在文章《矢量图Vector安卓详解》中，我们了解到Android只支持Vector矢量图，且必须在项目中预置Vector文件，不支持直接从外部加载Vector文件，也不支持直接加载SVG文件。但在实际项目中客户端可能需要使用服务端下发的矢量图，如换肤icon，节日主题icon，活动icon等。服务端下发矢量图需要支持多端展示，不会选择下发Vector文件，毕竟只有Android支持Vector，且Vector不支持文本，文本路径，样式和遮罩等，只能绘制path图形。由于H5和iOS对SVG文件的原生支持较好，服务端选择统一下发SVG文件会更合适。为了支持服务端下发SVG矢量图和较为复杂的矢量图，Android项目就不能只支持系统的Vector矢量图，还得支持SVG矢量图。下面文章会分别介绍Android直接显示SVG文件的常见方案。
这几年，因为开源协议“倒大霉”的开源项目不在少数，典型的案例例如因GPL协议的“传染性”而被索赔9亿等等（只要产品中用了GPL代码，所有关联代码必须开源）。那是不是说，GPL传染性极高，用docker隔离GPL代码也无法规避传染性，那就不用GPL协议就好了？MIT宽松又友好，选MIT是不是就没啥风险？
美团外卖推荐算法团队基于HSTU提出了MTGR框架以探索推荐系统中Scaling Law。MTGR对齐传统模型特征体系，并对多条序列利用Transformer架构进行统一建模。通过极致的性能优化，样本前向推理FLOPs提升65倍，推理成本降低12%，训练成本持平。MTGR离在线均取得近2年迭代最大收益，且于2025年4月底在外卖推荐场景全量。本文系相关工作的实践与经验总结，希望能给从事相关方向研究的同学带来一些帮助。
DeepSeek-V3 在多个评测中展现出强大性能，成为当前最受关注的开源大模型之一。由于采用了大规模 MoE 架构，如何优化推理性能，是工程落地上的关键难点。DeepSeek 团队于 2 月相继开源了 DeepEP、DeepGEMM、FlashMLA、EPLB 等关键组件。在开源社区工作的基础上，我们在RTP-LLM上完成了优化工作，对齐了 DeepSeek 推理系统的性能。 RTP-LLM 是阿里巴巴爱橙科技研发的 LLM 推理加速引擎，主要服务阿里集团内部业务。本文将分享实现过程中的一些关键技术点、不足和思考，以此感谢开源社区对我们的帮助。相关代码正在整理和重构中，不久之后会更新完整的代码和复现方法。
本文探讨了团队在代码风格与结构一致性上的长期实践与思考，分享了如何通过统一的代码规范和框架设计，提升代码可读性、可维护性，并降低团队协作与新人上手的成本。文章从问题起源、解决方案、实际收益到具体落地工具进行了全面阐述。
本文介绍了vivo互联网研发效能平台建设与最佳实践的话题，将分为4个部分与大家分享，分别是研发效能提升的背景与挑战、关键场景技术，以及在项目案例中的实践与效果，最后也将和大家探讨未来在研发效能提升上的一些规划与思考。
