自从ChatGPT问世以来，大模型凭借其强大的语义理解和生成能力开始在多个领域引领技术变革。但大模型在房产推荐场景的应用上仍存在一些瓶颈： 其一，数据形态的适配难题。房产推荐依赖房源价格、户型、地理位置等强结构化数据，而大模型则更适配自然语言文本，这要求构建起推荐特征与大模型输入之间的有效转换。 其二，大模型响应的时效挑战。算法需要根据用户的线上行为实时调整推荐方向，大模型由于其计算速度影响很难在用户兴趣变化时快速响应。 其三，参与模式的边界定义。大模型有多种参与推荐的形式，可以是直接生成推荐或辅助特征提取，需要讨论哪种更适合房产场景。 基于以上背景，58同城房产事业群（HBG）推荐算法团队和58同城AI Lab进行深度的项目合作，以多业务、多场景、多模式的方式开展算法落地实践，尤其是在大模型画像推理和大模型Embedding上，取得了一些阶段性成果，本文将分享我们的实践案例及经验。
智能加速引擎是58大数据平台自主研发的复杂计算系统组件，在支撑集团业务发展和平台稳定性建设方面，发挥了巨大作用。随着大数据技术的日益成熟和AIGC技术的迅猛发展，我们期望能够通过对智能加速引擎的技术迭代与架构升级，实现在降本增效方面的显著提升与突破。
智能加速引擎是58大数据平台自主研发的复杂计算系统组件，在支撑集团业务发展和平台稳定性建设方面，发挥了巨大作用。随着大数据技术的日益成熟和AIGC技术的迅猛发展，我们期望能够通过对智能加速引擎的技术迭代与架构升级，实现在降本增效方面的显著提升与突破。
可观测性最早源于控制理论，是衡量一个系统从其外部输出中推断系统内部状态的一种度量，后被引申到计算机领域，用于表达系统故障的可观测性。一般来说， 可观测性有三大支柱：日志、链路和指标，这三部分各有侧重，相互交叉但又相对独立，它们一起组成了可观测性的基石。
APP运营系统是一个复杂但至关重要的体系，旨在确保 APP 能够有效地吸引用户、留存用户并实现商业目标。通常运营系统分为投放引擎和分发引擎两个核心模块，投放引擎的难点在于复杂的业务逻辑，分发引擎则需要承受巨大的流量压力。本文主要分享我们在建设高效的运营平台过程中积累的一些经验以及面临的挑战和思考。
随着产业化的深入，商业搜索场景需要更深入理解业务，与业务结合。本文将介绍商业搜索场景中，围绕用户体验和商业收入提升，所做的技术迭代和升级。第一部分重点介绍业务场景和业务中的问题；第二部分介绍知识图谱的挖掘和应用；第三部分介绍大模型如何在知识图谱场景中进行应用和落地。
本文详细介绍了58同城邀约业务系统的架构设计和实践经验。文章涵盖了系统的业务背景、整体架构、核心组件设计、技术实现细节等。通过平台化设计和标准化实践，该系统显著提升了产研效率、交付质量和业务复用性，为大规模招聘匹配提供了强有力的技术支撑。
58大数据团队在计算方面的在离线混部项目已经取得了很好的效果，后续规划将大数据组件与云技术进行逐步的融合，同时在过去几年，58大数据团队已经实施了很多高效的降本增效策略（数据EC、高效压缩、治理优化等等），也取得了不错的成果，2024上半年考虑结合云技术对HBase集群进行云化改造，进一步降低业务成本，减少运营维护成本。
2023年，大模型如雨后春笋般爆发，58同城TEG-AI Lab作为AI平台部门，紧跟大语言模型技术发展步伐，打造了大语言模型平台，支持大语言模型训练和推理部署，并基于大语言模型平台构建了58同城生活服务领域（房产、招聘、汽车、黄页）垂类大模型灵犀大语言模型（ChatLing），支撑了业务方大模型应用的探索落地。灵犀大语言模型在公开评测集和实际应用场景下，效果均优于开源通用大语言模型以及商用通用大语言模型。
