](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F643900259) | 2023-07-16 16:57:34 |\n| 11 | [搜索推荐广告业务场景下的流量调控算法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F643748885) | 2023-07-15 14:23:03 |\n| 12 | [流量调控PID算法调参指南](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F643275184) | 2023-07-13 11:08:32 |\n| 13 | [模型效果上限预估、分类模型Bad Case分析方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F570316683) | 2022-10-03 12:00:20 |\n| 14 | [机器学习模型交叉验证脚本](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F566044779) | 2022-09-19 17:59:21 |\n| 15 | [全网最浅显易懂的GBDT(xgboost)算法原理深入剖析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F560905141) | 2022-09-03 16:30:47 |\n| 16 | [机器学习模型超参数网格搜索脚本](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F551632284) | 2022-08-09 14:42:46 |\n| 17 | [视觉多模态推荐算法综述：从入门到入门](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F525398305) | 2022-06-07 14:35:02 |\n| 18 | [1天学会开发工业级推荐系统的特征工程：保姆级教程](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F524575369) | 2022-06-05 20:05:43 |\n| 19 | [工业级推荐系统中的特征工程](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F518308463) | 2022-05-22 21:04:19 |\n| 20 | [推荐模型离线评测效果好，线上效果却不佳的原因](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F510067184) | 2022-05-06 11:25:14 |\n| 21 | [推荐算法效果不佳时的检查清单](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F479267766) | 2022-03-11 13:25:02 |\n| 22 | [冷启动推荐模型DropoutNet深度解析与改进](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F475117993) | 2022-03-03 10:55:20 |\n\n\n## iwtbs\n> 介绍： 公众号：推荐广告算法小木屋,推荐算法工程师。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [推荐系统多目标优化专题(2)—融合公式设计思路](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F500237779) | 2022-04-18 11:41:53 |\n| 2 | [推荐系统多目标优化专题(1)——深入理解推荐系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F476753154) | 2022-03-06 23:07:17 |\n| 3 | [双塔召回模型的前世今生（下篇）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F441597009) | 2021-12-07 01:31:08 |\n| 4 | [双塔召回模型的前世今生（上篇）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F430503952) | 2021-11-08 00:55:25 |\n| 5 | [nearline(近线)召回在阿里妈妈的实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F413279632) | 2021-09-23 23:35:46 |\n| 6 | [《Embedding-based Retrieval in Facebook Search》论文精读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F395200364) | 2021-08-01 23:04:16 |\n| 7 | [蒸馏技术在推荐模型中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F386584493) | 2021-07-09 00:49:31 |\n| 8 | [推荐中的多样性与生态建设](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F381545437) | 2021-06-17 20:02:13 |\n| 9 | [推荐系统中的debias算法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F369948358) | 2021-05-17 01:28:56 |\n| 10 | [借Youtube论文，谈谈双塔模型的八大精髓问题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F369152684) | 2021-05-01 00:41:05 |\n| 11 | [推荐中的召回算法—总结串讲](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F364053939) | 2021-04-19 02:33:40 |\n| 12 | [召回模型中的负样本构造](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F358450850) | 2021-03-21 01:05:14 |\n| 13 | [推荐算法中的“多目标学习”](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F356177412) | 2021-03-12 00:22:41 |\n| 14 | [2021春招与暑期实习，一些感悟与建议【字节内推】](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F353885960) | 2021-03-02 00:34:53 |\n| 15 | [推荐场景中一些反直觉的“坑”](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F344831278) | 2021-01-16 22:13:48 |\n| 16 | [业务增长的杀手锏—推荐算法的冷启动](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F343322654) | 2021-01-11 00:58:07 |\n| 17 | [聊聊向量化召回的一些工程经验](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F341452558) | 2021-01-03 00:53:52 |\n| 18 | [推荐系统中的bad case怎么debug](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F339382743) | 2020-12-24 23:51:02 |\n| 19 | [推荐场景中，线上线下指标不一致是为啥](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F336959267) | 2020-12-15 00:49:50 |\n| 20 | [向量召回—近邻快速查找算法总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F336694120) | 2020-12-14 00:21:53 |\n| 21 | [谈谈推荐算法中的‘trade-off’](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F336690969) | 2020-12-13 23:50:27 |\n| 22 | [谈谈我眼中的“推荐算法”](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F336689862) | 2020-12-13 23:46:27 |\n\n\n## 萧瑟\n> 介绍： 王哲，广告\u002F推荐\u002F深度学习\u002FNLP，知乎专栏：炼丹实验室,http:\u002F\u002Ffreecoder.me。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [美团广告最新进展-深度上下文兴趣网络DCIN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F666011148) | 2023-11-13 17:02:59 |\n| 2 | [美团广告平台模型组社招招聘（北京）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F657111474) | 2023-09-19 11:20:21 |\n| 3 | [美团广告平台模型组科研实习生招聘](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F642910175) | 2023-07-11 17:30:27 |\n| 4 | [美团广告平台模型组科研实习生招聘](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F635336504) | 2023-06-07 15:20:04 |\n| 5 | [美团广告平台招聘（校招-北京\u002F上海）求贤若渴](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F622773721) | 2023-04-18 10:43:46 |\n| 6 | [美团广告平台模型组招聘（北京社招）求贤若渴](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F572593886) | 2022-10-11 18:07:48 |\n| 7 | [美团广告平台模型组招聘（校招&社招）求贤若渴](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F550719830) | 2022-08-06 22:54:36 |\n| 8 | [美团广告平台模型组招聘（北京）求贤若渴](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F523722618) | 2022-06-02 20:48:05 |\n| 9 | [阿里广告技术最新突破：全链路联动-面向最终目标的全链路一致性建模](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F413240790) | 2021-09-23 19:29:48 |\n| 10 | [「AI大咖谈」阿里算法专家谈大规模推荐系统粗排层的设计与实现](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F371139372) | 2021-05-10 16:05:08 |\n| 11 | [阿里粗排技术体系与最新进展分享](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F355828527) | 2021-03-09 18:47:19 |\n| 12 | [阿里定向广告最新突破：面向下一代的粗排排序系统COLD](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F186320100) | 2020-08-17 01:07:24 |\n| 13 | [阿里妈妈定向广告RANK团队-社招（北京）求贤若渴](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F81360918) | 2019-09-05 23:12:09 |\n| 14 | [阿里妈妈定向广告RANK团队-社招（北京）求贤若渴](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F81348988) | 2019-09-05 22:58:49 |\n| 15 | [基于双向RNN-CRF的中文字符级联合分词与词性标注](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F26205668) | 2017-04-06 15:20:44 |\n| 16 | [当AI邂逅艺术：机器写诗综述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F25084737) | 2017-02-04 17:50:26 |\n| 17 | [如何获取最新的深度学习资源](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F24887133) | 2017-01-15 11:46:29 |\n| 18 | [Theano调试技巧](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F24857032) | 2017-01-13 01:43:41 |\n| 19 | [深度学习网络调参技巧](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F24720954) | 2017-01-05 00:56:47 |\n| 20 | [深度学习模型使用word2vec向量的方法总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F22018256) | 2016-08-15 12:52:55 |\n| 21 | [深度学习网络调试技巧](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F20792837) | 2016-04-23 13:26:14 |\n| 22 | [深度学习网络训练技巧汇总](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F20767428) | 2016-04-18 15:45:37 |\n\n## 风控大鱼\n> 介绍： 互联网风控\u002F风险模型\u002F反洗钱（公众号：风控大鱼）,Nothing worth knowing can be taught.\n有一个公众号：【风控大鱼】。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [IPQualityScore (IPQS) 如何判断有没有使用代理？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684367751) | 2024-02-28 14:35:26 |\n| 2 | [设备指纹中所谓的bncode数据到底指啥？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684224409) | 2024-02-27 17:43:27 |\n| 3 | [跨境洗钱手法全面梳理 —— 跨境到底咋洗钱？资金不出境也能洗？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F662351362) | 2023-10-20 13:34:45 |\n| 4 | [盘一盘支付风控系列（3）—— 大数据技术](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F658260889) | 2023-09-25 13:59:56 |\n| 5 | [一年半支付风控工作复盘](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F650796549) | 2023-08-18 13:37:55 |\n| 6 | [简单又好用的社区划分算法 —— Fast Unfolding](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F615195940) | 2023-03-19 12:51:24 |\n| 7 | [盘一盘支付风控系列（2）—— 风险防控技术（万字长文）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F610298653) | 2023-03-02 13:26:36 |\n| 8 | [盘一盘支付风控系列（1）—— 支付风险类型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F609399438) | 2023-02-25 17:28:46 |\n| 9 | [机器学习在反洗钱中的应用（二）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F600092320) | 2023-01-19 17:46:54 |\n| 10 | [机器学习在反洗钱中的应用（一）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F599205090) | 2023-01-15 16:52:05 |\n| 11 | [反洗钱风控工作术语：AML, KYC, SDD, CDD, EDD 分别是什么？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F550238844) | 2022-08-05 19:35:44 |\n| 12 | [反洗钱术语解读系列（1）—— 宣誓书 (Affidavit)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F517496172) | 2022-05-20 17:16:09 |\n| 13 | [三年半大数据风控工作复盘](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F484264668) | 2022-03-20 19:00:35 |\n| 14 | [常用风控评估指标汇总（混淆矩阵\u002F 准确率\u002F精确率\u002F召回率\u002FF1值\u002FAUC\u002FROC\u002FKS\u002FPSI\u002FLift\u002FGain等）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F464719532) | 2022-02-08 11:15:16 |\n| 15 | [商业银行风险监管核心指标](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F391685775) | 2021-07-21 10:49:11 |\n| 16 | [【项目总结】贷前评分卡建模全流程指南](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F358251409) | 2021-03-28 19:49:45 |\n| 17 | [评分卡建模工具scorecardpy全解读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F354550808) | 2021-03-05 11:12:00 |\n| 18 | [大鱼风控笔记 3：量化风控政策的关注点](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F337482775) | 2021-02-20 22:11:07 |\n| 19 | [大鱼风控笔记 2：量化风控体系的实现要求](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F337208470) | 2020-12-16 00:40:37 |\n| 20 | [大鱼风控笔记 1：量化风控体系的风险板块](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F287881172) | 2020-11-12 10:08:54 |\n| 21 | [中小银行二次风控能力建设](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F263548163) | 2020-10-09 16:05:15 |\n\n\n## 一两赘肉无\n> 介绍： 和鲸社区运营，heywhale.com,\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [50题真 • 一文入门TensorFlow2.x](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F111071013) | 2020-03-05 15:44:01 |\n| 2 | [全国人工智能大赛 行人重识别(Person ReID)赛项 季军团队方案分享](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F109920765) | 2020-02-29 13:28:16 |\n| 3 | [全国人工智能大赛 AI+4K HDR赛项 冠军团队方案分享](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F109644595) | 2020-02-28 11:28:01 |\n| 4 | [40题刷爆Keras，人生苦短我选Keras](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F103049619) | 2020-01-16 15:36:14 |\n| 5 | [90题细品吴恩达《机器学习》，感受被刷题支配的恐惧](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F101694240) | 2020-01-08 16:50:15 |\n| 6 | [60题PyTorch简易入门指南，做技术的弄潮儿🌊](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F99318332) | 2019-12-25 13:49:57 |\n| 7 | [50题matplotlib从入门到精通](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F96616339) | 2019-12-10 18:00:13 |\n| 8 | [50道练习带你玩转Pandas](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F94096219) | 2019-11-28 11:37:25 |\n| 9 | [高校大数据挑战赛Rank2教学“新人如何参加一场数据科学类比赛”](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F92962951) | 2019-11-21 15:31:42 |\n| 10 | [比赛方案分享之“莱斯杯”Rank 1](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F90476546) | 2019-11-06 15:03:15 |\n| 11 | [案例分享 \\| 文科生也能看懂的2019高校大数据挑战赛 Rank 2 案例](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F89251321) | 2019-10-30 14:22:59 |\n| 12 | [机器学习教程【2】](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F88284923) | 2019-10-24 14:34:05 |\n| 13 | [机器学习教程【1】](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F87100453) | 2019-10-17 14:05:22 |\n| 14 | [Plotly入门教程](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F85557161) | 2019-10-08 11:07:26 |\n| 15 | [数据处理教程](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F83770495) | 2019-09-24 12:06:13 |\n| 16 | [数据特征分析教程](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F82802361) | 2019-09-17 11:30:07 |\n| 17 | [TED演讲数据集探索之可视化分析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F81800992) | 2019-09-10 10:09:52 |\n| 18 | [如何用K-Lab做机器学习demo？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F80005520) | 2019-08-28 12:37:12 |\n| 19 | [10套练习，教你如何用Pandas做数据分析【6-10】](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F76929640) | 2019-08-15 13:01:32 |\n| 20 | [10套练习，教你如何用Pandas做数据分析【1-5】](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F76905282) | 2019-08-07 10:25:47 |\n| 21 | [100道练习带你玩转Numpy](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F76186124) | 2019-08-01 14:09:24 |\n\n\n## Peter PanXin\n> 介绍： AI 大数据 分布式系统,Colossus, Spanner, IAM, TensorFlow, PaddlePaddle, Recommender System, AI Platform, Mobile AI。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [聊聊LM的故事和近况](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F631065545) | 2023-05-21 21:54:46 |\n| 2 | [巨型AI模型背后的分布式训练技术（二）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F629443563) | 2023-05-15 19:06:57 |\n| 3 | [Diffusion的Noise, TextAlign, Aesthetic, RLHF思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F622018376) | 2023-04-14 19:34:52 |\n| 4 | [语言和视觉生成大模型中数据和模型复杂度的关系](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F617778251) | 2023-03-28 22:10:34 |\n| 5 | [AIGC的可控图像编辑](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F607993527) | 2023-02-20 21:16:27 |\n| 6 | [聊聊Diffusion和AIGC](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F589147010) | 2022-12-04 21:12:46 |\n| 7 | [深度学习的碳排放、算力，以及可持续性辩论](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F571239200) | 2022-10-07 19:05:44 |\n| 8 | [端上AI体验个性化讨论](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F569949482) | 2022-10-01 15:47:03 |\n| 9 | [整理一些生成模型笔记：Pix2Pix, CLIP, Diffusion Model, Dall-E 2](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F527511729) | 2022-06-12 16:57:14 |\n| 10 | [关于联邦学习的调研总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F515001980) | 2022-05-16 11:52:21 |\n| 11 | [聊聊谷歌的超级大模型PaLM: Scaling Language Modeling with Pathways](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F495287288) | 2022-04-09 20:48:39 |\n| 12 | [聊聊Jeff新作PATHWAYS: ASYNCHRONOUS DISTRIBUTED DATAFLOW FOR ML](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F491725895) | 2022-04-01 21:12:31 |\n| 13 | [回顾6年深度学习的算法实践和演进](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F464515049) | 2022-02-07 12:44:09 |\n| 14 | [关于图灵机，人，人工智能能力边界的思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F463437579) | 2022-02-01 09:03:34 |\n| 15 | [自适应AI系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F452143518) | 2021-12-31 17:22:50 |\n| 16 | [巨型AI模型背后的分布式训练技术](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F430383324) | 2021-11-07 10:56:30 |\n| 17 | [推荐广告模型的降本提效：压缩策略](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F421154873) | 2021-10-13 21:08:41 |\n| 18 | [关于基于Foundation Model的推荐系统未来的思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F412996988) | 2021-09-23 10:04:05 |\n| 19 | [从我开发的深度学习框架看深度学习这几年：TensorFlow, PaddlePaddle（飞桨）, 无量](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F363271864) | 2021-04-08 17:00:40 |\n| 20 | [机器学习平台接口设计](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F346321854) | 2021-01-22 20:06:43 |\n\n## 归来仍是少年\n> 介绍： 欢迎大家关注公众号《我爱自然语言处理》,做自然语言处理方向，kaggle比赛top1%一共七块奖牌，百度多形态信息抽取top1%，ccks2021因果抽取top11等，完成推荐系统，知识图谱，智能问答系统，信息检索系统，基于elasticsearch的高性能搜索系统，文本语义聚类，中文电子病历信息抽取，疾病风险预警模型，超长文本语义识别等落地项目。。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [GPT4最大的对手出现了，能否保持不败之地呢？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F685523579) | 2024-03-06 10:38:17 |\n| 2 | [GPT4霸主地位终于易主了，OpenAI慌了！！！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F685382278) | 2024-03-05 15:27:58 |\n| 3 | [谷歌deepmind开源Gemma技术报告](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684117352) | 2024-02-27 15:51:57 |\n| 4 | [怎么阻止大模型说瞎话？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F676530275) | 2024-01-09 16:01:23 |\n| 5 | [谁是大模型的显存救星？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F667993454) | 2023-11-22 23:20:40 |\n| 6 | [streaming-llm(无需微调无限扩展大模型输入)论文笔记](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F661059116) | 2023-10-13 11:38:15 |\n| 7 | [【论文笔记】baichuan 2训练报告](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F655576902) | 2023-09-11 19:35:02 |\n| 8 | [大模型中的人工反馈强化学习详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F651780908) | 2023-08-24 11:13:54 |\n| 9 | [开源baichuan 7b聊天大模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F649209664) | 2023-08-14 16:33:11 |\n| 10 | [LLM（大语言模型）部署加速方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F644001250) | 2023-07-21 15:44:03 |\n| 11 | [LLM模型在公司场景中的应用探索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F641734707) | 2023-07-06 22:51:55 |\n| 12 | [开源LLM大模型位置编码探索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F631003833) | 2023-05-22 10:20:56 |\n| 13 | [LLM大模型低资源微调p tuning v2和lora区别](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F622810394) | 2023-04-18 16:16:16 |\n| 14 | [构建开放中文聊天生成模型(训练细节和代码开源)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F619064661) | 2023-04-03 16:41:56 |\n| 15 | [动手训练个中文聊天小模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F615685274) | 2023-03-21 10:55:17 |\n| 16 | [TensorFlow2内存泄漏问题优化](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F611734055) | 2023-03-06 17:21:32 |\n| 17 | [工业界信息抽取之负样本构造](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F604754436) | 2023-02-10 11:32:28 |\n| 18 | [chatgpt横空出世引发的一些思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F600657790) | 2023-01-25 14:56:53 |\n\n\n## Tang AI\n> 介绍： 在机器学习中欲仙欲死,神经病王子，佛系，网瘾少年。