在当前软件开发过程中，如何保证系统的稳定性和质量一直是一个重要的挑战。特别是对于复杂的业务系统，涉及多个流程和多个端，如何全面验证其功能和性能，并发现和解决潜在问题，成为了一个关键需求。因此，构建一个能够串联多个业务流程、覆盖多个端的全流程自动化测试平台，对于提高系统的稳定性和质量是至关重要的。本文将介绍背景、现状分析、具体实现和运营机制等方面，帮助读者全面了解和理解该平台的重要性和实现原理。
B站过去的客服系统是通过外部采购获得的，已经使用了几年。然而，这个外购的系统存在一系列问题： 稳定性低，缺乏良好的拓展性和伸缩性，经常出现bug，难以应对突发的流量高峰。 与B站产品体系无法打通，难以根据业务需求进行定制化。 由于系统逻辑老旧，稳定性不佳，导致效率低下，已经不再能满足进一步提升客服效率的要求。 虽然曾考虑过采购新的客服系统，但也面临一些问题，如： 昂贵的价格，特别是在当前降本增效的大背景下，这是一个重要因素。 更重要的是，该系统仍然无法与内部系统进行良好的整合，无法支持业务定制化。 因此，B站决定开展新客服系统的自研工作。
随着 ChatGPT 的横空出世与 GPT-4 的重磅登场，生成式 AI（Generative AI）引起了前所未有的关注，基于 GPT（Generative Pre-Trained Transformer）的模型在各类 NLP 和 CV 任务上取得了惊人的效果。生成式 AI 模型可以根据训练过的数据创建新的内容、模式或解决方案，一些典型应用包括 ChatGPT、Stable Diffusion 和 DALL·E 等（封面图片来自 DALL·E）。然而，在推荐系统（RS）领域研究中，受限于推荐系统 User/Item ID 的范式，以及大多情况下为非通用、非常识知识，因而直接将基于 GPT 的模型作为推荐模型具有一定的局限性。例如，在电影、图书和音乐等领域推荐场景直接将 ChatGPT 作为推荐模型可以取得较好的效果，然而，在其他一些领域推荐场景直接利用 ChatGPT 效果有限。随着各类生成式模型层出不穷，部分研究人员开始考虑如何在 RS 中有效引入生成式 AI。本文主要关注 RS 和生成式 AI 可能存在的结合点，调研了 RecSys'23 等会议录用的若干相关工作，以及最新已公开
本文主要分享如何快速上手ARM汇编开发的经验、汇编开发中常见的Bug以及Debug方法、用的Convolution Dephtwise算子的汇编实现相对于C++版本的加速效果三方面内容。
得物提供大量商品买卖等服务，资金流转量大，任何由于设计缺陷、系统缺陷、系统故障、人为操作、安全漏洞等因素都会引发直接或间接资金损失。资损防控就是在项目全生命周期内，引入多种资金分析和控制手段，预防资损故障或控制资损故障影响范围。
开源大模型迭代速度真的是越来越快了。META 最近开源了新的 Llama2 模型，百花齐放！本文我将总结几个主流的开源大模型，分享我的使用体验，帮助各位初学者更快地使用这些大模型。
两百多年前苏格兰出了一位大哲学家，他的名字叫做亚当·斯密。今天人们对他的了解更多是在经济学家这个身份，都认为是他发现了“看不见的手”这一神奇的经济规律，以及他那本著名的《国富论》。然而除了这本书之外，斯密还出版了另外一本巨著——《道德情操论》（The Theory of Moral Sentiments），这是一部难得的哲学以及文学佳作。值得一提的是，我认为此书可以帮助我们去理解当代软件工程遇到的各种问题，也可以帮助我们探索一些解决之类难题的方法。
