本文作者是支付宝算法工程师李阳（素数），过去一年，支付宝商业化广告算法做了从全场景统一建模到场景内单独建模的探索，主要包括新场景冷启问题优化、知识迁移学习以及系统实时性优化等工作，取得了明显业务收益。本文将介绍背后的算法优化细节，欢迎查阅～
本文整理自美团技术沙龙第73期《基于领域驱动设计（DDD）的架构演进和实践》，主要介绍了DDD的核心概念、常见的设计思路，并结合DDD介绍大众点评交易系统的演进过程，最后做了一些总结和思考。希望这些内容能够对大家有所帮助或启发。
大约一年前，大家热聊的先是LLM，LLM的全称是Large language models，也就是大语言模型，那么它必然有2个特点，一个是自然语言，第二个是大。随后它带来了一个效果，就是能“生成”，可以像人一样发言，不过输出仅限于文本，看起来能够自我输出和自我思考，于是基于这个理念，AIGC这个概念应运而生。 紧接着，围绕它诞生了非常多看起来更加“多模态的东西”，比如文生图，图生文，但是背后实质上是多个模型的配合。当然这无可厚非，因为人也不是单纯靠脑袋在工作，依旧有很多末端神经充当包工头的角色。 然后随之而来的，似乎都不谈LLM了，开始谈GenAI、谈大模型了。仿佛人类想象中能够触达的输出，大模型也都可以。于是各种通用人工智能纷至沓来，“人类被计算机碾压，无数群体即将失业”的舆论被拉起来，整个世界被GenAI裹挟着前进。
时序数据库管理系统（TSDB）近些年受到较多的关注，在性能监控场景更是起到了至关重要的作用。Khronos是阿里目前规模最大的时序存储引擎，由智能引擎事业部自研推出，为集团业务提供时序数据的存储能力和实时分析能力。我们之前的技术文章对该引擎进行过系统性的介绍，感兴趣的读者可以阅读回顾：《Khronos: 面向万亿规模时间线的性能监控引擎建设实践》在本篇文章中，我们将着重介绍Khronos在实时索引构建优化上的实践。
讲述消息系统在现代化演进中软硬一体化，百万队列，分级存储等诸多竞争力特性的诞生和落地效果。探讨业界领先的 Shared-Log 存储计算分离，FFM与协程，RDMA 传输，列式存储等技术，将消息向流的领域延伸。
2015年之后，随着云原生、微服务、大中台等一系列技术名词诞生的同时，还有一个耳熟能详的名词“领域驱动”也开始被捧上神坛。笔者初次听到领域驱动是参加一个技术分享会，当时给我的直观感受就是：好像说了什么，但又好像什么都没说，很多概念很"形而上学"，在天空中飘啊飘，无法落地。 十年过去了，中台已经过气，微服务回归单体也一度成为技术圈讨论的热点话题，曾经神坛上云遮雾绕的 DDD 在今天看来是否还有讨论的意义？在过去一两年的实践中，笔者对 DDD 有了更深的体会，本文将阐述我的一些浅见，如果有理解不到位的地方，也希望同学们一起讨论。
本次分享的主题是火山引擎数智平台VeDI旗下的A/B测试平台 DataTester 实验管理架构升级与DDD实践。这里说明的一点是，代码的第一目标肯定是满足产品需求，能够满足产品需求的代码都是好代码。而本文中对代码的好坏的评价完全是从架构的视角，结合代码的可读性、可维护性与可扩展性去分析的。
没有必要害怕超级智能的人工智能，因为与未来的模型相比，每个新模型都被认为能力不足，进而推动了持续的改进。 仅仅专注于解决当前的人工智能限制可能是徒劳的，因为像GPT-5和GPT-6这样的未来模型可能会使这种努力过时。 太空不适合生物生存，人类派出机器人探索和殖民太空将更容易。 奥特曼在再生能源领域最看好核聚变，未来有望把一度电成本降至1美分。
都说程序员的成长是码出来的，此话不假。但如果既会写代码，还会写文章，还能讲PPT，那你离影响力还会远吗？ 本文是针对每一个技术同学都适用。我将从行业技术大会主编的角色告诉你，如何打造自己的技术影响力，有哪些通用的手段，我自己又该如何做个性化叠加；我是技术小白，或者我有一定技术基础，我又该怎么打造自己的影响力？