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [一文说尽推荐系统的召回模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F585495313) | 2022-12-04 15:43:49 |\n| 2 | [推荐算法的离线评价指标综述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F584923052) | 2022-11-21 00:08:38 |\n| 3 | [优化器综述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F584485233) | 2022-11-19 17:53:46 |\n| 4 | [激活函数综述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F584399939) | 2022-11-17 22:12:39 |\n| 5 | [损失函数综述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F583723835) | 2022-11-16 22:16:17 |\n| 6 | [Bootstrap,Bagging与随机森林,Stacking](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F581626650) | 2022-11-09 23:41:52 |\n| 7 | [提升树-Adaboost，GBDT，XGBoost，LightGBM](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F579139086) | 2022-11-06 22:20:59 |\n| 8 | [决策树-ID3,C4.5,CART](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F578492109) | 2022-10-31 00:24:59 |\n| 9 | [凸优化的掌上明珠-回归问题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F577242897) | 2022-10-29 14:27:07 |\n| 10 | [AI的优化起源-凸优化之美](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F576850434) | 2022-10-24 23:07:01 |\n| 11 | [协同过滤算法系列(Collaborative Filtering,Swing,adamic-adar)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F575642931) | 2022-10-21 23:36:04 |\n| 12 | [推荐算法之abtest实验设计](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F573843031) | 2022-10-15 15:42:06 |\n| 13 | [推荐系统的架构-冷启动-召回-粗排-精排-重排](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F572998087) | 2022-10-14 22:23:34 |\n| 14 | [特征工程之离散特征处理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F571927346) | 2022-10-10 23:20:19 |\n| 15 | [推荐算法的特征工程之连续值特征处理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F571067511) | 2022-10-09 00:47:01 |\n| 16 | [推荐算法的基石-数据](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F569172025) | 2022-10-03 21:24:26 |\n| 17 | [推荐算法在工业界的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F566869488) | 2022-09-27 23:52:59 |\n| 18 | [推荐系统的历史](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F566101084) | 2022-09-20 22:29:43 |\n\n\n## Andy Yang\n> 介绍： 生活、学习、思考和观察世界,自由之精神 独立之思想。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [RealFormer：Real 简单，Real 有效](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F340329943) | 2020-12-29 12:16:50 |\n| 2 | [AdaBelief：一个有“信仰”的优化器](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F339225508) | 2020-12-24 13:19:35 |\n| 3 | [招个NLP算法实习生](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F197377922) | 2020-08-25 10:22:31 |\n| 4 | [PPLM： 四两拨千斤，Uber 可控语言生成框架](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F96092209) | 2019-12-09 10:29:47 |\n| 5 | [EMNLP 最佳论文解读：来自信息瓶颈的新语言学理论](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F91383421) | 2019-11-12 10:30:03 |\n| 6 | [当我们说到机器“理解”到底在说什么？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F90524345) | 2019-11-06 18:29:12 |\n| 7 | [子词技巧：The Tricks of Subword](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F90151246) | 2019-11-05 08:56:01 |\n| 8 | [T5 模型：NLP Text-to-Text 预训练模型超大规模探索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F88438851) | 2019-10-25 11:59:30 |\n| 9 | [BERT 瘦身之路：Distillation，Quantization，Pruning](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F86900556) | 2019-10-16 08:25:27 |\n| 10 | [SemBERT: BERT 的语义知识增强](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F81887324) | 2019-09-09 23:40:52 |\n| 11 | [语言生成：搜索 or 采样，that is the question](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F80211911) | 2019-08-28 20:53:20 |\n| 12 | [神经语言生成的非似然训练](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F78695564) | 2019-08-18 18:54:12 |\n| 13 | [RoBERTa：高级丹药炼制记录](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F76969817) | 2019-08-06 23:27:44 |\n| 14 | [ERNIE 2.0：芝麻街 2.0？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F76125042) | 2019-08-01 08:49:40 |\n| 15 | [SpanBert：对 Bert 预训练的一次深度探索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F75893972) | 2019-07-30 22:01:48 |\n\n\n## 机器学习推荐算法\n\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [WWW2024 \\| GraphPro: 高效融合图预训练和提示微调, 攻克实际动态推荐系统难题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F689119726) | 2024-03-26 15:29:34 |\n| 2 | [PixelRec \\| 大规模短视频封面图像推荐数据集](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F688052950) | 2024-03-20 14:43:02 |\n| 3 | [推荐新范式 \\| 以数据为中心的推荐系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F685921580) | 2024-03-08 10:57:27 |\n| 4 | [LLM-InS: 面向冷启动物品推荐的大语言模型交互模拟器](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684725277) | 2024-03-01 11:24:49 |\n| 5 | [WSDM2024 \\| Adapter4Rec: 系统探究适配器微调对于可迁移推荐的影响](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684389843) | 2024-02-28 15:54:00 |\n| 6 | [WWW2024推荐系统论文整理，包括大模型\u002F跨域\u002F序列\u002F可信推荐等热门主题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F683516906) | 2024-02-23 10:16:36 |\n| 7 | [ICDE2023推荐系统论文整理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F681620265) | 2024-02-06 10:48:52 |\n| 8 | [MicroLens \\| 大规模内容驱动短视频推荐数据集](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F675213913) | 2023-12-29 16:19:06 |\n| 9 | [AAAI2024推荐系统论文集锦, 包含37篇相关论文及部分开源代码](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F673884610) | 2023-12-24 11:50:41 |\n| 10 | [WWW研讨会征稿 \\| 主题: Recommendation With Generative Models](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F671941773) | 2023-12-13 10:05:19 |\n| 11 | [ICLR2024推荐系统投稿论文一览](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F669386030) | 2023-11-29 10:23:00 |\n| 12 | [NeurlPS2023推荐系统论文集锦](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F665852006) | 2023-11-09 09:01:09 |\n\n## yanianthe\n> 介绍： 炒股被抄家的前大厂程序员@不掉发就是胜利。,你好呀，交个朋友。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [推荐系统工程(11):主流样本工程方案对比](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F677599349) | 2024-01-13 10:29:53 |\n| 2 | [ChatGPT使用-成为全栈工程师初体验](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F626160408) | 2023-05-01 17:13:52 |\n| 3 | [推荐系统(10):样本拼接工程实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F594275446) | 2022-12-26 11:31:25 |\n| 4 | [推荐系统(9):特征工程实践与方案总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F565762741) | 2022-09-19 18:57:30 |\n| 5 | [推荐系统(8):如何构建序列特征服务](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F509245253) | 2022-05-04 20:18:43 |\n| 6 | [推荐系统(7):特征在线服务设计](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F495784498) | 2022-04-09 18:27:49 |\n| 7 | [推荐系统(6): 特征平台实践与思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F490480311) | 2022-03-30 20:57:57 |\n| 8 | [推荐系统(5):粗排工程实践与思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F474874372) | 2022-03-02 20:38:07 |\n| 9 | [推荐系统(4):万字长文深入浅出向量检索技术](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F462483802) | 2022-01-27 18:49:08 |\n| 10 | [推荐系统(3):倒排索引在召回中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F444514219) | 2021-12-13 19:28:37 |\n| 11 | [推荐系统(2):详解曝光去重实践](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F438660053) | 2021-11-28 12:49:39 |\n| 12 | [推荐系统(1): 推荐系统架构](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F435872330) | 2021-11-21 14:09:47 |\n\n\n## 王峰\n> 介绍： http:\u002F\u002Fhappynear.wang\u002F。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [特斯拉端到端演示视频分析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684731944) | 2024-03-01 12:45:41 |\n| 2 | [远距离LiDAR感知](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F680707145) | 2024-01-31 23:37:08 |\n| 3 | [LiDAR R-CNN：一种快速、通用的二阶段3D检测器](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F359800738) | 2021-04-02 09:46:58 |\n| 4 | [Label Smoothing分析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F302843504) | 2020-11-20 17:56:00 |\n| 5 | [Cross Entropy Regression](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F160122896) | 2020-07-15 21:56:23 |\n| 6 | [被忽略的Focal Loss变种](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F62314673) | 2019-04-13 17:40:28 |\n| 7 | [margin的自动化设置](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F62229855) | 2019-04-12 18:44:58 |\n| 8 | [Softmax理解之margin](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F52108088) | 2018-12-17 17:33:03 |\n| 9 | [Softmax理解之Smooth程度控制](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F49939159) | 2018-12-11 10:22:14 |\n| 10 | [Softmax理解之二分类与多分类](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F45368976) | 2018-09-26 15:12:44 |\n| 11 | [从最优化的角度看待Softmax损失函数](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F45014864) | 2018-09-25 17:06:05 |\n| 12 | [人脸识别数据集的身份重合问题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F31968327) | 2017-12-13 14:51:12 |\n\n\n## kaiyuan\n\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [跟Twitter学推荐系统：开源代码详细解读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F619706808) | 2023-04-06 10:57:32 |\n| 2 | [五万字综述！Prompt-Tuning：深度解读一种新的微调范式](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F618871247) | 2023-04-02 16:23:31 |\n| 3 | [综述：NLP中的 Human in the Loop](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F605746766) | 2023-02-20 11:37:36 |\n| 4 | [KDD'22 \\| 对比学习+知识蒸馏，Bing搜索广告最新利器！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F553845023) | 2022-09-01 20:40:30 |\n| 5 | [电商搜索全链路（PART II）Query理解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F560335679) | 2022-09-01 20:23:58 |\n| 6 | [从各大顶会看对比学习在句子表征研究进展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F517295002) | 2022-05-29 13:47:38 |\n| 7 | [电商搜索全链路（一）：Overview](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F511231953) | 2022-05-08 20:57:47 |\n| 8 | [YYDS！对比学习还能这么用？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F500188483) | 2022-04-22 11:39:59 |\n| 9 | [预训练新范式！为什么Prompt会更有效？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F458156892) | 2022-01-17 21:03:00 |\n| 10 | [一篇就够！数据增强方法综述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F442423499) | 2021-12-09 19:33:50 |\n| 11 | [继续！从顶会论文看对比学习的应用！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F439258817) | 2021-12-03 13:53:18 |\n| 12 | [从 Sentence-BERT 谈句子表征](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F432254136) | 2021-12-01 17:43:42 |\n\n\n## 北冥有鱼\n> 介绍： zepengzhang.com。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [【CS224W Lecture 17】Scaling Up Graph Neural Networks](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F394434352) | 2021-07-29 20:34:41 |\n| 2 | [【CS224W Lecture 16】Advanced Topics in Graph Neural Networks](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F394371189) | 2021-07-29 17:12:34 |\n| 3 | [【CS224W Lecture 14 & 15】Generative Models for Graphs](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F394102613) | 2021-07-28 21:53:07 |\n| 4 | [【CS224W Lecture 12 & 13】Subgraph Mining and Community Detection](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F393391530) | 2021-07-26 21:41:03 |\n| 5 | [【CS224W Lecture 10 & 11】Reasoning over Knowledge Graphs](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F392264567) | 2021-07-22 22:02:22 |\n| 6 | [【CS224W Lecture 8 & 9】Applications of Graph Neural Networks](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F391835784) | 2021-07-21 16:50:43 |\n| 7 | [【CS224W Lecture 6 & 7】Graph Neural Networks](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F391722998) | 2021-07-21 11:58:12 |\n| 8 | [【CS224W Lecture 5】Message Passing and Node Classification](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F388046224) | 2021-07-09 10:23:02 |\n| 9 | [【CS224W Colab0】Introduction of NetworkX and PyTorch Geometric](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F387703325) | 2021-07-08 10:22:25 |\n| 10 | [【CS224W Lecture 4】Graph as Matrix: Pagerank, Random walks and Embeddings](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F387578067) | 2021-07-07 20:22:06 |\n| 11 | [【CS224W Lecture 3】Node Embeddings](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F386592959) | 2021-07-04 21:58:07 |\n| 12 | [【CS224W Lecture 1 & 2】 图机器学习导论 & 传统图机器学习方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F384238476) | 2021-06-26 17:22:44 |\n\n\n## 九老师\n\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [来新加坡Tiktok一年多了，给各位大佬做个汇报](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F659057592) | 2023-10-02 18:10:01 |\n| 2 | [所谓技术深度](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F563100780) | 2022-09-10 07:04:02 |\n| 3 | [推荐系统-你真的会看AB指标吗](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F558649252) | 2022-08-28 13:41:53 |\n| 4 | [给校招算法同学的几点建议](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F553294462) | 2022-08-13 12:25:58 |\n| 5 | [我在阿里遇到的牛人](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F350525374) | 2021-02-12 14:34:51 |\n| 6 | [基于物品的协同过滤i2i--算法、trick及分布式实现](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F350447698) | 2021-02-12 09:57:15 |\n| 7 | [faiss-on-mr：推荐系统大规模离线向量检索工具](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F345639761) | 2021-01-20 14:30:53 |\n| 8 | [简单题与难题逻辑](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F342167785) | 2021-01-06 07:06:11 |\n| 9 | [2021年推荐系统相关会议投稿日程](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F285263172) | 2020-11-11 12:13:35 |\n| 10 | [互联网管理里面的两个深坑——手表定律与责权不一](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F277364641) | 2020-11-07 08:44:17 |\n| 11 | [Scrapy-Splash爬虫实战——爬取JS渲染的动态页面信息【附货币基金爬取筛选代码】](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F130867872) | 2020-04-17 07:26:52 |\n\n## 黑猫白猫cutecat\n\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [阿里京东流量端体验策略之“负反馈”过滤豁免策略](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F608994918) | 2023-02-24 08:39:00 |\n| 2 | [什么是ChatGPT](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F605777863) | 2023-02-13 00:02:03 |\n| 3 | [推荐系统负反馈-DFN 详解 Deep Feedback Network for Recommendation](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F604086364) | 2023-02-07 08:49:24 |\n| 4 | [广告预估：负反馈目标建模](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F602397430) | 2023-01-31 23:33:30 |\n| 5 | [Multi-Task经典模型结构-MMoE](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F415949424) | 2021-10-01 11:15:07 |\n| 6 | [Multi-Task经典模型结构：全空间多任务模型ESMM](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F411897689) | 2021-09-19 10:07:21 |\n| 7 | [推荐算法AutoInt模型：基于multi-head self-attention的特征高阶交叉](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F409503324) | 2021-09-12 11:21:17 |\n| 8 | [微软深度CTR预估模型DeepCrossing：残差网络拟合特征的自动交叉](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F407098004) | 2021-09-05 18:57:09 |\n| 9 | [微软深度CTR预估模型xDeepFM：融合显式和隐式特征交互信息](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F403377718) | 2021-08-26 12:54:34 |\n| 10 | [淘宝推荐算法精排模型BST：Transformer建模用户行为序列](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F403372207) | 2021-08-25 12:02:42 |\n| 11 | [Google深度学习CTR预估模型DCN续集：DCN-v2](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F401904819) | 2021-08-20 18:20:16 |\n\n\n## arXivDaily\n\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [计算机视觉与模式识别学术速递[2022.12.29]](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F595154763) | 2022-12-29 12:11:56 |\n| 2 | [自然语言处理学术速递[2022.12.29]](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F595153971) | 2022-12-29 12:08:04 |\n| 3 | [人工智能学术速递[2022.12.29]](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F595153294) | 2022-12-29 12:04:18 |\n| 4 | [机器学习学术速递[2022.12.29]](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F595152593) | 2022-12-29 12:00:44 |\n| 5 | [语音\\|音频处理学术速递[2022.12.29]](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F595151734) | 2022-12-29 11:57:01 |\n| 6 | [金融\\|经济学术速递[2022.12.29]](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F595150684) | 2022-12-29 11:53:01 |\n| 7 | [机器人相关学术速递[2022.12.29]](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F595149767) | 2022-12-29 11:49:30 |\n| 8 | [统计学学术速递[2022.12.29]](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F595148899) | 2022-12-29 11:45:48 |\n| 9 | [计算机视觉与模式识别学术速递[2022.12.27]](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F594622917) | 2022-12-27 11:40:26 |\n| 10 | [自然语言处理学术速递[2022.12.27]](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F594622028) | 2022-12-27 11:37:13 |\n\n\n## bytecoder\n\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [谈一谈多目标建模](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F582945850) | 2022-11-13 09:24:05 |\n| 2 | [视频搜索精排满意度刻画](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F580627813) | 2022-11-05 11:56:40 |\n| 3 | [做好搜索体验是否只要做好相关性就好了](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F578561141) | 2022-10-29 19:26:32 |\n| 4 | [谈谈搜索语义相关性](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F576929143) | 2022-10-25 08:05:29 |\n| 5 | [谈谈对比学习对语义召回的作用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F574176467) | 2022-10-16 20:39:41 |\n| 6 | [广告算法101](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F573041506) | 2022-10-12 23:49:56 |\n| 7 | [语义召回浅析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F571289786) | 2022-10-07 20:44:50 |\n| 8 | [浅谈综合搜索过程指标](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F571237036) | 2022-10-07 16:47:58 |\n| 9 | [像“蘑菇”那样思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F571235830) | 2022-10-07 16:44:16 |\n| 10 | [新搜索的一点个人思考](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F571235034) | 2022-10-07 16:41:36 |\n\n\n## PaperWeekly\n> 介绍： 欢迎关注同名微信公众号：PaperWeekly,厚积薄发。