游戏直播是玩家通过互联网平台实时分享其游戏过程和技巧的一种媒介。玩家可以通过这种媒介，与观众分享其游戏过程、探讨游戏玩法并可以展开小范围的实施讨论；观众则可以通过游戏直播内容“云玩游戏”，也可以学习主播的精彩操作，拥有更饱满的游戏体验。 不仅如此，在当前B站的直播生态下，还有一系列的帮玩、陪玩活动，如玩竞技类、MOBA类游戏想要追求更高段位、积分；沙盒、派对类游戏则又有沟通交流和联机的诉求。 作为国内最大的游戏社区平台，B站也适时地在直播场景推出了自己的游戏工具，允许观众线上和主播一起参与游戏互动的“一起玩”。我们将这部分的用户诉求进行了分析和整理，使原先野生的生态更“工厂化”、“系统化”，一方面提升了用户的使用体验，另一方面对主播和用户均做到了较好的保障。
在当今企业推动数字化转型的背景下，如何在提升研发效率的同时守住质量底线，成为了技术团队尤为关注的话题。软件测试是确保软件质量的重要实践之一，而其中的测试分层策略更是关键。尽管“测试分层策略”这一概念对许多团队来说还比较陌生，它实际上是软件测试中的一个重要组成部分，决定了团队如何根据代码架构的不同，制定相应的测试方法。然而，很多团队在面对测试分层策略时存在认知缺乏、设计不完整、以及与实际工作脱节等问题，这直接影响了测试实践的效率。本文旨在通过提出一个模型，帮助团队建立统一的测试分层策略认知，提升测试实践的效果。
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。
携程酒店前端存在大量监控，但对于监控问题的排查成本，随着量级的增加而变得不可控。因此引入了智能预警归因系统，以数据池统一数据结构及标准；以预警规则池保证预警的准确性、低噪音；以算法模型进行根因分析，直接给出归因结果，从而提高整体排障效率。
在一次Java Web应用程序的优化升级过程中，从Tomcat 7.0.109版本升级至8.5.93版本后，尽管在预发布环境中验证无误，但在灰度环境中却发现了一个令人困惑的问题：新日志记录神秘“失踪”。本文深入探讨了这一问题的排查与解决过程，揭示了由Tomcat升级引发的不寻常日志记录故障背后的技术细节。
近来，随着大型语言模型的发展，视觉语言大型模型的能力也在逐步增强，GPT-4[1]、Gemini Pro 1.5[2]和Claude 3[3]等著名的闭源模型成功将 LLM 扩展到视觉语言模型领域。LLaVA[4]，InternVL[5]等开源模型也在迅速发展。目前，视觉语言模型领域存在一些关键问题亟待解决：1）闭源模型很少公开关于其架构的详细信息。相比之下，开源模型虽公开了其训练策略，但这些策略的详细消融并没有完全披露。2）在目前的开源工作中，对于预训练阶段，大多都是凭经验添加不同来源的数据集，这使得预训练过程难以得到深入的探索。3）在微调阶段，绝大多数工作关注的重点通常是添加和消融更多的数据集，这样性能会较快触及瓶颈。我们针对以上几点给出了我们的方案，并进行了清晰充分的实验论证。
