引言其实最开始推荐系统根本就没召回，直接基于物料池进行排序就行，但是如果物料池变得超大，为了技术和业务发展，每个样本的特征越来越复杂，如果直接精排是没法工程的，所以增加召回，即用更简单的模型更少的特征或者直接规则对候选集快速筛选，减少排序阶段的耗时；同时召回的加入也能...(more)

在当前人工智能的浪潮中，大型语言模型(LLM)无疑已成为炙手可热的焦点。凭借其惊人的语言生成能力，LLM 正在为各行各业带来前所未有的创新机遇。无论是自动问答、内容生成、机器翻译，还是文本摘要和分析等领域，LLM 都展现出了令人兴奋的应用前景。然而，伴随着 LLM 日益广泛的应...(more)

大模型项目，适合通过敏捷方式实施。敏捷项目指的是一种以迭代和增量的方式进行开发的项目管理方法。敏捷项目强调小团队、高灵活性、快速响应客户需求、持续不断地交付价值，希望能够尽早提供客户真正需要的产品。敏捷项目与传统的瀑布式开发相比，更加注重快速响应需求变化，更...(more)

智能化应用如人脸识别、语音识别、文本识别、智能推荐、智能客服、智能风控等已广泛应用于各行各业，这些应用被称为判定式A I 的范畴，通常和特定的业务场景相绑定，因此在使用GPU（ Graphics Processing Unit ）卡的时候也通常各自独立，未考虑业务间GPU共享能力，至多实现vGPU 虚拟...(more)

 1、引言在自然语言处理领域中，预训练模型通常指代的是预训练语言模型。广义上的预训练语言模型可以泛指提前经过大规模数据训练的语言模型，包括早期的以Word2vec、GloVe为代表的静态词向量模型，以及基于上下文建模的CoVe、ELMo等动态词向量模型。在2018年，以GPT和BERT为代...(more)

下篇：自然语言处理——NLP之预训练语言模型BERT（下）1、引言通常来说，在NLP领域的很多场景中模型最后所做的基本上都是一个分类任务，虽然表面上看起来不是。例如：文本蕴含任务其实就是将两个序列拼接在一起，然后预测其所属的类别；基于神经网络的序列生成模型（翻译、文本生成等）本质...(more)

摘要 ：本文旨在对向量数据库的运维进行深入分析，并与传统数据库进行对比，以揭示其在运维方面的差异性。通过详细探讨向量数据库与传统数据库在数据模型、存储结构、查询处理、索引技术等方面的差异，方便理解向量数据库的特点和优势。通过提供一些最佳实践和运维设计策略，帮助...(more)

议题说明：随着数字金融的加速发展，数据安全与隐私保护已经成为金融行业的关键话题。金融行业数据规模大、数据类型多、数字化基础强、市场规模大、客户付费能力强，是大模型应用落地的最优场景之一。在大模型的加持下，金融行业的智能化更强迎来新一轮的创新和加速。对金融机构...(more)