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [无需偏好数据也能RLHF？腾讯AI Lab提出对抗式偏好对齐方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F669939433) | 2023-12-01 20:46:52 |\n| 2 | [全奖博士招生 \\| 香港科技大学（广州）李昊昂老师招收计算机视觉方向全奖博士\u002FRA\u002F实习生](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F668566010) | 2023-11-24 12:20:07 |\n| 3 | [COLING 2022 \\| 清华美团提出DABERT：针对匹配任务的双通道注意力增强预训练模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F581837368) | 2022-11-09 14:48:25 |\n| 4 | [扩散模型初探：原理及应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F580095629) | 2022-11-04 12:06:03 |\n| 5 | [复旦大学邱锡鹏组：CNN-NER——极其简单有效的嵌套命名实体识别方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F565824221) | 2022-09-19 10:00:27 |\n| 6 | [TPAMI 2022 \\| 上海交大张拳石组：知识蒸馏为什么有效？因为有老师给你划“重点”](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F564612801) | 2022-09-15 11:27:23 |\n| 7 | [神奇的大学习率：多大才算大，神奇的效用又为何？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F562852096) | 2022-09-09 16:11:04 |\n| 8 | [ECCV 2022 \\| 港中文MMLab：基于Transformer的光流](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F561321345) | 2022-09-05 10:38:27 |\n| 9 | [P-tuning：自动构建模版，释放语言模型潜能](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F364141928) | 2021-04-12 11:52:33 |\n\n\n## 网络人工智能园地\n> 介绍： 华为网络AI平台(NAIE)官方帐号,公众号：网络人工智能园地\n官网：http:\u002F\u002Fwww.hwtelcloud.com\n微信号：NAIE666。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [2020 AIIA杯人工智能5G网络应用大赛KPI异常检测冠军团队方案分享](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F340620958) | 2020-12-30 14:12:37 |\n| 2 | [GDE全球开发者大赛-KPI异常检测优秀奖方案(Excavator)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F333747821) | 2020-12-07 19:05:25 |\n| 3 | [GDE全球开发者大赛-KPI异常检测三等奖方案(复仇者联盟)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F332618691) | 2020-12-06 20:16:46 |\n| 4 | [GDE全球开发者大赛-KPI异常检测二等奖方案(sh)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F329730082) | 2020-12-04 09:04:07 |\n| 5 | [GDE全球开发者大赛-KPI异常检测一等奖方案](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F327728055) | 2020-12-03 09:28:38 |\n| 6 | [第一届无线大数据竞赛：华为赛道-无线网络智能定位赛一等奖获奖心得](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F252434371) | 2020-09-18 11:24:43 |\n| 7 | [2020深圳开放数据应用创新大赛生活垃圾图片分类冠军方案分享](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F165621638) | 2020-07-31 20:39:58 |\n| 8 | [2020海华AI挑战赛·垃圾分类 技术组第一名方案分享](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F146750567) | 2020-06-08 20:01:21 |\n| 9 | [2020海华AI挑战赛·垃圾分类 技术组第三名方案分享](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F145726668) | 2020-06-04 09:01:51 |\n\n\n## 小潄\n\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [如何在工业界优化点击率预估:（一）开篇](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F462090167) | 2022-04-11 00:05:40 |\n| 2 | [如何在工业界优化点击率预估:（二）样本](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F465670474) | 2022-04-11 00:00:39 |\n| 3 | [如何在工业界优化点击率预估:（三）特征](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F485960208) | 2022-04-10 23:59:55 |\n| 4 | [如何在工业界优化点击率预估:（四）兴趣\\|序列建模](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F22479936) | 2022-04-10 23:59:07 |\n| 5 | [如何在工业界优化点击率预估:（五）特征交叉建模](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F489284765) | 2022-04-10 23:58:33 |\n| 6 | [如何在工业界优化点击率预估:（六）多场景建模](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F467252916) | 2022-04-10 23:57:56 |\n| 7 | [如何在工业界优化点击率预估:（七）图建模和预训练](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F491323844) | 2022-04-10 23:57:04 |\n| 8 | [如何在工业界优化点击率预估:（八）Debias&Loss&校准](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F486798320) | 2022-04-10 23:56:18 |\n| 9 | [如何在工业界优化点击率预估:（九）集成学习&模型压缩](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F488441375) | 2022-04-10 22:58:45 |\n\n\n## 阿泽\n> 介绍： 公众号：阿泽的学习笔记,程序员 摄影师 \n爱健身 高颜值 五迷 暖男 厨神 都是假的\n\n学习知识主要是为了愉悦自己的大脑，其次才是让自己生存。。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [【DL】数据规范化：你确定了解我吗？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F151850137) | 2020-06-29 22:28:33 |\n| 2 | [【DL】参数初始化：你真的了解我吗？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F148034113) | 2020-06-13 11:09:06 |\n| 3 | [【Code】关于 GCN，我有三种写法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F139359188) | 2020-05-09 21:43:49 |\n| 4 | [【GNN】万字长文带你入门 GCN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F120311352) | 2020-03-29 17:53:41 |\n| 5 | [【机器学习】决策树（下）——XGBoost、LightGBM（非常详细）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F87885678) | 2019-11-01 20:32:24 |\n| 6 | [【机器学习】决策树（中）——Random Forest、Adaboost、GBDT （非常详细）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F86263786) | 2019-10-20 22:15:28 |\n| 7 | [【机器学习】决策树（上）——ID3、C4.5、CART（非常详细）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F85731206) | 2019-10-09 11:21:37 |\n\n## 朱小强\n> 简介： 技术探险者,正在开启新的旅程。。\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [屠龙少年与龙：漫谈深度学习驱动的广告推荐技术发展周期](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F398041971) | 2021-08-09 22:55:57 |\n| 2 | [你真的懂点击率(CTR)建模吗？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F372048174) | 2021-05-13 20:58:53 |\n| 3 | [算力经济时代：阿里展示广告引擎的\"柔性\"变形之路](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F340467381) | 2020-12-30 17:59:02 |\n| 4 | [《深度学习推荐系统》序言电子版](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F137071474) | 2020-04-28 22:23:31 |\n| 5 | [阿里核心广告技术团队-大规模社招](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F136782595) | 2020-04-27 20:28:50 |\n| 6 | [KDD workshop征文：第一届面向高维稀疏数据的深度学习实践国际研讨会](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F61237395) | 2019-04-04 18:24:46 |\n| 7 | [镶嵌在互联网技术上的明珠：漫谈深度学习时代点击率预估技术进展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F54822778) | 2019-01-14 20:23:53 |\n\n\n## Aston Zhang\n> 简介： 《动手学深度学习》 https:\u002F\u002Fzh.d2l.ai,\n\n| 序号 | 佳作 | 时间 |\n| --- | --- | --- |\n| 1 | [守得云开见月明——《动手学深度学习（PyTorch版）》终于出版](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F604762606) | 2023-02-09 11:47:48 |\n| 2 | [《动手学深度学习》中文版2.0beta版发布！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F442988686) | 2021-12-09 08:04:57 |\n| 3 | [《动手学深度学习》英文版 Dive into Deep Learning 预览版（v0.7）发布](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F98588319) | 2020-01-09 08:22:17 |\n| 4 | [[更新视频]《动手学深度学习》番外篇：注意力机制概述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F71083285) | 2019-06-27 15:38:56 |\n| 5 | [[第一季完结] 第十九课：应用seq2seq和注意力机制：机器翻译](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F33715814) | 2018-02-09 11:29:13 |\n| 6 | [第十八课：seq2seq（编码器和解码器）和注意力机制](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F33548044) | 2018-02-03 01:57:31 |\n\n## 其它\n| 序号 | 佳作 | 作者 | 时间 |\n| --- | --- | --- | --- |\n| 1 | [#PaperCarrier \\| LPD-GCN：具有图上下文感知节点表示的保留局部性密集图卷积网络](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F265696055) | 萌酱还是萌萌子 | 2020-10-14 16:38:00 |\n| 2 | [盘点 \\| AAAI2020中的四篇推荐系统好文](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F263603402) | 萌酱还是萌萌子 | 2020-10-09 18:29:09 |\n| 3 | [围观RecSys2020 \\| 推荐系统顶会说了啥？(附论文下载)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F260174593) | 萌酱还是萌萌子 | 2020-09-28 20:14:54 |\n| 4 | [#PaperCarrier \\| 半监督的迁移协同过滤推荐](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F257404643) | 萌酱还是萌萌子 | 2020-09-21 23:47:20 |\n| 5 | [#PaperCarrier \\| 基于图卷积的价格感知推荐](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F254991783) | 萌酱还是萌萌子 | 2020-09-20 15:42:58 |\n| 6 | [多语言预训练模型调研（持续更新，23-2-19updated）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F607444538) | 王大可 | 2023-02-19 00:47:59 |\n| 7 | [从BERT到23年间的NLP预训练模型（最近2-19更新）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F607533963) | 王大可 | 2023-02-19 00:47:08 |\n| 8 | [知识图谱之同义词近义词query扩展挖掘](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F606715354) | 王大可 | 2023-02-16 01:40:24 |\n| 9 | [知识图谱及图谱构建(持续update 23-02-08)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F604065683) | 王大可 | 2023-02-07 01:31:54 |\n| 10 | [知识图谱及(多模态)实体链接的定义和进展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F603559596) | 王大可 | 2023-02-05 01:48:16 |\n| 11 | [【lightgbm\u002Fxgboost\u002Fnn代码整理四】pytorch做二分类，多分类以及回归任务](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F80381974) | QLMX | 2019-08-29 23:10:19 |\n| 12 | [【lightgbm\u002Fxgboost\u002Fnn代码整理三】keras做二分类，多分类以及回归任务](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F79390766) | QLMX | 2019-08-22 23:36:15 |\n| 13 | [【lightgbm\u002Fxgboost\u002Fnn代码整理二】xgboost做二分类，多分类以及回归任务](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F78777407) | QLMX | 2019-08-19 12:23:06 |\n| 14 | [【lightgbm\u002Fxgboost\u002Fnn代码整理一】lightgbm做二分类，多分类以及回归任务](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F76615507) | QLMX | 2019-08-04 17:34:35 |\n| 15 | [第四届拍拍贷魔镜杯冠军方案分享](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F75199206) | QLMX | 2019-07-25 20:04:36 |\n| 16 | [CornerNet算法解读](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F53407590) | 逍遥王可爱 | 2018-12-27 11:06:57 |\n| 17 | [超详细的Yolo检测框预测分析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F49995236) | 逍遥王可爱 | 2018-11-15 22:15:55 |\n| 18 | [RefineDet详细介绍](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F49984865) | 逍遥王可爱 | 2018-11-15 20:35:38 |\n| 19 | [Focal loss论文详解](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F49981234) | 逍遥王可爱 | 2018-11-15 20:01:51 |\n| 20 | [BAT算法面试该如何准备？简历+Coding+话术指南](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F111948369) | Luke | 2020-03-25 18:35:44 |\n| 21 | [Kaggle TensorFlow 2.0 Question Answering 21名复盘总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F104254984) | Luke | 2020-01-29 12:28:12 |\n| 22 | [深入理解NLP Subword算法：BPE、WordPiece、ULM](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F86965595) | Luke | 2019-10-16 14:30:52 |\n| 23 | [Kaggle首战Top 2%, APTOS 2019复盘总结+机器学习竞赛通用流程归纳](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F81695773) | Luke | 2019-09-08 17:56:13 |\n| 24 | [CIKM2020\\|京东DMT模型：电商推荐系统用多个Transformers 进行多目标学习](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F271039211) | Upper | 2020-11-02 22:31:25 |\n| 25 | [推荐算法最前沿\\|ACM RecSys2020推荐系统论文一览](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F266638144) | Upper | 2020-10-20 21:17:40 |\n| 26 | [NeurIPS 2020\\|京东基于卡尔曼滤波的注意力机制—广告点击率预估中的用户行为建模（下）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F265791891) | Upper | 2020-10-18 10:48:19 |\n| 27 | [2021电子科技大学图推荐最新综述！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F412501341) | 郭达森 | 2021-09-21 19:39:18 |\n| 28 | [最新SIGIR2021论文录取名单！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F368455647) | 郭达森 | 2021-04-28 10:51:05 |\n| 29 | [Benchmarking Recommendation](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F266606318) | 郭达森 | 2020-10-18 19:20:51 |\n| 30 | [【TensorFlow实现机器学习方法】KNN（K近邻算法）实现预测房屋价格](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F105704379) | AI蜗牛车 | 2020-02-08 10:42:37 |\n| 31 | [【资源分享】对于时间序列，你所能做的一切.](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F101126791) | AI蜗牛车 | 2020-01-05 15:29:48 |\n| 32 | [【Deep Learning】详细解读LSTM与GRU单元的各个公式和区别](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F82385476) | AI蜗牛车 | 2019-09-13 12:57:12 |\n| 33 | [《推荐系统》系列之十一：以用户为中心的对话推荐系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F514119072) | 朱勇椿 | 2022-05-13 22:53:10 |\n| 34 | [多视图多行为对比学习推荐系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F484654352) | 朱勇椿 | 2022-03-22 11:02:34 |\n| 35 | [WWW2022推荐系统、计算广告论文汇总](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F473494666) | 朱勇椿 | 2022-02-28 11:37:09 |\n| 36 | [DSIN 深度 Session 兴趣网络介绍及源码剖析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F342444405) | 珍妮的选择 | 2021-01-07 08:23:15 |\n| 37 | [FM 算法介绍以及 libFM 源码简析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F338849963) | 珍妮的选择 | 2020-12-22 23:51:24 |\n| 38 | [DIN 深度兴趣网络介绍以及源码浅析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F338050940) | 珍妮的选择 | 2020-12-20 11:51:31 |\n| 39 | [fastSum: 一款开源的文本摘要工具包](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F380605863) | 邱锡鹏 | 2021-06-14 21:17:02 |\n| 40 | [如何简单高效地加速基于BERT的序列标注模型？细粒度早退机制可能会优于模型蒸馏](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F379935087) | 邱锡鹏 | 2021-06-11 18:31:19 |\n| 41 | [推荐系统之Position-Bias建模](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F311820130) | billlee | 2020-11-25 18:03:39 |\n| 42 | [推荐系统之多目标优化小结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F299913604) | billlee | 2020-11-18 21:04:21 |\n| 43 | [全稀疏的3D物体检测器](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F583008657) | 明月不谙离苦 | 2022-11-13 20:58:42 |\n| 44 | [SST：单步长稀疏Transformer 3D物体检测器](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F476056546) | 明月不谙离苦 | 2022-03-08 19:21:46 |\n| 45 | [有没有二代征信报告样本，产品解读双报告？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F105068676) | FAL金科应用研究院 | 2020-02-04 17:43:50 |\n| 46 | [FSTQPD逾期指标如何运用于策略和模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F94324994) | FAL金科应用研究院 | 2019-11-29 15:40:42 |\n| 47 | [CTR\u002F推荐系统 踩坑和经验类文章汇总](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F531954121) | 乌克兰老司机 | 2022-06-21 21:44:44 |\n| 48 | [CTR\u002F推荐系统 冷启动Exploitation & Exploration文章汇总](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F531020134) | 乌克兰老司机 | 2022-06-19 23:43:28 |\n| 49 | [科大讯飞工程机械核心部件寿命预测挑战赛冠军分享](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F82394380) | 大风君heart | 2019-11-30 18:30:59 |\n| 50 | [（目前TOP1 baseline分享）科大讯飞工程机械核心部件寿命预测挑战赛](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F71631721) | 大风君heart | 2019-07-13 18:27:04 |\n| 51 | [电商搜索query-database](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F111810655) | 王盛玉 | 2020-03-14 23:34:56 |\n| 52 | [浅谈电商类目预测](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F90923697) | 王盛玉 | 2019-11-08 19:39:36 |\n| 53 | [【知识图谱】实体链接：一份“由浅入深”的综述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F100248426) | Nicolas | 2019-12-30 19:55:43 |\n| 54 | [【炼丹技巧】功守道：NLP中的对抗训练 + PyTorch实现](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F91269728) | Nicolas | 2019-11-11 16:20:19 |\n| 55 | [用于语言生成的数据相关高斯先验目标函数](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F103866607) | Jsgfery | 2020-01-24 15:30:58 |\n| 56 | [Encoding Word Order in Complex Embeddings](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F98736506) | Jsgfery | 2019-12-22 14:25:28 |\n| 57 | [图片修补 EdgeConnect 论文的阅读与翻译：生成边缘轮廓先验，再填补缺失内容](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F57112475) | 曾伊言 | 2019-02-20 17:12:32 |\n| 58 | [CycleGAN论文的阅读与翻译，无监督风格迁移](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F45394148) | 曾伊言 | 2018-10-25 16:35:43 |\n| 59 | [文章索引：视觉、文本表征和大模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F688759365) | 菜人卷 | 2024-03-24 18:42:00 |\n| 60 | [一文看完多模态：从视觉表征到多模态大模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F684472814) | 菜人卷 | 2024-02-29 09:45:28 |\n| 61 | [NLP实验之新词挖掘+预训练模型继续预训练，打造适应任务的PTM](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F414384344) | 周俊贤 | 2021-09-27 08:31:38 |\n| 62 | [NLP系列之论文研读：P-tuning，自动寻找prompt，进一步激发预训练潜能](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F385419785) | 周俊贤 | 2021-06-30 16:47:43 |\n| 63 | [华为、人大、清华和港中文联合发布推荐系统的Benchmark](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F412426948) | 推荐与广告 | 2021-09-21 12:54:26 |\n| 64 | [KDD\\|2021 推荐系统中不使用嵌入表的方式获得类别特征的表征](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F392989733) | 推荐与广告 | 2021-08-15 22:17:23 |\n| 65 | [【Graph Neural Network】GraphSAGE: 算法原理，实现和应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F79637787) | 浅梦 | 2019-08-24 21:15:14 |\n| 66 | [【Graph Neural Network】GCN: 算法原理，实现和应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F78624225) | 浅梦 | 2019-08-17 23:37:48 |\n| 67 | [[召回\\|CIKM2021\\|ByteDance]字节跳动深度召回模型论文精读(Deep Retrieval)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F440156847) | 杰尼小子 | 2021-12-01 22:55:23 |\n| 68 | [[召回\\|CIKM2019\\|阿里巴巴]天猫基于动态路由的用户多兴趣建模(MIND)](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F439210817) | 杰尼小子 | 2021-11-29 20:06:30 |\n| 69 | [ICDE 2023 论文解读 \\| DCMT：基于因果纠偏的直接全空间多任务转化率预测模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F610802942) | Feng Zhu | 2023-03-02 19:20:04 |\n| 70 | [论文解读系列第十六篇：IJCAI 2021--跨域推荐（Cross-Domain Recommendation）的最新综述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F371162633) | Feng Zhu | 2021-05-10 17:02:02 |\n| 71 | [以正合，以奇胜 —— 搜推广工程师卷出新高度直播预告二](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F454237149) | 算法阿科 | 2022-01-07 01:43:24 |\n| 72 | [浅谈行为序列建模](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F420995638) | 没什么大不了 | 2021-10-15 17:52:22 |\n| 73 | [肯德基、江小白和西贝莜面村都犯的错，你不用重蹈覆辙！](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F51148934) | 陈尚斌Sean | 2018-11-29 14:34:23 |\n| 74 | [一年级算法工程师的工作总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F361688187) | shane miao | 2021-04-05 21:07:24 |\n| 75 | [CCF2019乘用车细分市场销量预测-baseline分享](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F82738239) | 厚切烤五花 | 2019-09-16 22:58:43 |\n| 76 | [经典推荐算法学习（九）\\| 主流深度推荐模型演化（下）\\| 从DIN、DIEN到 MIMN、SIM \\| 附DIN、DIEN TensorFlow代码实现](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F423862252) | 秋雨淅淅l | 2021-11-01 21:42:50 |\n| 77 | [NeurIPS'22 Oral\\|基于无目标后门水印的无害数据集版权保护](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F591166261) | GeorgeLee | 2022-12-12 15:55:20 |\n| 78 | [【顶会论文】推荐系统冷启动专题](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F377229717) | 武侠超人 | 2021-06-28 19:48:22 |\n| 79 | [第四届拍拍贷魔镜杯季军方案分享](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F75234282) | zzz333 | 2019-07-26 09:50:02 |\n| 80 | [搜索引擎技术（1）：Overview](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F624039720) | Shusen Wang | 2023-04-22 20:46:10 |\n| 81 | [一文梳理DPR(Dense Passage Retrieval)的发展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F559720649) | Executedone | 2022-08-31 11:23:09 |\n| 82 | [全球数据竞赛平台汇总](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F60797798) | 王大溪 | 2019-03-29 16:07:05 |\n| 83 | [流水的NLP铁打的NER：命名实体识别实践与探索](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F166496466) | 王岳王院长 | 2020-08-06 13:42:42 |\n| 84 | [曾被嫌弃的预训练任务NSP，做出了优秀的Zero Shot效果](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F411476796) | 苏剑林 | 2021-09-17 17:31:05 |\n| 85 | [蘑菇街自研服务框架如何提升在线推理效率？