秒杀活动是大家耳熟能详的购物方式,它伴随着一个极端的场景:极度的商品供不应求。这里面既有需求真实且迫切的用户,也有试图从中牟利的黄牛。反应到系统应对的挑战上,就是相较于以往千倍万倍的用户规模,可能是真人可能是机器人,在同一瞬间对系统发起冲击,需要海量的计算资源才能支撑。 对于各大电商平台而言,爆款运营和促销活动的日常化已成为常态,而支撑这些的秒杀系统自然是不可或缺的一环。同时,秒杀活动的巨大流量就像一头洪荒之兽,若控制不当,可能会冲击整个交易体系。因此,秒杀系统在交易体系中便扮演着至关重要的角色。 从个人角度来看,秒杀系统的设计套路往往适用于其他高并发场景,具有较高的借鉴价值。同时,其特殊的挑战和需求,需要架构师在设计中权衡考量,这也有助于培养个人在权衡取舍方面的能力。
1)自OpenAI于2022年底发布聊天机器人后,该公司CEO奥特曼就被誉为“ChatGPT之王”、“当代的奥本海默”。 2)OpenAI如今成为世界上估值最高的创企之一,而奥特曼则被视为AI大使,在科技行业积累起巨大影响力。 3)奥特曼从小就极度渴望权力,同时也非常擅长运用权力。 4)在创业过程中,奥特曼获得了多位科技领袖的支持,包括YC创始人格雷厄姆、天使投资人蒂尔以及马斯克。 5)拥有了资金、人脉以及影响力后,奥特曼被成比作“乐队指挥” ,15分钟电话就能帮助解决涉及1亿美元的交易。 6)OpenAI的理念听起来非常美好,但在现实中变得复杂起来,联合创始人之间陷入权力斗争。
自从ChatGPT问世以来,人工智能领域经历了一场令人眼花缭乱的变革,特别是在视觉-语言模型(Vision-Language Models, VLMs)的研究和应用上更是如此。VLMs通过结合视觉感知能力和自然语言理解能力,已经在诸如图像描述、视觉问答以及图像和视频的自动标注等多个方面展示出其惊人的潜力和应用价值。随着技术的不断进步,VLMs在处理复杂视觉和语言任务时的性能得到了显著提升,同时也为解决现实世界问题提供了新的视角和工具。 在过去的一年中,VLMs技术取得了飞速发展。本文旨在对这些技术进步进行梳理与思考,但将避免深入具体的论文细节,而是用简明扼要的方式介绍每篇研究的核心思想。若想了解更多细节,可参考相关论文的链接。
在现代社交网络中,信息和影响力的传播无处不在。影响力最大化(Influence Maximization,以下简称 IM)旨在找出网络中最有影响力的少数用户,从而最大化信息传播效果。这一概念起源于病毒式营销,即企业通过奖励有影响力的用户(如赠送试用产品)来促进他们在朋友圈推广产品,因为人们通常认为来自朋友或信任源的推荐比商家宣传更可靠。 传统IM模型的目标是找到网络中 s 个节点作为种子集,使其能影响到的节点数最多。然而,在实际应用中,IM 面临着节点容量受限的挑战。例如,在在线社交媒体平台上,尽管有许多内容推广活动,但公众的时间和精力有限,对内容的消费能力(如观看、阅读、转发)也有限,很大程度上影响推广效果。在游戏社交中也是如此,许多在线游戏会推出活动以促进玩家之间的互动,例如通过奖励抽奖券、皮肤碎片等激励玩家参与活动并与好友互动。关键问题在于,如何向活跃参与者(active participant, 简称 ap)推荐有限数量的好友,以便覆盖更多用户。
Mako 是「极快」和「生产级」的前端构建工具,基于 Rust。 「极快」是我们立项做 Mako 的初衷,没有构建速度问题也就没有 Mako,参考下方的 Benchmark 区域部分数据,同时我们也一直在探索更快的构建速度方案;而「生产级」是因为 Mako 自 2023.11.24 起已在蚂蚁内部正式发布,通过工程化的方式验证了数千个项目和所有用到的 npm 包及其不同版本,已落地数百个项目,并对内服务了中后台、小程序、H5 移动端、低代码、营销、组件库、组件打包、Serverless Function 等多个不同平台和业务场景,已具备了生产级的能力。