近期大量 AIGC 产品横空出世，可以聊天、写代码、解答难题、写小说，饱受热捧。其技术基座大模型的给力支持，往往伴随着大规模、长时间的 GPU 集群训练任务。这对网络互联底座的性能、可靠性、成本等各方面都提出极致要求。业界主流 GPU 集群网络技术路线是什么？腾讯的解决方案是什么？腾讯工程师何春志将带来最新解读。欢迎阅读。
做了那么多架构，单体架构、SOA 架构和微服务架构，到底该怎么选？ SOA 架构（Service-Oriented Architecture）是指面向服务的架构，是一次具体地、系统性地解决分布式服务主要问题的架构模式。 SOA 的概念最早由 Gartner 公司在 1994 年提出，由于当时的技术水平和市场环境尚不具备真正实施 SOA 的条件，因此当时 SOA 架构并没有被广泛采用。情况直至 2006 年才有所改变：由 IBM、Oracle、SAP 等公司共同成立了 OSOA 联盟（Open Service Oriented Architecture），用于联合制定和推进 SOA 相关行业标准。 伴随着互联网的浪潮，越来越多的企业将业务转移到互联网领域，带动了电子商务的蓬勃发展。为了能够将公司的业务打包成独立的、具有很强伸缩性的基于互联网的服务，人们提出了 Web 服务的概念，这可以说是 SOA 的发端。 在 SOA 架构中，所有组件都是独立自主的，并能为其它组件提供服务。要替换掉系统中的某些部分而不对整个系统造成较大的影响，本是个难题，然而只要维护好系统各模块之间的低耦合
建模对于大家来讲并不陌生，而且建模的方法也有很多，如用例建模、四色建模、事件风暴等，但在日常工作中，大家又觉得建模挺虚的：怎么把建模落到实际开发工作中。个人认为建模是分两部分：第一部分是业务概念建模，对现实业务抽取核心概念构建出模型（知识层）；第二部分是系统建模，系统建模是源于业务概念模型，遵循某些原则最终形成开发可落地的模型（操作层）。在本文中，给出建模的底层逻辑：用图形逻辑地表达现实业务的抽象，通过一些大家通识的技术案例讲述建模的过程。
近年来 NLP 学术领域发展真是突飞猛进，刚火完对比学习(contrastive learning)，又有更火的提示学习 prompt learning。众所周知，数据标注数据很大程度上决定了AI算法上限，并且成本非常高，无论是对比学习还是提示学习都着重解决少样本学习而提出，甚至在没有标注数据的情况下，也能让模型表现比较好的效果。本文主要介绍 prompt learning 思想和目前常用的方法。
业务需求，想要通过拍照识别照片中指定物体的数量或者物体的种类。而这种物体的模型网上没有训练好的，需要从头开始。所以调研了苹果的createML的实现方案，具体操作如下： 需求是：通过拍照识别照片中指定物体的数量，实现方案大致有几种： 通过第三方平台，训练数据，生成模型，提供前端使用 自己搭建平台，训练数据，生成模型，提供前端使用 通过苹果的CreateML工具，训练数据，生成模型，供iOS使用或转换成其他模型使用 对比可以发现，通过苹果的CreateML工具，可以省去搭建平台的过程。下面来看看怎么使用CreateML。