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F98538567) | fdl ws | 2019-12-20 19:29:02 |\n| 86 | [知识蒸馏与推荐系统](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F163477538) | 凉爽的安迪 | 2020-08-05 16:13:01 |\n| 87 | [从200多篇顶会论文看推荐系统前沿方向与最新进展](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F361341288) | AI Box专栏 | 2021-04-01 14:57:18 |\n| 88 | [算法工程师的术与道：从特征工程谈数据敏感性](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F335363661) | 包包大人 | 2020-12-09 23:42:34 |\n| 89 | [扩散模型在文本生成领域的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F561233665) | 中森 | 2022-10-10 23:38:20 |\n| 90 | [SIGIR21-自动消除搜索推荐排序bias：ALL you need is AutoDebias](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F375531396) | 曾冠奇 | 2021-05-26 20:41:38 |\n| 91 | [图神经网络16-DGL实战：图、节点和边创建与运算](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F382361696) | 致Great | 2021-06-20 16:40:57 |\n| 92 | [2021-ACL论文：问答检索方向论文整理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F388148753) | 捏太阳 | 2021-07-15 11:59:47 |\n| 93 | [推荐系统实用分析技巧](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F188228577) | 纳米酱 | 2020-08-20 23:22:32 |\n| 94 | [消费者人群画像-信用智能评分Top1](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F65987372) | 大野人007 | 2019-05-16 15:09:49 |\n| 95 | [千元以内玩双动铁？双麦降噪小钢蛋魔浪O7蓝牙TWS耳机实测](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F93566110) | 眼镜哥玩数码 | 2019-11-25 14:25:41 |\n| 96 | [GPT-3的最强落地方式？陈丹琦提出小样本微调框架LM-BFF，比普通微调提升11%～](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F341609647) | JayJay | 2021-01-04 20:46:50 |\n| 97 | [在需求泛滥的当下，如何利用仪式感拯救我们的品牌价值？](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F33085850) | 尼克 | 2018-01-19 09:54:23 |\n| 98 | [百度凤巢之分布式层次GPU参数服务器架构](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F115187253) | 张雨石 | 2020-03-22 12:02:57 |\n| 99 | [BLIP2：下一代多模态模型的雏形](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F606364639) | 竹鼠商人 | 2023-02-15 10:54:27 |\n| 100 | [Elasticsearch思维导图](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F429731856) | 易显维 | 2021-11-05 11:25:34 |\n| 101 | [GluonCV 0.3: 超越经典](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F46946101) | 谢流远 | 2018-10-17 08:10:40 |\n| 102 | [KDD'22\\|天级更新超越实时？看Pinterest另辟蹊径做用户长期兴趣建模](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F558608369) | 裴叁拾 | 2022-09-14 01:11:24 |\n| 103 | [CCF BDCI 乘用车销量预测 冠军方案](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F98926322) | 楼观白楼 | 2019-12-23 16:57:50 |\n| 104 | [搜推广之多场景建模论文总结分享](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F608819996) | 积极废人 | 2023-02-23 18:52:17 |\n| 105 | [聊聊多模态大模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F666425324) | Peter | 2023-11-12 22:06:52 |\n| 106 | [CIKM20-MiNet：阿里\\|跨域点击率预估混合兴趣模型](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F221719082) | 李嘉图 | 2020-09-08 08:51:42 |\n| 107 | [推荐系统 \\| 近20年引用量超过1000的52篇经典论文](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F183753290) | 深蓝学院 | 2020-08-14 11:09:03 |\n| 108 | [ICLR 2022图学习领域都在研究什么？Open Review投稿文章一览](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F419669070) | 唐今里 | 2021-10-09 22:29:37 |\n| 109 | [Improving Factual Consistency of Abstractive Summarization via Question Answering](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F384929959) | xsgddsg | 2021-06-29 22:31:26 |\n| 110 | [20220922推荐小记——推荐系统中如何对时长、完播等目标做多目标建模](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F567243070) | 口天吴 | 2022-09-22 22:31:24 |\n| 111 | [NeurIPS22 spotlight｜大图上的节点级Transformer](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F587086593) | Qitian | 2022-11-27 13:31:06 |\n| 112 | [【读文献】强化学习优化推荐系统长期收益](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F373771167) | 阳光明媚 | 2021-05-28 19:42:19 |\n| 113 | [阿里天池安泰杯——跨境电商智能算法大赛数据分析与可视化](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F74661459) | rain | 2019-07-22 16:03:42 |\n| 114 | [2019-CCF乘用车细分市场销量预测-Rank19](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F92651909) | Salon sai | 2019-11-26 23:04:15 |\n| 115 | [【五】知乎独家发布 \\| 标签系统：大数据的典型应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F52683548) | 磊叔-数据化运营 | 2018-12-18 20:10:28 |\n| 116 | [深度学习技术在社会化推荐中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F190944012) | 小应同学 | 2020-08-21 18:06:06 |\n| 117 | [Attention Is All You Need](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F89444823) | Magic | 2020-04-25 15:44:28 |\n| 118 | [图网络的开疆拓土——如何在非图结构数据上应用GNN](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F74438967) | 张章 | 2020-01-14 00:38:07 |\n| 119 | [第二届腾讯广告算法大赛总结（Rank 9）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F38499275) | 啊黎 | 2018-06-26 13:23:27 |\n| 120 | [【已重新开源】CLIP的中文副本？说不定有惊喜呢](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F539374033) | 霜清老人 | 2022-07-09 00:10:36 |\n| 121 | [首篇-More than NLP](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F390774808) | paiisall | 2021-07-18 13:37:00 |\n| 122 | [细思极恐，我的kaggle比赛uspppm的代码被第三方平台泄漏和抄袭了。](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F543062973) | 知乎用户MYp8Kg | 2022-07-18 15:51:21 |\n| 123 | [《DialogueRNN》 阅读笔记](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F68497862) | weiss | 2019-06-10 09:29:08 |\n| 124 | [ICLR 2023：环境标签平滑，一行代码提升对抗学习稳定性\u002F泛化性](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F600466715) | yearn | 2023-02-02 22:35:14 |\n| 125 | [数据挖掘建模前快速对数据进行全局EDA分析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F357427126) | 小白Lan | 2021-03-16 11:01:29 |\n| 126 | [CIKM2021｜工业推荐论文集锦](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F422927434) | 潜心 | 2021-10-18 21:01:18 |\n| 127 | [transformers在ctr中的应用](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F349509932) | 算法一只狗 | 2021-02-05 16:52:22 |\n| 128 | [阿里DMR：融合了匹配思想的深度排序模型-Deep Match to Rank](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F163096847) | 陈阿土 | 2020-07-23 15:42:24 |\n| 129 | [粗排阶段性能与效率的权衡：基于可学习特征选择的方法](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F428178907) | majs | 2021-11-02 18:18:31 |\n| 130 | [也说澳门和香港的不同点](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F45474681) | 大豆 | 2018-09-27 15:39:35 |\n| 131 | [CCF-2020 路况状态时空预测 Top15](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F342112778) | Jarvis | 2021-01-05 20:12:04 |\n| 132 | [EMNLP2021论文集发布&上岸群交流](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F429660568) | 忆臻 | 2021-11-05 09:29:59 |\n| 133 | [基于Kubeflow的分布式机器学习平台实战](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F56006765) | 无痕 | 2019-01-30 11:59:09 |\n| 134 | [开源知识图谱整理](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F510307797) | 霍华德 | 2022-05-06 18:21:11 |\n| 135 | [3倍加速CPU上的BERT模型部署](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F159025396) | 沈海晨 | 2020-07-13 10:18:17 |\n| 136 | [2021年，Pre-train+finetune还是“新”范式吗？乘风破浪的Prompt-base methods](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F391606045) | Timothyxxx | 2021-07-21 01:18:40 |\n| 137 | [ACM MM'2022 \\| 首个针对跨语言跨模态检索的噪声鲁棒研究工作](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F561151473) | 李加贝 | 2022-10-13 15:39:42 |\n| 138 | [信贷业务风控指标体系](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F94575231) | 雪小梨 | 2019-12-02 19:59:09 |\n| 139 | [刚打造的小生态NLG4RS：基于推荐系统的自然语言生成](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F452571871) | Lei Li | 2022-02-19 12:50:39 |\n| 140 | [新手入门 Kaggle NLP类比赛总结](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F109992475) | jiazhuamh | 2020-02-29 22:22:56 |\n| 141 | [数据科学竞赛：你从未见过的究极进化秘笈](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F149769029) | 大卫的小屋 | 2020-07-03 11:30:10 |\n| 142 | [2018腾讯广告算法大赛Top10-特征工程](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F40479648) | 流光 | 2018-07-24 20:47:55 |\n| 143 | [基于协同过滤的推荐算法综述](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F338582478) | 包予 | 2020-12-21 23:15:49 |\n| 144 | [逾期率的计算秘密](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F96606016) | 胡静媛 | 2019-12-10 17:35:33 |\n| 145 | [【仅需初中数学水平】全网第一个极简神经网络模型推导](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F128714140) | 我去啊先生 | 2020-04-11 02:26:53 |\n| 146 | [金融NLP需求落地实践总结——使用T5-Pegasus做一句话摘要](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F412505023) | 邱震宇 | 2021-09-23 15:58:54 |\n| 147 | [CCF BDCI 乘用车销量预测 TOP3开源](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F98611487) | 莫笑傅立叶 | 2019-12-21 17:11:45 |\n| 148 | [TheWebConf 2022-GNNpaper reading1](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F551297185) | 水dong方块 | 2022-08-08 20:40:25 |\n| 149 | [智能风控筑基手册：全面了解风控指标体系](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F136208249) | 正阳 | 2020-04-25 15:48:05 |\n| 150 | [NLP预训练模型（2021版）](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F419661016) | 王三火 | 2021-10-09 23:22:01 |\n\n## 亚马逊\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [算法如何高效表达图计算？亚马逊云科技 DGL 图学习平台介绍](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1655309164106) |\n| 2 | [亚马逊畅销书的 NLP 分析——推荐系统、评论分类和主题建模](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1578982799904) |\n| 3 | [我在亚马逊学到的三样东西，为我的机器学习职业之路做好了准备](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1569161146669) |\n## 苏宁\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [苏宁 11.11：一种基于神经网络的智能商品税分类系统](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1542473775853) |\n| 2 | [苏宁 11.11 ：苏宁大数据离线任务开发调度平台实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1542368352760) |\n| 3 | [苏宁 11.11：苏宁易购订单搜索系统架构及实现](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1542367560717) |\n| 4 | [苏宁 11.11：搜索引擎 Solr 在苏宁易购商品评价系统中的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1542192071013) |\n| 5 | [苏宁 11.11：仓库内多 AGV 协作的全局路径规划算法研究](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1541756162539) |\n## 丁香园\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [丁香园大数据基于 Apache Kyuubi \u002F Celeborn 的实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1701477911872) |\n| 2 | [丁香园技术｜我们为海量公开问诊数据生成了标题 —— NLG 的医疗健康科普实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1672748102417) |\n| 3 | [丁香园技术｜海量公开问诊数据生成标题 —— NLG 的医疗健康科普实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1672575138124) |\n| 4 | [丁香园技术｜从文本匹配到语义相关——新闻相似度计算的一般思路](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1659538733972) |\n| 5 | [丁香园 \\| 电商搜索的语义理解问题](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1645488641498) |\n| 6 | [丁香园基于 Milvus 的向量召回应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1624402033133) |\n| 7 | [丁香园 \\| 图表示学习 实践与思考](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1605644288853) |\n| 8 | [丁香园 \\| 搜索中的 Query 扩展技术（二）](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1605633072404) |\n## 作业帮\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [复杂场景下作业帮的深度学习模型部署实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1668688806603) |\n| 2 | [BERT 能否被“平替”？作业帮文本分类场景下的一次尝试](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1663339879175) |\n| 3 | [作业帮基于 Apache Doris 的数仓实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1602420268311) |\n| 4 | [【算法面经系列】百度、寒武纪、科大讯飞、追一科技、腾讯、作业帮算法面经](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1583735744394) |\n## VIVO\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [2021 年 11 月初，VIVO & 地平线视觉工程师面经](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1637000994296) |\n## OPPO\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [算法&大数据如何赋能？​OPPO推荐领域降本增效指南](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1709642101237) |\n| 2 | [OPPO 广告召回算法实践与探索](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1704164627876) |\n| 3 | [OPPO基于图神经网络的搜索推荐算法与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1689590030867) |\n| 4 | [OPPO基于大模型与知识图谱的技术实践探索](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1688029541571) |\n| 5 | [OPPO 端云协同机器学习平台 StarFire 技术实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1681911262271) |\n| 6 | [低延时音视频技术在OPPO云渲染场景的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1680847558265) |\n| 7 | [多模态预训练技术在 OPPO 的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1671338240588) |\n| 8 | [​OPPO 对话式 AI 助手小布演进之路](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1669284265632) |\n| 9 | [OPPO 实时计算平台基于云原生的作业弹性伸缩设计与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1663338974448) |\n| 10 | [自动化 AutoML 工具 Pluto 在 OPPO 的典型应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1662559200169) |\n| 11 | [OPPO 技术 \\| 基于 ark 框架实现推荐策略 jar 包热更新](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1661780124851) |\n| 12 | [李向林：OPPO 自研大规模知识图谱及其在小布助手中的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1655535576691) |\n| 13 | [邱盛昌：OPPO 商业化数据体系建设实战](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1654101362877) |\n| 14 | [OPPO 唐黎：零代码技能平台技术实践探索！](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1645488941495) |\n| 15 | [OPPO \\| 小布助手闲聊生成式算法](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1645392989413) |\n| 16 | [OPPO 数智技术 \\| 大数据 SQL 优化之数据倾斜解决案例全集](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1641470595723) |\n| 17 | [OPPO 小布助手算法系统探索、实践与思考](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1640650220926) |\n| 18 | [OPPO 大数据离线计算平台架构演进](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1635205226188) |\n| 19 | [OPPO 数据湖统一存储技术实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1629152485752) |\n| 20 | [OPPO \\| 统一预估引擎的设计与实现](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1623753789862) |\n| 21 | [OPPO 在 A\u002FB 实验分析平台的建设与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1614352337264) |\n## 58同城\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [​58 大数据任务调度和智能运维实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1670155591037) |\n| 2 | [【干货篇】58 同城：视觉定位技术在室内 VR 中的应用（附视频回放 +PPT 下载）](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1660460977544) |\n| 3 | [图谱实战 \\| 58 同城周超：基于招聘场景下的知识图谱构建及应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1656585917361) |\n| 4 | [58 同城 \\| 商业数据仓库建设实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1606440340970) |\n| 5 | [58 同城 AI 算法平台的演进与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1605975942974) |\n## 知乎\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [知乎埋点平台建设升级](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1697766003286) |\n| 2 | [Flink 实时计算平台在知乎的演进](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1672735455961) |\n| 3 | [基于 Doris 的知乎 DMP 系统架构与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1663900241491) |\n| 4 | [知乎 Flink 数据集成平台建设实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1620953681156) |\n| 5 | [知乎搜索排序模型的演进](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1611707324680) |\n| 6 | [知乎 \\| 搜索文本相关性与知识蒸馏](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1610819003661) |\n| 7 | [Query 理解和语义召回在知乎搜索中的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1577969687897) |\n| 8 | [用 Flink 取代 Spark Streaming，知乎实时数仓架构演进](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1550456648032) |\n| 9 | [58 技术沙龙——云搜 知乎 58 同城 搜索架构](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1549118463410) |\n| 10 | [「回顾」知乎推荐页 Ranking 经验分享](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1546015792766) |\n| 11 | [【转自知乎】当下（2018 年）腾讯的技术建设是否处于落后同体量公司的状态？](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1538026693169) |\n| 12 | [AIQ - 架构 \\| 知乎服务化的实践与思考](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1530974329825) |\n| 13 | [AIQ - 深度 \\| 知乎高赞：久居一线城市都有什么错觉？](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1530808073506) |\n| 14 | [知乎高赞：家里在一二线城市有很多套房是怎么的一种体验？