随着直播业务和用户规模日益壮大，如何丰富直播间内容、增强直播间内用户互动效果，提升营收数据变得更加关键。为此，直播互动玩法应运而生。通过弹幕、礼物、点赞、大航海等方式，用户可以参与主播的直播内容。B站还通过开放平台，为第三方厂商和开发者提供了强大的技术支持，让直播互动玩法更加便捷、稳定和高效，为用户和主播创造了更多的乐趣和价值。
2017年谷歌发表的论文《Attention Is All You Need》成为当下人工智能的一篇圣经，此后席卷全球的人工智能热潮都可以直接追溯到Transformer 的发明。 Transformer 由于其处理局部和长程依赖关系的能力以及可并行化训练的特点，一经问世，逐步取代了过去的 RNN（循环神经网络）与 CNN（卷积神经网络），成为 NLP（自然语言处理）前沿研究的标准范式。 今天主流的 AI 模型和产品——OpenAI 的ChatGPT、谷歌的 Bard、Anthropic 的 Claude，Midjourney、Sora到国内智谱 AI 的 ChatGLM 大模型、百川智能的 Baichuan 大模型、Kimi chat 等等——都是基于Transformer 架构。 Transformer 已然代表了当今人工智能技术无可争议的黄金标准，其主导地位至今无人能撼动。 在Transformer 大行其道的同时，出现了一些反对的声音，如：“Transformer 的效率并不高”；“Transformer 的天花板很容易窥见”；“Transformer 是很好
当今大模型如此火热，作为一名数据同学，持续在关注LLM是如何应用在数据分析中的，也关注到很多公司推出了AI数智助手的产品，比如火山引擎数智平台VeDI—AI助手、 Kyligence Copilot AI数智助理、ThoughtSpot等，通过接入人工智能大模型，提升数据处理和查询分析的效率。智能数据分析助手，采用对话式分析技术，每个普通人都可以与数据进行随时随地的实时交互，根据用户的使用反馈，不断学习，自我迭代找到答案，并在团队内分享对数据的见解。 简单分析一下数据分析的发展阶段：第一阶段，以静态报表为主，传统BI和静态报表基本上都是面向开发部门的，业务部门提出需求之后，由开发根据报表工具开发出固定的报表，然后业务部门查看报表结果。第二阶段，敏捷BI自助式分析，在业务部门提出需求之后，数据分析可以基于敏捷BI的工具帮助业务部门快速获取所需的数据，帮助他们获得所需要的结果。第三阶段，不管是基于大模型的AskBI还是增强分析，都是直接面向业务的，其理念是业务部门直接使用对话式BI工具能够解决问题，获得所需的数据结果。这一过程无需像之前那样依赖开发部门开发报表，或者数据分析师基于敏捷BI
2024年1月5日，周五，本来是个美好的日子，期待着马上到来的周末。可是下午1点多，接到产品一个问题反馈，经过一番排查，23年7月份上线的功能，对于跨年场景的处理有问题，其核心在于“周的年”获取方式不正确。
老版 Mac 使用 Intel 芯片，是x86_64架构，相应地在老版 Mac 上运行的模拟器使用的也就是 x86_64架构。 由于模拟器的 x86_64 架构与真机的 arm64、armv7 等架构不冲突，业界为了方便库文件管理，通常会将模拟器架构与真机架构通过 lipo 命令合并为一个 fat 文件。 对于 Intel 芯片的 Mac 这样处理就很高效合理的，但是 Apple 推出了 M 系列芯片的新版 Mac，这就导致模拟器也变成了 arm64 架构，同时 lipo 命令合并二进制文件时不允许出现同名的两个不同架构。也就是只要还采用通用二进制文件（fat 文件）的库管理方式，就无法同时使用真机 arm64 架构和模拟器 arm64 架构。
好的文档应当超越文字的界限，成为知识传递和技能培养的桥梁。阿里云函数计算让我们朝着这一目标迈出了重要一步。我们将文档从传统的静态页面升级为一个动态的、互动性强的工具，用户可以通过一键部署直接在函数计算平台验证文档内容。
