在作弊手段日益隐蔽和复杂的背景下，单纯依赖在线或实时风控已难以满足深度治理需求。本文系统介绍了一套基于 Spark 的配置化离线反作弊挖掘框架，重点解析其 Extract、Accumulate、Join、Policy 四大核心模块，以及“视图构建”“动态 SQL 生成”“多阶特征计算”“滑动窗口”等关键能力。该框架支持全量历史重算与大规模 Shuffle 计算，通过高度配置化设计，将字段抽取、特征定义、策略判定彻底从代码中解耦，实现策略快速迭代与低成本上线。同时结合数据倾斜治理、列裁剪优化等工程实践，大幅提升稳定性与性能，成为风控体系的重要计算底座。
在企业的技术运营中，一条被广泛验证的降本增效路径早已形成共识：采购时通过规模优势压低硬件单价，使用时借助调度、混部和潮汐算力提升资源利用率，业务侧则持续优化应用代码和架构。这条路径清晰、务实，也确实帮助众多企业有效控制了 IT 成本。然而，一个经常被忽略的事实是：即使那些拥有成熟技术团队、系统经过多年优化的业务，其计算成本中仍然普遍存在 10%-20% 的隐藏优化空间。对于一个年投入千万算力的客户来说，这意味着近百万的成本可以在不增加任何硬件投入的情况下被释放。问题是：当我们已经在前端、架构、资源调度上做了大量工作，这 20% 的空间究竟藏在哪里？
LoongFlow 是百度百舸团队发布的一个开源的、旨在让 AI 学会「专家级思考」的智能体开发框架。我们相信，设计一个能解决复杂问题的专家级 Agent，关键在于其思考模式——它决定了 Agent 能解决问题的复杂度和效果上限。
AI 编码工具正在从"智能补全"演进为能自主完成复杂任务的 Coding Agent。本文基于开源项目源码研究与实践经验，系统性地拆解 Coding Agent 的工作原理。旨在帮助开发者在了解Coding Agent后，与AI伙伴更好的协作配合，更高效的提问和拿到有效结果。
代码跳动间，2025已成序章。这一年，技术的浪潮从未停歇——从底层架构的极致演进，到AI应用的大规模落地，“百度Geek说”有幸记录了每一个突破瞬间。在成百上千篇深度分享中，有些文字因为深刻的洞察、精妙的逻辑而脱颖而出，成为了大家反复研读的“爆款”。岁末回响，我们甄选出【2025年度技术爆款大盘点】。让我们从这些沉淀下来的技术精粹中，寻找开启2026的灵感。
想用AI“躺平”批量产出电影级字标和爆款封面？本文将完整复盘我们在好看视频落地 AI视觉生产力的实战路径——涵盖艺术字标体系构建、高点击封面公式提炼，以及从人工提效到平台化自动生产的进阶实践。这不仅是一套提效方案，更是一次关于设计师如何驾驭AI、主导创意生产新范式的探索。
本文深入介绍了百度一站式全业务智能结算中台，其作为公司财务体系核心，支撑多业务线精准分润与资金流转。中台采用通用化、标准化设计，支持广告、补贴、订单等多种结算模式，实现周结与月结灵活管理。通过业务流程标准化、分润模型通用化及账单测算自动化，大幅提升结算效率与准确性，确保数据合规与业务稳健发展。未来，中台将推进全业务线结算立项线上化、数据智能分析，进一步提升数据分析智能化水平，为公司业务发展提供坚实保障。
在日常视频播放中，我们经常会遇到这样的问题：视频的长宽比例与设备屏幕不一致，导致画面上下或左右出现黑边。虽然这并不影响视频的正常播放，但从用户体验的角度来看，这些黑边往往打断了视觉的沉浸感，显得格外突兀。为了解决这一问题，业界主流播放器（如 YouTube、Netflix）引入了一种被称为氛围模式（Ambient Mode）的视觉增强效果。它的核心思路是： 通过实时识别视频画面的主色调，并动态将其填充到黑边区域，使边缘色彩与视频内容保持一致，提升整体视觉统一性，从而营造出与视频内容相协调的氛围效果，让观众的观看体验更加自然和沉浸。
DeepSeek-V3.2-Exp 所搭载的稀疏化 Attention 计算，在长上下文场景中成功降低了推理延迟。但在 PD 分离架构下，随着序列长度不断增长，Decode 阶段的吞吐受限问题愈发凸显。核心症结在于，Decode 过程中 Latent Cache 规模会随序列长度呈线性增长，而 GPU 显存容量有限，这直接导致 Batch Size 难以提升，进而抑制了 Decode 阶段的吞吐增长。基于此，本次百度百舸 AIAK 团队研究的核心目标是：针对 DeepSeek-V3.2-Exp，通过将 Latent Cache 下放到 CPU 内存，在满足延迟要求的前提下，提升 Decode 吞吐并显著降低成本。本报告详细阐述了我们为达成该目标所开展的系统瓶颈分析，以及最终提出的 Expanded Sparse Server（ESS）方案的设计与实现。