答案太颠覆](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1530419775099) |\n\n## 贝壳找房\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [方阳：贝壳找房推理服务 MLOPS 实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1656647122886) |\n| 2 | [贝壳找房智能投放技术实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1647734426054) |\n| 3 | [王志勇：贝壳找房 CVR 转化率预估模型实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1646268689620) |\n| 4 | [贝壳找房 \\| Flink 运维体系在贝壳的实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1639778890438) |\n| 5 | [贝壳找房 \\| 人机耦合在贝壳新居住服务的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1633620223751) |\n| 6 | [贝壳找房 \\| 端到端模型在贝壳经纪人流失预警场景的实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1625870973660) |\n| 7 | [贝壳找房 \\| 基于事理图谱的应用与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1619393097387) |\n| 8 | [贝壳找房一站式大数据开发平台实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1618424887973) |\n| 9 | [贝壳找房基于 Druid 的 OLAP 引擎应用实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1617065714002) |\n| 10 | [贝壳找房 DMP 平台建设实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1612618654589) |\n| 11 | [贝壳找房 \\| 复杂订阅条件下，如何实时准确的向用户推送新上房源？](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1611957959517) |\n| 12 | [贝壳找房 \\| 基于 Milvus 的向量搜索实践（三）](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1608547494451) |\n| 13 | [贝壳找房 \\| 基于 Milvus 的向量搜索实践（二）](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1607727190023) |\n| 14 | [贝壳找房 \\| 商业化算法中台架构实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1607643871637) |\n| 15 | [贝壳找房 \\| 基于 Milvus 的向量搜索实践（一）](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1607121375101) |\n| 16 | [贝壳找房 \\| 面向 AI 技术的贝壳 OLAP 平台架构演进](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1605882289229) |\n| 17 | [贝壳找房 \\| 面向 AI 技术的贝壳一站式大数据开发平台实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1605881803521) |\n| 18 | [贝壳找房 \\| 面向 AI 技术的贝壳智能推荐平台建设实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1605881320628) |\n| 19 | [数据增强在贝壳找房文本分类中的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1604585013915) |\n| 20 | [贝壳找房 \\| 基于内容热度的推荐](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1602588064973) |\n| 21 | [贝壳找房 \\| 降本提效，贝壳搜索推荐架构统一之路](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1601333030483) |\n| 22 | [贝壳找房 \\|【知识图谱系列】开篇：基于 KBQA 的经纪人咨询助手](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1600300399521) |\n| 23 | [贝壳找房 \\| Thrift 中 TNonblockingServer 工作流程解析](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1599578656887) |\n| 24 | [【深度语义匹配模型】实践篇：语义匹配在贝壳找房智能客服中的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1590190626464) |\n| 25 | [贝壳找房【深度语义匹配模型】原理篇二：交互篇](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1589798723495) |\n| 26 | [贝壳找房【深度语义匹配模型 】原理篇一：表示型](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1589474365961) |\n| 27 | [贝壳找房【语言模型系列】实践篇：ALBERT 在房产领域的实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1589066895141) |\n| 28 | [贝壳找房—置信度计算在语音识别系统中的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1587504411849) |\n| 29 | [贝壳找房【语言模型系列】原理篇二：从 ELMo 到 ALBERT](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1587401784826) |\n| 30 | [贝壳找房—【图数据库系列】Dgraph 原理篇](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1586914787766) |\n| 31 | [贝壳找房—【图数据库系列】Dgraph 简介篇](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1586914360530) |\n| 32 | [贝壳找房—【图数据库系列】之 JanusGraph VS Dgraph：贝壳分布式图数据库技术选型之路](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1586913224622) |\n| 33 | [贝壳找房【语言模型系列】原理篇一：从 one-hot 到 Word2vec](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1586815086168) |\n| 34 | [【贝壳找房】关系图谱在贝壳的构建和应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1583336718096) |\n| 35 | [贝壳找房一镜到底：FM 们的原理及在贝壳搜索的实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1562247779512) |\n| 36 | [【贝壳找房】贝壳搜索平台实时流总体架构设计](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1552233110275) |\n| 37 | [【贝壳找房】读“懂”用户找房需求：贝壳语义解析技术实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1552148262585) |\n| 38 | [回顾·知识图谱在贝壳找房的从 0 到 1 实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1535890320749) |\n| 39 | [回顾·HBase 在贝壳找房的实践经验](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1535076050271) |\n## 第四范式\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [第四范式｜如何选择架构中的底层工具？](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1661524874287) |\n| 2 | [第四范式 \\| OpenMLDB：线上线下一致的生产级特征计算平台](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1651104872432) |\n| 3 | [知识图谱在第四范式金融场景的应用及研究](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1631836765123) |\n| 4 | [第四范式 \\| 如何构建一个好的电商搜索引擎？](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1604528566808) |\n| 5 | [第四范式 \\| 推荐系统架构治理](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1599342117931) |\n| 6 | [第四范式 \\| 基于 Spark 的大规模推荐系统特征工程](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1599059997953) |\n## 明略科技\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [2021 年 6 月底，明略科技算法岗 7 道面试题分享](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1628014065354) |\n## 饿了么\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [「回顾」饿了么推荐算法演进及在线学习实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1541671554337) |\n| 2 | [饿了么外卖推荐算法中有哪些机制与手段？](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1539779042024) |\n## 滴滴\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [滴滴国际化出行场景指标体系建设](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1711692642079) |\n| 2 | [滴滴大数据资产治理实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1711258502706) |\n| 3 | [滴滴大数据成本治理实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1704880251766) |\n| 4 | [滴滴数据挖掘工程师招聘](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1628453090198) |\n| 5 | [滴滴测试开发工程师招聘](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1628452834432) |\n| 6 | [滴滴招聘 HR 实习生](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1628452620798) |\n| 7 | [2021 年 5 月滴滴算法岗：三面拿下 offer，面试题分享](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1622488114673) |\n| 8 | [滴滴技术 \\| 小白也能懂的因果推断科普](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1621648577823) |\n| 9 | [滴滴在 HBase 性能与可用性上的探索与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1608688772703) |\n| 10 | [滴滴技术 \\| 滴滴语音交互自然语言理解探索与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1605807890525) |\n| 11 | [滴滴 Elasticsearch 集群跨版本升级与平台重构之路](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1603809321990) |\n| 12 | [深度强化学习在滴滴路径规划中的探索实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1602424002918) |\n| 13 | [滴滴技术 \\| Presto 在滴滴的探索与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1602421861788) |\n| 14 | [滴滴技术 \\| 数据挖掘技术在轨迹数据上的应用实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1601292236611) |\n| 15 | [滴滴 \\| 数据仓库指标体系建设实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1598802373776) |\n| 16 | [滴滴 \\| 实时数仓在滴滴的实践和落地](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1598802315653) |\n| 17 | [滴滴 ElasticSearch 千万级 TPS 写入性能翻倍技术剖析](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1597279092295) |\n| 18 | [滴滴司机调度系统实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1594942236189) |\n| 19 | [五年磨一剑：滴滴顺风车服务端之稳定性规范](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1591236496919) |\n| 20 | [滴滴数据驱动利器之 AB\u002FTest 实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1590721840299) |\n| 21 | [从算法到应用：滴滴端到端语音 AI 技术实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1580697766851) |\n| 22 | [头条，美团，滴滴，京东及其它公司面试经验分享！](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1569160784677) |\n| 23 | [解读：滴滴“猜你去哪儿”功能的算法实现](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1567577366676) |\n| 24 | [基于 “ 滴滴 KDD 2018 论文：基于强化学习技术的智能派单模型 ” 再演绎](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1558370681979) |\n| 25 | [滴滴基于 ElasticSearch 的一站式搜索中台实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1558079050114) |\n| 26 | [独家解读 \\| 滴滴机器学习平台架构演进之路](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1554481747379) |\n| 27 | [滴滴出行基于 RocketMQ 构建企业级消息队列服务的实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1549986997717) |\n\n## 微软\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [Adobe 和微软通过微软边缘为 1 亿 Windows 用户带来行业领先的 Acrobat PDF 体验](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1675908069805) |\n| 2 | [微软推出 Designer 图形图像设计软件，与 Adobe Photoshop 的较量？](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1665983336164) |\n| 3 | [实验室小师弟的新鲜春招算法面经 (阿里搜索，微信，微软等)](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1588125294551) |\n| 4 | [微软小冰：如何构建人格化的对话系统](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1583730037433) |\n| 5 | [微软 AB\u002FTesting EXP 实验管理平台](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1557945314515) |\n| 6 | [谷歌、阿里、微软等 10 大深度学习 CTR 模型最全演化图谱【推荐、广告、搜索领域】](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1557332028652) |\n| 7 | [微软专家眼中个性化推荐系统的 5 大研究趋势](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1543673861952) |\n| 8 | [NIPS 2018 丨解读微软亚洲研究院 10 篇入选论文](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1536334503252) |\n| 9 | [科学匠人 \\| 微软亚洲研究院 陈薇 用数学逻辑来优化工作和人生](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1535805924411) |\n| 10 | [AIQ - 语音识别 \\| 微软亚研自动语法纠错系统达到人类水平](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1530979943523) |\n## UC\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [京东 618 广告精排百分位 AUC 提升技术方案](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1656647831516) |\n| 2 | [UC 信息流推荐模型在多目标和模型优化方面的进展](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1571122442970) |\n| 3 | [UC 国际信息流推荐中的多语言内容理解](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1570690168076) |\n| 4 | [UC 信息流视频标签识别技术](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1569853907406) |\n| 5 | [浅谈 UC 国际信息流推荐](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1569247306778) |\n| 6 | [模型评估指标 AUC 和 ROC，这是我看到的最透彻的讲解](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1568827658600) |\n| 7 | [一文让你彻底理解准确率，精准率，召回率，真正率，假正率，ROC\u002FAUC](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1549986548173) |\n| 8 | [推荐系统遇上深度学习 (十三)--linUCB 方法浅析及实现](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1547825582955) |\n| 9 | [我收到了斯坦福、UCL、CMU、NYU、UW 的博士 offer，这是我的经验](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1543938094639) |\n| 10 | [推荐系统遇上深度学习 (九)-- 评价指标 AUC 原理及实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1536426038809) |\n| 11 | [AIQ -【干货】模型验证的常用“武器”—ROC 和 AUC](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1531811134705) |\n## 联想\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [联想基于Apache DolphinScheduler构建统一调度中心的应用实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1678100401156) |\n## 今日头条\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [今日头条搜索品质优化 - 端到端篇](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1640455266251) |\n| 2 | [今日头条在消息服务平台和容灾体系建设方面的实践与思考](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1573185369725) |\n| 3 | [今日头条算法原理（全文）](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1522748336680) |\n## 陌陌\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [2021 年 7 月底，“陌陌”推荐算法 5 道面试题分享！](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1631724273373) |\n| 2 | [陌陌 \\| 模型化召回在陌陌社交推荐的应用和探索](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1616288051476) |\n| 3 | [陌陌直播如何做到推荐系统的从 0 到 1](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1606441552856) |\n## 货拉拉\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [货拉拉用户埋点体系建设实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1701599142006) |\n| 2 | [货拉拉全链路监控体系的落地与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1677916801200) |\n## 去哪儿网\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [单机吞吐提升 100%，响应时间降低 50%：去哪儿网酒店高性能业务网关优化实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1681143994174) |\n| 2 | [去哪儿旅行混沌工程落地实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1655394520554) |\n| 3 | [去哪儿网｜国内酒店交易 DDD 应用与实践——代码篇](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1652458167227) |\n| 4 | [去哪儿网｜国内酒店交易 DDD 应用与实践——理论篇](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1652457838293) |\n| 5 | [去哪儿网 \\| 机票报价高并发实施的关键路径](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1646649286816) |\n| 6 | [去哪儿网 BI 平台建设演进与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1638225482766) |\n| 7 | [去哪儿网库存搜索在高并发场景下的探索](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1630543554354) |\n| 8 | [去哪儿网数据同步平台技术演进与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1629110434867) |\n| 9 | [去哪儿网 \\| Lucene 倒排索引原理](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1627091326793) |\n| 10 | [去哪儿网 \\| 深度学习在酒店售后智能问答场景实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1610455372660) |\n## vivo\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [vivo 大模型从训练到产品落地的最佳实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1708511711574) |\n| 2 | [分支路径图调度框架在 vivo 效果广告业务的落地实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1679623769756) |\n| 3 | [vivo \\| 解密游戏推荐系统的建设之路](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1677084451965) |\n| 4 | [异构混排在 vivo 互联网的技术实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1670421470015) |\n| 5 | [vivo 霍金实验平台设计与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1668691450480) |\n| 6 | [vivo 技术｜在推荐业务中如何用 MPS 提高 GPU 利用率？](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1667486265744) |\n| 7 | [vivo 互联网机器学习平台的建设与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1665411062165) |\n| 8 | [vivo 前端智能化实践：机器学习在自动网页布局中的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1661432366753) |\n| 9 | [vivo \\| 推荐系统 - 协同过滤在 Spark 中的实现](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1658327696663) |\n| 10 | [vivo 技术｜Elasticsearch 在地理信息空间索引的探索和演进](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1655907055589) |\n| 11 | [vivo 推荐中台升级路：机器成本节约 75%，迭代周期低至分钟级](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1655033262282) |\n| 12 | [vivo 短视频推荐去重服务的设计实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1648768215642) |\n| 13 | [Redis 在 vivo 推送平台的应用与优化实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1644883277577) |\n| 14 | [vivo 推送平台架构演进](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1642115895238) |\n| 15 | [vivo 敏感词匹配系统的设计与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1638408722035) |\n| 16 | [从技术到体验：vivo 机器翻译落地实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1633619422850) |\n| 17 | [vivo 2022 届提前批数据挖掘 面试题 \\| 文末免费送书](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1627406355143) |\n| 18 | [vivo \\| 深度解析 Lucene 轻量级全文索引实现原理](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1626313129578) |\n| 19 | [2021 年 6 月份：vivo 推荐算法工程师一面 · 5 道题 \\| 福利](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1625314187451) |\n| 20 | [vivo 应用商店推荐系统探索与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1616117382897) |\n| 21 | [vivo 技术 \\| 分布式搜索引擎 Elasticsearch 的架构分析](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1606441157938) |\n\n## 美团\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [【JD】美团平台推荐引擎 Java 研发工程师](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1694927285732) |\n| 2 | [美团是如何进行指标管理的？](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1681628442948) |\n| 3 | [美团在预训练语言模型上的探索和实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1681621552327) |\n| 4 | [美团酒旅图谱构建及应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1679292632275) |\n| 5 | [美团｜交互式推荐在外卖场景的探索与应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1676567215092) |\n| 6 | [美团外卖推荐智能流量分发的实践与探索](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1670506205377) |\n| 7 | [大规模异构图召回在美团到店推荐广告的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1669292088314) |\n| 8 | [美团外卖搜索基于 Elasticsearch 的优化实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1668688185539) |\n| 9 | [美团图灵机器学习平台性能起飞的秘密（一）](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1668085628389) |\n| 10 | [检索式对话系统在美团客服场景的探索与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1667530941124) |\n| 11 | [​美团关于 Apache Doris 存储层向量化改造的设计与实现](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1666874991171) |\n| 12 | [预训练语言模型压缩、双塔蒸馏在美团上的落地实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1665409968489) |\n| 13 | [知识图谱在美团搜索酒旅场景认知中的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1664520291651) |\n| 14 | [美团基于知识图谱的个性化新闻推荐系统](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1664086122995) |\n| 15 | [知识图谱在美团推荐场景中的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1663913783950) |\n| 16 | [图技术在美团外卖下的场景化应用及探索](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1662693836473) |\n| 17 | [美团搜索粗排优化的探索与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1660225427073) |\n| 18 | [Kafka 在美团数据平台的实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1659623489985) |\n| 19 | [美团大众点评搜索相关性技术探索与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1657116010069) |\n| 20 | [美团外卖广告大规模深度学习模型工程实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1657114335177) |\n| 21 | [美团综合业务推荐系统的质量模型及实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1656000342700) |\n| 22 | [张鸿志：美团大脑百亿级知识图谱的构建及应用进展](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1654268173987) |\n| 23 | [美团大脑中的商品理解与样本治理](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1652459085275) |\n| 24 | [美团 \\| 标准化思想及组装式架构在后端 BFF 中的实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1651177599302) |\n| 25 | [李翔：美团到店综合知识图谱的构建与应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1649203601235) |\n| 26 | [异构广告混排在美团到店业务的探索与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1646950622315) |\n| 27 | [GPU 在美团外卖场景精排模型预估中的应用实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1646351901765) |\n| 28 | [美团外卖广告平台化的探索与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1646351707722) |\n| 29 | [干货 \\| 美团搜索中查询改写技术的探索与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1645745968583) |\n| 30 | [美团 Flink 大作业部署与状态稳定性优化实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1645722768596) |\n| 31 | [赵海源：峰值超 2 亿 \u002F 秒，Kafka 在美团数据平台的实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1643750362429) |\n| 32 | [陈胜：美团搜索排序实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1643043366024) |\n| 33 | [汤楚熙：美团实时数仓架构演进与建设实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1642115390824) |\n| 34 | [美团 \\| 预训练技术在美团到店搜索广告中的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1638494351400) |\n| 35 | [美团搜索多业务商品排序探索与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1637283563102) |\n| 36 | [美团知识图谱问答技术实践与探索](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1636078655771) |\n| 37 | [美团基于知识图谱的剧本杀标准化建设与应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1635461486333) |\n| 38 | [情感分析技术在美团的探索与应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1634856459132) |\n| 39 | [开奖了 \\| 揭秘 2022 届美团和腾讯校招薪资，香水团完全不输鹅厂！](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1634478955073) |\n| 40 | [美团 \\| 广告深度预估技术在美团到店场景下的突破与畅想](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1634256290321) |\n| 41 | [美团 \\| 新一代 CTR 预测服务的 GPU 优化实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1631833358134) |\n| 42 | [美团智能客服技术实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1630675971284) |\n| 43 | [美团商品知识图谱的构建及应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1627834034798) |\n| 44 | [美团本地生活综合性需求知识图谱的构建及应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1626394493834) |\n| 45 | [多业务建模在美团搜索排序中的实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1625786203556) |\n| 46 | [美团外卖美食知识图谱的迭代及应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1622242677436) |\n| 47 | [美团图灵算法平台在线服务体系的演进与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1620953167502) |\n| 48 | [Query 理解在美团搜索中的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1620422043350) |\n| 49 | [美团图数据库平台建设及业务实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1618955928414) |\n| 50 | [美团酒旅数据治理实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1614352231236) |\n| 51 | [美团配送实时特征平台建设实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1610400281543) |\n| 52 | [美团智能问答技术探索与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1608634818386) |\n| 53 | [美团本地生活场景的短视频分析](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1606090402535) |\n| 54 | [美团智能搜索模型预估框架 Augur 的建设与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1603629168358) |\n| 55 | [美团外卖实时数仓建设实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1602549780101) |\n| 56 | [前沿重器 [2] \\| 美团搜索理解和召回](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1600566222359) |\n| 57 | [【社招】美团点评 Java 开发工程师](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1597748818723) |\n| 58 | [美团搜索中 NER 技术的探索与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1595549645074) |\n| 59 | [美团点评 \\| 智能搜索模型预估框架的建设与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1594941286899) |\n| 60 | [BERT 在美团搜索核心排序的探索和实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1594329514092) |\n| 61 | [美团配送 A\u002FB 评估体系建设与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1590713207541) |\n| 62 | [超强整理，非科班硕士的算法面经 (阿里 腾讯 字节 美团)](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1589071073376) |\n| 63 | [Java 线程池实现原理及其在美团业务中的实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1585850010612) |\n| 64 | [美团一站式机器学习平台建设实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1581320124242) |\n| 65 | [美团点评效果广告实验配置平台的设计与实现](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1575352029629) |\n| 66 | [美团点评 Kubernetes 集群管理实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1574928440098) |\n| 67 | [美团配送交付时间轻量级预估实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1571121996334) |\n| 68 | [头条，美团，滴滴，京东及其它公司面试经验分享！](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1569160784677) |\n| 69 | [《美团机器学习实践》—— 思维导图](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1550074429084) |\n| 70 | [美团深度学习在搜索业务中的探索与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1547131939647) |\n| 71 | [【美团】LruCache 在美团 DSP 系统中的应用演进](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1545317989899) |\n| 72 | [【美团】深入浅出排序学习：写给程序员的算法系统开发实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1545317747570) |\n| 73 | [机器学习在美团配送系统的实践：用技术还原真实世界](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1544864657295) |\n| 74 | [美团大脑：知识图谱的建模方法及其应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1542188759508) |\n| 75 | [美团深度学习系统的工程实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1540469168580) |\n| 76 | [【AIQ】梁宁万字长文：美团的破局与开局](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1537525881642) |\n| 77 | [美团上市，开盘涨 5.7%，市值超京东！与阿里的交锋再升级](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1537427490660) |\n| 78 | [独家揭秘！2.5 亿用户的美团智能推荐平台是如何构建的？](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1535728178473) |\n| 79 | [美团在 O2O 场景下的广告营销](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1534504164016) |\n| 80 | [美团 \\| 写给工程师的十条精进原则](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1534504104496) |\n| 81 | [美团点评 - 深度学习在计算机视觉中的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1530374711602) |\n| 82 | [深度学习在美团搜索广告排序的应用实践是怎么样的？](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1530373055739) |\n\n## 携程\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [干货 \\| 浅谈携程大住宿研发效能提升实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1670579912219) |\n| 2 | [干货 \\| 深度学习在携程搜索词义解析中的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1668071454853) |\n| 3 | [干货 \\| 携程因果推断在项目价值评估中的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1665662868092) |\n| 4 | [干货 \\| 携程搜索基于 CNN 的新词发现算法](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1665662220461) |\n| 5 | [干货 \\| 携程实体链接技术的探索及实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1657362177360) |\n| 6 | [干货 \\| 百亿节点，毫秒级延迟，携程金融基于 nebula 的大规模图应用实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1657360619214) |\n| 7 | [曹东：携程日志系统索引构建之路](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1656000694524) |\n| 8 | [携程 \\| 上百个业务场景，语义匹配技术在携程智能客服中的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1641513425523) |\n| 9 | [干货 \\| 携程 AI 推理性能的自动化优化实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1631834682730) |\n| 10 | [干货 \\| 携程酒店推荐模型优化](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1618010432289) |\n| 11 | [携程技术 \\| 时间序列预测的常见方法及思考](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1608410498309) |\n| 12 | [携程 \\| “深耕内容”背景下，携程如何做景酒优质内容的挖掘](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1607627782758) |\n| 13 | [干货 \\| 携程 Elasticsearch 数据同步实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1604599208289) |\n| 14 | [携程 \\| 机器学习模型在携程海外酒店推荐场景中的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1604533652066) |\n| 15 | [携程 \\| 响应速度与智能化如何平衡，携程酒店搜索系统实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1604530710213) |\n| 16 | [携程 \\| 用户画像在携程商旅的实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1604530409834) |\n| 17 | [携程技术 \\| 为什么我们要从 Elasticsearch 迁移到 ClickHouse？](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1602549388435) |\n| 18 | [干货 \\| 查询耗时降低 2\u002F3，携程度假搜索引擎架构优化](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1593723900741) |\n| 19 | [携程实时智能检测平台实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1581320019169) |\n| 20 | [携程金融大数据风控算法实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1555856447226) |\n## 唯品会\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [唯品会：在 Flink 容器化与平台化上的建设实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1624402299325) |\n## 华为\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [华为｜联邦学习在广告行业上的探索及应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1661848974049) |\n| 2 | [华为史佳欣：基于知识图谱的复杂问题推理问答](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1653827147921) |\n| 3 | [华为朱杰明：预训练模型在信息流推荐中的应用与探索](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1653715398604) |\n| 4 | [华为云苏嘉：如何整合预训练模型和知识图谱做医疗推理？](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1638494486035) |\n| 5 | [华为云细粒度文本情感分析及应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1614383585667) |\n## 360\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [360 数科｜基于沉淀数据的尾部流量建模方法](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1672735030249) |\n| 2 | [万亿数据秒级响应，Doris 在 360 数科实时数仓中的最佳实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1669614719587) |\n| 3 | [融 360 金融风控系统开发实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1631225280655) |\n| 4 | [2022 届 360 校招提前批推荐算法面试题总结](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1628276420249) |\n| 5 | [融 360 \\| 智能风控模型的自动化迭代](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1625664740686) |\n| 6 | [360 展示广告智能化演进](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1604192697376) |\n| 7 | [360 展示广告召回系统的演进](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1571971895488) |\n| 8 | [360 搜索的百亿级网页搜索引擎架构实现](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1565759838842) |\n| 9 | [深度学习在 360 搜索广告 NLP 任务中的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1563534203590) |\n## 神策数据\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [神策数据营销策略引擎的技术演进](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1667879312834) |\n| 2 | [神策数据 \\| 从技术视角看什么才是值得拥有的 A\u002FB 测试？](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1632793691807) |\n| 3 | [干货篇 \\| 神策数据：机器学习在用户画像中的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1618917659814) |\n| 4 | [用户画像实践：神策数据标签生产引擎架构](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1600384604366) |\n## 哔哩哔哩\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [Trino 在哔哩哔哩湖仓一体化平台中的实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1695786346052) |\n| 2 | [哔哩哔哩｜游戏中心个性化推荐系统实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1690272134493) |\n| 3 | [哔哩哔哩数据服务中台建设实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1688377832991) |\n| 4 | [B 站数据服务中台建设实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1672026069255) |\n| 5 | [哔哩哔哩｜推荐算法在用例排序优化上的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1671626902722) |\n| 6 | [Apache Flink 运行时在 B 站的稳定性优化与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1669864686624) |\n| 7 | [哔哩哔哩｜百亿数据个性化推荐：弹幕工程架构演进](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1669350720155) |\n| 8 | [B 站大数据建设之路—数据开发篇](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1669284894820) |\n## 爱奇艺\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [爱奇艺数据链路治理](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1688378659784) |\n| 2 | [Apache Kyuubi 在爱奇艺的实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1687007840943) |\n| 3 | [爱奇艺数据湖平台建设实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1686133211980) |\n| 4 | [爱奇艺统一实时计算平台建设](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1677689285799) |\n| 5 | [爱奇艺数据湖实战](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1675516126478) |\n| 6 | [猎户座 - 持续打造爱奇艺在用户画像之上的策略引擎！](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1649074601057) |\n| 7 | [爱奇艺智能内容中台｜无人值守的应用与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1637958668987) |\n| 8 | [通用排序框架在爱奇艺推荐的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1636720506676) |\n| 9 | [爱奇艺 TensorFlow Serving 内存泄漏优化实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1632697545247) |\n| 10 | [如何支持亿级用户分流实验？AB 实验平台在爱奇艺的实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1630073648836) |\n| 11 | [万物皆为向量：爱奇艺在线向量召回工程服务化实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1629469017765) |\n| 12 | [Flink 在爱奇艺广告业务的实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1628447652193) |\n| 13 | [爱奇艺搜索排序算法实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1628288752070) |\n| 14 | [爱奇艺娱乐行业完备的知识图谱库落地实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1627689023891) |\n| 15 | [丰富 TF Serving 生态，爱奇艺开源灵活高性能的推理系统 XGBoost Serving](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1627091893598) |\n| 16 | [爱奇艺多语言台词机器翻译技术实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1625844999513) |\n| 17 | [多目标排序在爱奇艺短视频推荐中的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1624916831286) |\n| 18 | [爱奇艺短视频推荐：多兴趣召回篇](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1621123836297) |\n| 19 | [kaggle 爱奇艺视频版权检测全流程（附代码、数据集和课件）](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1618503490727) |\n| 20 | [爱奇艺数据中台的建设实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1618011810715) |\n| 21 | [支持频繁更新、即席查询：ClickHouse 在爱奇艺视频生产的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1618010679357) |\n| 22 | [爱奇艺视频推荐领域的 ANN 检索实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1617925964976) |\n| 23 | [爱奇艺大数据生态的实时数仓建设](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1617062552612) |\n| 24 | [爱奇艺短视频推荐：粗排篇](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1614422394959) |\n| 25 | [爱奇艺数仓平台建设实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1608412224358) |\n| 26 | [爱奇艺机器学习平台的建设实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1607644866535) |\n| 27 | [基于 Apache Flink 的爱奇艺实时计算平台建设实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1595550476879) |\n| 28 | [i 技术会 \\| 爱奇艺效果广告探索与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1586708957622) |\n| 29 | [让 AI“读懂”短视频，爱奇艺内容标签技术解析](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1583079469781) |\n| 30 | [个性化海报在爱奇艺视频推荐场景中的实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1578051599330) |\n| 31 | [在线学习在爱奇艺信息流推荐业务中的探索与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1574147863075) |\n| 32 | [爱奇艺效果广告的个性化探索与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1571312686403) |\n| 33 | [AI 在爱奇艺视频广告中的探索](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1568791882275) |\n| 34 | [爱奇艺短视频软色情识别技术解析](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1551150755371) |\n| 35 | [「回顾」爱奇艺搜索排序模型迭代之路](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1545838182882) |\n## 大疆\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [写在博士旅程之前——前大疆创新技术总监杨硕](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1535425620363) |\n## 新浪\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [内容理解在新浪微博广告中的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1592002116244) |\n## 搜狗\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [「回顾」深度学习新技术在搜狗搜索广告中的深化应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1548405118595) |\n\n## 搜狐\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [【搜狐】新闻推荐系统的 CTR 预估模型](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1555562786886) |\n| 2 | [搜狐新闻推荐算法原理 \\| “呈现给你的，都是你所关心的”](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1536211854979) |\n## 小红书\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [小红书应对万亿社交网络关系的图存储实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1703676341466) |\n| 2 | [小红书推搜场景下如何优化机器学习异构硬件推理突破算力瓶颈！](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1701686721505) |\n| 3 | [小红书基于数据湖的流批统一存储实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1681711494089) |\n| 4 | [小红书高时效推荐系统背后的技术升级](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1679451572481) |\n| 5 | [小红书广告智能创意能力构建过程详解](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1676566788990) |\n| 6 | [小红书社区反作弊探索与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1675613098825) |\n| 7 | [小红书广告投放机制详解，如何用算法实现全站自动化投放](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1672576858765) |\n| 8 | [小红书近线服务统一调度平台建设实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1670557381807) |\n## CVTE\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [2021 年 6 月 9 日，CVTE NLP 算法岗面试题 5 道](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1626982085596) |\n| 2 | [2021 年 6 月，CVTE NLP 算法岗 4 道面试题分享](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1626890696739) |\n## 拼多多\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [2021 年 6 月底，拼多多搜索广告算法暑假实习面试题 2 道](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1627669377448) |\n| 2 | [2021 年 6 月 6 日 -6 月 16 日，拼多多算法面试 8 道](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1625855860892) |\n| 3 | [拼多多创始人黄峥：我的人生经历和创业理念](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1592430562272) |\n| 4 | [拼多多为什么崛起？这是目前解读最深刻的一篇](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1533400629777) |\n| 5 | [拼多多上市，80 后 CEO 创业 3 年身价 800 亿，背后这 3 个字最值得深思](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1532869729257) |\n## 科大讯飞\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [AI 开放平台 - 科大讯飞](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1652181795356) |\n| 2 | [【算法面经系列】百度、寒武纪、科大讯飞、追一科技、腾讯、作业帮算法面经](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1583735744394) |\n## 微众银行\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [微众银行在联邦推荐算法上的探索及应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1591456163075) |\n## 蘑菇街\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [浅谈蘑菇街大数据标签平台](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1612616259776) |\n| 2 | [蘑菇街增量学习番外篇三：deepFM 的动态正则实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1608409617918) |\n| 3 | [蘑菇街增量学习番外篇二：优化器设计理论篇（AdamW、AdaDeltaW、FTRL）](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1608249273073) |\n| 4 | [蘑菇街增量学习番外篇一：动态正则之 tensorflow 中 div 转 mod 设计（含代码实现）](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1608248865078) |\n| 5 | [蘑菇街首页推荐多目标优化之 reweight 实践：一把双刃剑？](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1605050284291) |\n| 6 | [文本相关性在蘑菇街搜索推荐排序系统中的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1604192286943) |\n| 7 | [蘑菇街 DSP 广告实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1602787186172) |\n| 8 | [蘑菇街首页推荐视频流——增量学习与 wide&deepFM 实践（工程 + 算法）](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1599695935343) |\n## 新东方\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [新东方在线教育实时数仓的落地实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1634858018319) |\n## 快手\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [快手数据成本白盒化治理实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1710046203068) |\n| 2 | [快手推荐系统海量模型数据处理实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1708562068179) |\n| 3 | [快手短视频推荐中的因果推断实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1708325761071) |\n| 4 | [深入浅出快手图数据库：看架构如何让推荐召回更高效](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1706521531544) |\n| 5 | [快手关于因果科学及其工业界应用落地](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1703670011695) |\n| 6 | [如何成为好的数据产品经理？-快手数据平台负责人](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1702989322036) |\n| 7 | [快手 Dragonfly 策略引擎的设计与应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1702896931474) |\n| 8 | [快手指标体系的管理驾驶舱场景应用实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1701251105460) |\n| 9 | [快手3D数字人直播互动解决方案](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1700355815551) |\n| 10 | [快手强化学习与多任务推荐](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1699440301242) |\n| 11 | [Flink on K8s在快手的实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1698109231654) |\n| 12 | [快手内容冷启动推荐模型实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1697108121186) |\n| 13 | [Blaze：SparkSQL Native 算子优化在快手的设计与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1684655112016) |\n| 14 | [快手流批一体数据湖构建实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1684130674439) |\n| 15 | [快手增长渠道数据产品实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1680759250464) |\n| 16 | [快手双边市场的复杂实验设计问题](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1678514401484) |\n| 17 | [快手商业化数据产品建设经验](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1678359601840) |\n| 18 | [快手指标中台系列 - 快手指标中台发展史及经验教训](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1675612766523) |\n| 19 | [快手推荐系统精排模型实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1675233759039) |\n| 20 | [基于表征学习的因果推断技术在快手的实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1674628506319) |\n| 21 | [快手分布式高性能图平台 KGraph 及其应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1674627459316) |\n| 22 | [快手异质性因果效应模型构建及应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1667044053579) |\n| 23 | [快手端智能—移动端部署推荐系统：快手获数据挖掘顶会 CIKM 2022 最佳论文](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1666358567268) |\n| 24 | [快手单机千万 QPS 的分布式图数据库 KGraph 的实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1663500281088) |\n| 25 | [「繁星」：快手搜索在向量检索方向的探索和实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1663498700156) |\n| 26 | [Flink 引擎在快手的深度优化与生产实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1657360082522) |\n| 27 | [宛言：爆款素材识别在快手的应用与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1657116210341) |\n| 28 | [快手牛亚男：基于多 Domain 多任务学习框架和 Transformer，搭建快手精排模型](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1654101558810) |\n| 29 | [罗清：对比学习在快手推荐排序的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1653712690576) |\n| 30 | [渠江涛：重排序在快手短视频推荐系统中的演进](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1644883063745) |\n| 31 | [快手基于 Flink 构建实时数仓场景化实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1630198378731) |\n| 32 | [快手基于 Flink 的实时计算持续优化与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1614731672830) |\n| 33 | [Flink 在快手的实践与创新](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1613168983154) |\n| 34 | [快手 \\| 端上智能在快手上下滑推荐取得 APP 时长 +1% 的应用实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1607458709963) |\n| 35 | [快手 HBase 在千亿级用户特征数据分析中的应用与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1563816249571) |\n| 36 | [快手万亿级别 Kafka 集群应用实践与技术演进之路](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1558077716919) |\n| 37 | [AIQ - AI \\| 快手 AI 技术副总裁郑文：为什么说 AI 是短视频平台的核心能力](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1532522291362) |\n\n## 小米\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [小米 OLAP 引擎在 Trino 的应用实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1709201451791) |\n| 2 | [小米数据生产平台的产品设计方法与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1701866141364) |\n| 3 | [小米指标体系的建设及管理最佳实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1701169233772) |\n| 4 | [小米数据中台建设实践赋能业务增长](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1700045111985) |\n| 5 | [小米数据开发平台架构实践——数据开发的生产环境隔离](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1689326702023) |\n| 6 | [数据湖 Iceberg 在小米的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1688027706366) |\n| 7 | [小米大数据存储服务的数据治理实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1676784093020) |\n| 8 | [小米电商推荐算法 CVR 模型实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1670428451105) |\n| 9 | [干货 \\| 小米 A\u002FB 实验场景查询提速：数据预聚合方案](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1669863822888) |\n| 10 | [BI 平台在小米的实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1669187231913) |\n| 11 | [NLP 技术在小米语音助手中的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1668957690145) |\n| 12 | [干货 \\| CTR 预估技术在小米海外广告的探索与应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1668689352788) |\n| 13 | [图谱问答在小米小爱中的实践探索](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1663743157596) |\n| 14 | [Apache Flink 在小米的稳定性优化和实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1663339170413) |\n| 15 | [Flink 流批一体在小米的实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1650413489842) |\n| 16 | [崔世起：小米小爱同学无效 Query 识别](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1647822608206) |\n| 17 | [小米在知识表示学习的探索与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1625104157237) |\n| 18 | [知识图谱在小米的应用与探索](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1605447622411) |\n| 19 | [基于 Apache Doris 的小米增长分析平台实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1602420868165) |\n| 20 | [小米移动搜索中的 AI 技术](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1558597039005) |\n| 21 | [雷军：小米创业 8 年内部影像首次公开 看完我心里边都是一团火](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1532870252757) |\n| 22 | [AIQ - 深度 \\| 市值 465 亿美元的小米八年往事](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1531226827263) |\n## 金山\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [网络安全就是金山银山，你的企业做到了吗？](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1664428852700) |\n## Hulu\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [Hulu 在 Content Embedding 的探索与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1611957527221) |\n## 优酷\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [万字长文 \\| 详解优酷视频质量评价体系](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1617926511225) |\n| 2 | [阿里 \\| 优酷大数据 OLAP 技术选型](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1606261598965) |\n| 3 | [优酷提出基于图执行引擎的算法服务框架，系统架构概览](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1597963956231) |\n| 4 | [优酷视频元素内容召回系统：多级多模态引擎探索](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1594262153836) |\n| 5 | [阿里文娱优酷视频搜索算法应用实践与思考](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1587427764655) |\n| 6 | [优酷 DSP 广告投放系统架构实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1575911166898) |\n## eBay\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [\"亿\"论 AI 之四 \\| eBay 离线特征仓库的构建与应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1666926365105) |\n| 2 | [\"亿\"论 AI ｜eBay 统一在线特征服务](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1665729282419) |\n| 3 | [\"亿\"论 AI ｜eBay 近实时特征工程](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1664519275746) |\n| 4 | [\"亿\"论 AI｜基于中心化元数据及配置驱动的 eBay AI 特征工程管理平台](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1663338411775) |\n| 5 | [eBay \\| 图神经网络在支付风控中的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1626394899555) |\n| 6 | [eBay \\| 亿展宏图 第二篇 \\| 图算法在 eBay 支付风控领域的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1624800419787) |\n| 7 | [eBay \\| 亿展宏图 第一篇— 两张图入门图算法](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1624052925752) |\n## 虎牙\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [虎牙平台数据驱动业务实践，破局在即！](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1702030211978) |\n| 2 | [虎牙“数据服务+自助”产品化实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1677754801102) |\n| 3 | [虎牙直播用户增长中台算法与工程实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1661955836992) |\n| 4 | [虎牙大数据平台的成本把控和 SLA 技术实践经验](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1660220006397) |\n| 5 | [张枫：计算机视觉技术在虎牙直播中的实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1657949363566) |\n| 6 | [虎牙 \\| 刘柏芳：弹性分布式训练在虎牙的实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1651105483689) |\n| 7 | [陈剑：虎牙实时计算平台服务的 SLA 之路](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1650206141534) |\n| 8 | [李茶：虎牙直播推荐系统架构详解](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1646267319366) |\n| 9 | [无监督算法在虎牙风控的探索实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1632001022244) |\n## 字节跳动\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [字节跳动数据集成引擎 BitSail 开源架构演进和实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1708427470969) |\n| 2 | [字节跳动A\u002FB测试最佳实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1681380622197) |\n| 3 | [Presto 在字节跳动的实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1679307022905) |\n| 4 | [字节跳动极高可用 KV 存储系统详解](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1678875051815) |\n| 5 | [字节跳动数据血缘技术实现与具体用例](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1677391201082) |\n| 6 | [字节跳动湖平台在批计算和特征场景的实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1677084749165) |\n| 7 | [字节跳动一站式数据治理思考及实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1671014968331) |\n| 8 | [字节跳动下一代 A\u002FB 实验系统思考](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1669615433139) |\n| 9 | [字节跳动数据中台的 Data Catalog 系统搜索实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1669013131069) |\n| 10 | [深度解析字节跳动开源数据集成引擎 BitSail](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1667717335635) |\n| 11 | [字节跳动流式数仓和实时分析服务的思考和实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1666165682401) |\n| 12 | [字节跳动｜初探自然语言预训练技术演进之路](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1664282722750) |\n| 13 | [字节跳动｜自研万亿级图数据库 ByteGraph 及其应用与挑战](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1662301908875) |\n| 14 | [字节跳动｜数据血缘图谱升级方案设计与实现](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1660890321972) |\n| 15 | [刘石伟：字节跳动埋点数据流建设与治理实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1657080263743) |\n| 16 | [字节跳动｜智能问答：基于 BERT 的语义模型](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1654531453879) |\n| 17 | [实时数据湖在字节跳动的实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1653724594892) |\n| 18 | [【干货篇】字节跳动：文本归一化与中文纠错](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1653674012600) |\n| 19 | [辛涛：字节跳动机器学习系统云原生落地实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1645392079866) |\n| 20 | [字节跳动 \\| 无人测试流水线建设之业务实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1643750967852) |\n| 21 | [2021 年 9 月底 -- 字节跳动 NLP 岗位（抖音）面试题分享](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1636137934383) |\n| 22 | [字节跳动是怎么做全链路压测的？](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1632794968855) |\n| 23 | [字节跳动全链路压测 (Rhino) 的实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1608565990587) |\n| 24 | [字节跳动 Flink 单点恢复功能实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1600725721301) |\n| 25 | [字节跳动—实习算法面经](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1589371907339) |\n| 26 | [字节跳动混沌工程实践总结](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1588002031057) |\n| 27 | [字节跳动核心竞争力到底是什么？](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1586245872683) |\n| 28 | [字节跳动自研万亿级图数据库 & 图计算实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1583079309385) |\n| 29 | [除了抖音和头条，字节跳动的 AI 实力有多强？](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1542889661894) |\n## 汽车之家\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [基于 Milvus 的向量检索平台实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1671337409850) |\n| 2 | [汽车之家 \\| 广告内容自动化投放的技术思考和方案](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1667399953849) |\n| 3 | [汽车之家｜面向推荐的汽车知识图谱构建](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1660275230621) |\n| 4 | [汽车之家推荐系统架构迭代之路](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1655983346605) |\n| 5 | [汽车之家推荐系统 AB 实验平台](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1648169446197) |\n| 6 | [汽车之家基于 Flink 的实时计算平台 3.0 建设实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1646950810964) |\n| 7 | [Apache Flink 在汽车之家的应用与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1632793503228) |\n| 8 | [汽车之家离线计算平台建设实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1630369089310) |\n| 9 | [汽车之家湖仓一体架构实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1625965149198) |\n| 10 | [汽车之家电商平台秒杀系统架构实现](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1597241245886) |\n| 11 | [汽车之家机器学习平台的架构与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1593651385422) |\n| 12 | [汽车之家如何构建用户画像](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1588868535230) |\n| 13 | [汽车之家推荐系统排序算法迭代之路](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1582903309416) |\n\n## 腾讯\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [腾讯音乐在音质 AIGC 的应用与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1710119111536) |\n| 2 | [腾讯金融 AI 开发平台落地实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1708858257401) |\n| 3 | [AB实验「坑」贼多？腾讯搜索实验有妙招！](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1706868331800) |\n| 4 | [腾讯数据采集治理之质量篇-从合规到合理](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1706532921516) |\n| 5 | [腾讯(大禹投放平台)用户LTV建模技术研究和实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1703758811308) |\n| 6 | [腾讯欧拉平台产品经理：如何做一款好的数据平台？](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1703756015737) |\n| 7 | [腾讯TRS在线搜参在搜推广业务中的探索和实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1700960451525) |\n| 8 | [腾讯 PCG 数据治理体系](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1700736322144) |\n| 9 | [腾讯欧拉t-Metric指标中台实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1697850216764) |\n| 10 | [AB实验在腾讯海外游戏中的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1689590712045) |\n| 11 | [腾讯大数据平台大脑AI探索与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1689326765276) |\n| 12 | [腾讯TRS之元学习与跨域推荐的工业实战](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1689069975558) |\n| 13 | [OneRec系列之知识图谱增强的腾讯视频推荐算法](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1687623911502) |\n| 14 | [腾讯欧拉如何打造数据自治系统](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1686624632380) |\n| 15 | [因果推断在腾讯 PCG 中台的落地实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1684051435058) |\n| 16 | [数据科学在腾讯内容生态中的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1683541801343) |\n| 17 | [腾讯内容生态实时信号系统实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1683180351333) |\n| 18 | [腾讯天穹 SuperSQL：统一大数据自适应计算平台技术解析](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1681985132899) |\n| 19 | [腾讯如何用因果推断扩大游戏帝国海外版图？](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1680826832384) |\n| 20 | [深度 UPLIFT 模型在腾讯金融用户增长场景中的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1679637932425) |\n| 21 | [腾讯数据平台 saas 化实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1678532401865) |\n| 22 | [腾讯自研机器学习平台“太极”八年进化之路](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1677688581518) |\n| 23 | [微信全文搜索耗时降 94%？我们用了这种方案](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1676909300095) |\n| 24 | [腾讯广告模型基于\"太极\"的训练成本优化实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1676810973616) |\n| 25 | [腾讯Alluxio（DOP）在金融场景的落地与优化实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1676810486698) |\n| 26 | [腾讯智能写作助手“文涌”（Effidit）关键技术揭秘](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1676809138032) |\n| 27 | [腾讯文本理解系统 TexSmart 中的细粒度实体识别关键技术](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1676784387721) |\n| 28 | [​广告场景下双边市场的实验设计](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1676213536875) |\n| 29 | [微信搜一搜在线检索技术演进复盘](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1676093095035) |\n| 30 | [腾讯灯塔融合引擎的设计与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1675512908988) |\n| 31 | [腾讯数据治理技术实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1675250605564) |\n| 32 | [腾讯技术｜如何开发一个 Feeds 流系统——写扩散模式](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1670156963186) |\n| 33 | [腾讯内容千亿级实时计算和规则引擎实践优化之路](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1668481851325) |\n| 34 | [腾讯 Angel Graph 图计算框架在智能风控中的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1666940589826) |\n| 35 | [Flink 在腾讯的使用与稳定性优化实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1665409421592) |\n| 36 | [腾讯 QQ 浏览器搜索场景下的智能实体推荐](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1664170614055) |\n| 37 | [腾讯大数据协同中的隐私与可靠性保护—TEE 上的分布式计算实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1663339560996) |\n| 38 | [腾讯音乐评论审核、分类与排序算法技术](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1662704909919) |\n| 39 | [腾讯技术｜深度模型推理加速的术与道](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1662281420188) |\n| 40 | [腾讯百亿级大规模内容处理中台实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1661957465389) |\n| 41 | [腾讯云实现时序搜索引擎：日志检索性能提升 40 倍](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1661525190121) |\n| 42 | [腾讯技术｜吴喆：全民 K 歌直播推荐系统详解](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1661168962310) |\n| 43 | [腾讯技术｜消息队列基本原理和选型对比](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1660704780716) |\n| 44 | [腾讯 PCG 数据中台 DEVOPS 和 AIOPS 实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1659538474593) |\n| 45 | [腾讯音乐栾鹏：cube-studio 开源一站式云原生机器学习平台](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1659103862965) |\n| 46 | [腾讯音乐的新一代歌曲识别技术](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1657948926437) |\n| 47 | [无量深度学习系统在腾讯推荐类业务的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1657359666585) |\n| 48 | [杨韬：微信搜一搜中的智能问答技术](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1655535180223) |\n| 49 | [腾讯信息流亿级相似视频识别技术架构优化实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1655440520457) |\n| 50 | [罗强：腾讯新闻如何处理海量商业化数据？](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1654103180154) |\n| 51 | [李晓亮：腾讯搜索词推荐算法探索实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1652634100366) |\n| 52 | [腾讯技术 \\| 后台自动化测试与持续部署实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1650412336148) |\n| 53 | [腾讯技术 \\| 超强指南！推荐算法架构——重排](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1649379778560) |\n| 54 | [腾讯技术 ｜ 深入解读腾讯云微搭低代码的技术架构！](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1647651607100) |\n| 55 | [腾讯技术｜微信全文搜索技术优化实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1647293789632) |\n| 56 | [腾讯音乐 \\| QQ 音乐命名实体识别技术](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1646431229793) |\n| 57 | [腾讯音乐知识图谱搜索实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1644176692457) |\n| 58 | [杨宇鸿：腾讯多模态内容理解技术及应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1643044522608) |\n| 59 | [腾讯音乐多模态音乐匹配技术与应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1642284119123) |\n| 60 | [实时性提升 4000 倍？图数据库在腾讯业务中的应用实践！](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1640649431707) |\n| 61 | [腾讯技术 \\| 微信图片翻译技术优化之路](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1640457596841) |\n| 62 | [腾讯技术 \\| Al 与推荐技术在腾讯 QQ 浏览器的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1638795882220) |\n| 63 | [腾讯 \\| 互联网知识图谱的构建及应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1638144329101) |\n| 64 | [腾讯金融研究院 \\| 寻找最优数字规则框架](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1635462257528) |\n| 65 | [兴趣搜索在腾讯看点的探索与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1634927714018) |\n| 66 | [腾讯 CTR 建模过程中的实践总结](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1634679557947) |\n| 67 | [开奖了 \\| 揭秘 2022 届美团和腾讯校招薪资，香水团完全不输鹅厂！](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1634478955073) |\n| 68 | [腾讯 \\| 智能批改技术实践与探索](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1634258676656) |\n| 69 | [Impala 在腾讯金融大数据场景中的应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1633618484453) |\n| 70 | [腾讯技术 \\| QQ 浏览器智能问答技术探索实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1632697172079) |\n| 71 | [腾讯基于预训练模型的文本内容理解实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1631491601225) |\n| 72 | [腾讯基于兴趣点图谱的内容理解](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1630676224202) |\n| 73 | [2021 年 7 月中旬，腾讯 PGB,NLP 算法面试题 6 道！](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1630347207779) |\n| 74 | [腾讯技术 \\| 揭秘 Feed 信息流推荐背后的系统设计](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1628640265887) |\n| 75 | [腾讯技术 \\| 自动化接口测试实践经验](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1628117222607) |\n| 76 | [腾讯 \\| 布隆过滤器原理与应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1627092207876) |\n| 77 | [2021 年 4 月底，腾讯应用研究岗暑期实习面试题 12 道](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1625509449575) |\n| 78 | [4 月 22 日 -5 月 7 日腾讯 nlp 算法实习面试题](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1621961700187) |\n| 79 | [腾讯企业微信万亿级日志检索系统](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1621470029460) |\n| 80 | [我们和腾讯 T16 级专家聊了聊：在 AI 领域深耕的那些年](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1618954887732) |\n| 81 | [腾讯音乐：全民 K 歌推荐后台架构](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1617404608936) |\n| 82 | [腾讯音乐：全民 K 歌内容挖掘与召回](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1617404077294) |\n| 83 | [腾讯游戏实时计算应用平台建设实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1617147763294) |\n| 84 | [多目标排序模型在腾讯 QQ 看点推荐系统中的应用实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1616884898601) |\n| 85 | [腾讯音乐：全民 K 歌推荐系统架构及粗排设计](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1615248202348) |\n| 86 | [腾讯实时计算平台优化实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1612741120601) |\n| 87 | [腾讯全场景实时数仓建设实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1612218459012) |\n| 88 | [腾讯 \\| 知识图谱补全技术](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1608771620145) |\n| 89 | [腾讯云 Elasticsearch 集群多可用区容灾实现原理及最佳实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1608409908868) |\n| 90 | [腾讯技术 \\| 数据分析利器：XGBoost 算法最佳解析](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1607644635233) |\n| 91 | [腾讯 \\| 大幅降低存储成本，Elasticsearch 可搜索快照是如何办到的？](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1607388245749) |\n| 92 | [腾讯微信 \\| 看一看实时相关推荐，满足你对同主题文章的“意犹未尽”](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1606440697191) |\n| 93 | [腾讯技术 \\| 用万字长文聊一聊 Embedding 技术](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1605749293254) |\n| 94 | [腾讯看点视频推荐索引构建方案](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1605139216813) |\n| 95 | [腾讯 \\| 搜你所想，从 Query 意图识别到类目识别的演变](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1604584483403) |\n| 96 | [腾讯技术 \\| 新一代搜索引擎项目 ZeroSearch 设计探索](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1604358516545) |\n| 97 | [腾讯技术 \\| 交互式分析领域，为何 ClickHouse 能够杀出重围？](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1603414372197) |\n| 98 | [Angel：深度学习在腾讯广告推荐系统中的实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1602848152919) |\n| 99 | [亿级用户，腾讯看点信息流推荐系统的架构挑战](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1601502778776) |\n| 100 | [腾讯 \\| 从零开始了解推荐系统全貌](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1601290232724) |\n| 101 | [腾讯信息流热点挖掘技术实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1600300143698) |\n| 102 | [腾讯 \\| 深度 CTR 预估模型在应用宝推荐系统中的探索](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1599341548357) |\n| 103 | [Embedding 在腾讯应用宝的推荐实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1597886208439) |\n| 104 | [腾讯技术工程 \\| 推荐系统 embedding 技术实践总结](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1593023333222) |\n| 105 | [腾讯万亿级 Elasticsearch 内存效率提升技术解密](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1591454343821) |\n| 106 | [超强整理，非科班硕士的算法面经 (阿里 腾讯 字节 美团)](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1589071073376) |\n| 107 | [【腾讯】揭秘微信 \"看一看\" 是如何为你推荐的](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1585678981266) |\n| 108 | [【算法面经系列】百度、寒武纪、科大讯飞、追一科技、腾讯、作业帮算法面经](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1583735744394) |\n| 109 | [【算法面经系列】头条 + 腾讯 算法工程师面经（NLP 实习）](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1583735561913) |\n| 110 | [腾讯万亿级 Elasticsearch 技术解密](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1578467057645) |\n| 111 | [腾讯信息流内容理解技术实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1575291150675) |\n| 112 | [NIPS2018 \\| 腾讯 AI Lab 入选 20 篇论文，含 2 篇 Spotlight](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1545494829396) |\n| 113 | [每日生产万亿消息数据入库，腾讯如何突破大数据分析架构瓶颈](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1543385235343) |\n| 114 | [腾讯内容平台系统的架构实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1538841729285) |\n| 115 | [【转自知乎】当下（2018 年）腾讯的技术建设是否处于落后同体量公司的状态？](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1538026693169) |\n| 116 | [腾讯联合创始人张志东：发光的人要能拿得起，放得下](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1533400408294) |\n| 117 | [AIQ - AI \\| 32 篇论文、7 大事业群，这是腾讯在斯德哥尔摩的 AI 之夜](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1532182155473) |\n\n## VIPKID\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [VIPKID 一二面面经 (算法工程师)](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1533221758061) |\n## 好未来\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [好未来暑期算法实习面试题 5 道](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1624472047372) |\n| 2 | [5 月 24 日 -5 月 27 日，好未来算法实习岗面试题 8 道](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1623857894301) |\n## 谷歌\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [谷歌终于开源大模型啦！！！](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1709174420780) |\n| 2 | [谷歌deepmind开源Gemma技术报告](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1709020531028) |\n| 3 | [Google 技术 \\| 蓝昶：谷歌分布式机器学习优化实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1647651051914) |\n| 4 | [写给开发者的谷歌技术面试终极通关指南](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1561568669839) |\n| 5 | [谷歌、阿里、微软等 10 大深度学习 CTR 模型最全演化图谱【推荐、广告、搜索领域】](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1557332028652) |\n| 6 | [前员工揭内幕：10 年了，为何谷歌还搞不定知识图谱？](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1551242168499) |\n| 7 | [NLP-BERT 谷歌自然语言处理模型：BERT- 基于 pytorch](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1546409152644) |\n| 8 | [两位拯救谷歌的超级工程师的故事：计算机界最好的结对编程榜样](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1545025674447) |\n## 百度\n| 序号 | 佳作 |\n| --- | --- |\n| 1 | [百度基云原生的推荐系统架构设计实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1708427451810) |\n| 2 | [百度推荐排序技术的思考与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1704698422115) |\n| 3 | [百度视频推荐跨域多目标预估与融合的实践和思考](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1701339351484) |\n| 4 | [多域图大模型在百度推荐系统的实践与思考](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1697537065809) |\n| 5 | [(一文读懂大数据行业）-面向百度商业数据产品的全流程 DataOps 实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1696839903291) |\n| 6 | [百度关于互联互通的思考与实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1682589921499) |\n| 7 | [百度｜精准水位在流批一体数据仓库的探索和实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1679932717568) |\n| 8 | [百度｜从稀疏表征出发、召回方向的前沿探索](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1678778034196) |\n| 9 | [百度基于 GPU 的超大规模离散模型训练框架 PaddleBox 与 FeaBox](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1678605301378) |\n| 10 | [百度文档智能技术与应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1677582000610) |\n| 11 | [飞桨PaddleNLP 设计理念与产业实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1677420000614) |\n| 12 | [度小满自动机器学习平台实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1676783545316) |\n| 13 | [百度 PLATO 在大模型推动的人机交互对话中的实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1674623792593) |\n| 14 | [百度信息流和搜索业务中的弹性近线计算探索与应用](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1673613734517) |\n| 15 | [百度 Feed 稳定性架构实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1673581413481) |\n| 16 | [百度流批一体的实时多维分析实践](https:\u002F\u002Fwww.6aiq.com\u002Farticle\u002F1673188017615) |\n| 17 | [百度云原生 AI","# AI_Tutorial 快速上手指南\n\nAI_Tutorial 并非一个需要编译安装的软件工具，而是一个**持续更新的人工智能技术资源索引库**。它汇集了来自开源项目官网、技术社区（如 InfoQ、Stackoverflow）、大厂技术博客（阿里、腾讯、字节等）以及知名技术公众号的高质量文章与教程。\n\n本指南将帮助你快速访问和利用该资源库。\n\n## 环境准备\n\n本项目主要为文档与链接集合，无复杂的系统依赖，只需具备以下基础环境即可浏览：\n\n* **操作系统**：Windows \u002F macOS \u002F Linux 均可\n* **必备工具**：\n * Web 浏览器（推荐 Chrome, Edge 或 Firefox）\n * Git（可选，用于克隆仓库到本地离线阅读）\n* **网络环境**：建议配置良好的网络连接以访问 GitHub 或知乎专栏链接。\n\n## 安装\u002F获取步骤\n\n你可以通过以下两种方式获取资源：\n\n### 方式一：在线浏览（推荐）\n直接访问官方维护的网站或 GitHub 仓库，内容每日自动更新。\n\n* **官方网站**: [https:\u002F\u002Fwww.6aiq.com](https:\u002F\u002Fwww.6aiq.com)\n* **GitHub 仓库**: [https:\u002F\u002Fgithub.com\u002Fcbamls\u002FAI_Tutorial](https:\u002F\u002Fgithub.com\u002Fcbamls\u002FAI_Tutorial)\n\n### 方式二：本地克隆（适合离线阅读或二次整理）\n如果你希望将资料保存到本地，可以使用 Git 克隆仓库。国内用户建议使用 Gitee 镜像（如有）或通过加速代理克隆，若直接克隆请使用以下命令：\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fcbamls\u002FAI_Tutorial.git\ncd AI_Tutorial\n```\n\n> **提示**：由于仓库主要包含 Markdown 文件和链接，克隆速度通常较快。\n\n## 基本使用\n\n获取资源后，你可以通过以下方式高效利用：\n\n### 1. 查阅最新技术周报\n在仓库根目录或网站的“滚动周报”板块，查看当周精选的大牛笔记和技术文章。\n* **内容示例**：大模型推理框架解析、向量数据库实践、DataOps 治理方案等。\n* **操作**：直接点击列表中的标题链接，跳转至原文（多为知乎专栏或技术博客）进行深度阅读。\n\n### 2. 按领域\u002F作者检索\n利用仓库的目录结构或网站导航，快速定位特定主题：\n* **按大牛笔记查找**：关注特定专家（如李沐、吴恩达、刘聪 NLP、阿里妈妈技术等）的专栏汇总。\n* **按工业案例查找**：查看特定公司（如字节跳动、美团、华为、蚂蚁集团）的技术落地实践。\n* **按技术栈查找**：涵盖机器学习、深度学习、大数据、推荐系统、NLP 等细分领域。\n\n### 3. 跟踪更新\n该项目承诺**每天自动更新**。\n* **GitHub 用户**：点击仓库右上角的 `Watch` 按钮，选择 `All Activity` 或 `Releases` 以接收更新通知。\n* **微信用户**：关注其关联公众号\"AIQ 人工智能社区”或扫描 README 中的二维码获取每日推送。\n\n---\n*注：本资源库旨在打破信息不对称，所有外部链接版权均归原作者所有，仅供学习与交流使用。*","某互联网大厂推荐算法工程师正面临技术选型难题，急需为新一代大模型推荐系统寻找高效的微调方案与推理加速策略。\n\n### 没有 AI_Tutorial 时\n- **信息检索低效**：需要在 GitHub、知乎、InfoQ 及各大厂技术博客间反复切换搜索，耗费数天才能拼凑出零散的技术片段。\n- **内容质量参差不齐**：难以辨别网络文章的理论深度与实战价值，容易陷入过时教程或纯理论综述的误区，缺乏工业界落地参考。\n- **前沿动态滞后**：错过如 vLLM 调度策略、TensorRT-LLM 框架等最新一周内的核心技术解析，导致技术方案起点落后于行业前沿。\n- **知识体系碎片化**：缺乏系统化的资料整理，从数据治理到模型部署的各个击破点无法串联成完整的解决方案闭环。\n\n### 使用 AI_Tutorial 后\n- **一站式聚合获取**：直接查阅每日自动更新的周报，瞬间锁定“大模型微调方案设计”与\"vLLM 源码解析”等高质量实战文章，检索时间从几天缩短至几分钟。\n- **严选工业级实践**：直接获取来自阿里、美团、DataFunTalk 等权威来源的笔记，确保所学内容经过大规模生产环境验证，规避试错成本。\n- **同步全球最前沿**：通过滚动周报即时掌握本周（如 4 月第二周）发布的最新成果，迅速将 Meta 新推荐模型思路或 NVIDIA 最新推理框架纳入技术视野。\n- **构建系统化认知**：依托其分类整理的机器学习、NLP 及系统架构资料，快速建立起从理论推导到工程落地的完整知识地图，辅助决策更从容。\n\nAI_Tutorial 通过消除信息不对称与提升获取效率，让算法工程师能将宝贵精力从“找资料”彻底转向“攻克核心难题”。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fcbamls_AI_Tutorial_f670a375.png","cbamls","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fcbamls_abd66b09.png","https:\u002F\u002Fwww.6aiq.com","美团","望京","88cbam@gmail.com",null,"https:\u002F\u002Fgithub.com\u002Fcbamls",3648,514,"2026-04-01T13:10:24",1,"",{"notes":86,"python":84,"dependencies":87},"该工具（AI_Tutorial）并非可执行的软件或模型代码库，而是一个整理人工智能、机器学习、大数据等技术资料的文章索引和教程集合。其内容主要包含指向知乎文章、技术博客和外部资源的链接列表。因此，该工具本身没有操作系统、GPU、内存、Python 版本或依赖库的运行环境需求。用户只需使用浏览器访问提供的链接或使用 Markdown 阅读器查看文档即可。",[],[35,14],[90,91,92,93,94,95,96,97,98,99,100],"machine-learning","machine-learning-tutorials","elasticsearch","deep-learning-tutorial","deep-neural-networks","search-system","recommender-systems","graph-neural-networks","nlp-machine-learning","artificial-intelligence","artificial-intelligence-algorithms","2026-03-27T02:49:30.150509","2026-04-11T18:29:39.535797",[104,109,114,119,124,128],{"id":105,"question_zh":106,"answer_zh":107,"source_url":108},14704,"网站上的 AI 实时周报或 GitHub 滚动周报无法显示怎么办？","这通常是由于临时故障导致的。维护者已修复该问题，请刷新页面重试。如果您发现知名博主资源缺失，欢迎向项目方举荐。","https:\u002F\u002Fgithub.com\u002Fcbamls\u002FAI_Tutorial\u002Fissues\u002F9",{"id":110,"question_zh":111,"answer_zh":112,"source_url":113},14705,"遇到注册失败（如 Internal 500 Error）或无法通过 GitHub\u002F普通方式注册时该如何解决？","此类注册问题通常已被维护者修复。如果问题仍然存在，建议直接通过邮箱联系项目维护者获取帮助，或尝试使用 GitHub 账号进行注册。","https:\u002F\u002Fgithub.com\u002Fcbamls\u002FAI_Tutorial\u002Fissues\u002F3",{"id":115,"question_zh":116,"answer_zh":117,"source_url":118},14706,"网站界面出现错位或显示异常如何处理？","界面错位通常是前端显示的临时性问题。维护者在收到反馈后通常会迅速修复，如遇此情况请稍后刷新页面或清除浏览器缓存再试。","https:\u002F\u002Fgithub.com\u002Fcbamls\u002FAI_Tutorial\u002Fissues\u002F4",{"id":120,"question_zh":121,"answer_zh":122,"source_url":123},14707,"项目资源内容太丰富，如何更高效地查找和分类？","目前项目采用打标签（Tag）的方式管理资源，因为一篇文章可能属于多个类别，传统分类较难覆盖。建议利用检索功能，即使您使用的词汇（如“检索”）与文章用词（如“搜索”）不同，智能检索也能返回密切相关的内容。","https:\u002F\u002Fgithub.com\u002Fcbamls\u002FAI_Tutorial\u002Fissues\u002F2",{"id":125,"question_zh":126,"answer_zh":127,"source_url":123},14708,"如何提高检索效率以匹配用户表达与知识库文章的差异？","项目致力于优化智能检索，以解决用户查询词与文章表述不一致的问题（例如用户搜“用预训练模型纠正语音识别错误”，而文章标题为“基于 BERT 的 ASR 纠错”）。系统会尽量返回语义密切相关的文章，提升信息获取效率。",{"id":129,"question_zh":130,"answer_zh":131,"source_url":132},14709,"脚本运行出错或功能失效时该怎么办？","如果是实时周报等脚本功能出现问题，维护者通常会在收到反馈后及时修复。请检查最新状态，同时也欢迎向项目推荐更多优质资源或博主以丰富内容。","https:\u002F\u002Fgithub.com\u002Fcbamls\u002FAI_Tutorial\u002Fissues\u002F10",[]]