最近可谓是足球的一场狂欢盛宴，大家不知道是走上了天台，还是足球反买，别墅靠海。其中也有几场比赛引起了全球范围的讨论，例如阿根廷爆冷输给沙特的比赛，其中对于阿根廷几次越位的判罚引起了很大争议。而日本队上演了一出电影都不敢这么拍的剧情，在小组赛中依次战胜德国和西班牙并以小组第一的身份成功在死亡之组突围，并在对阵西班牙时一例界外球的判断引发了网络热议。另一场葡萄牙2比0战胜乌拉圭的比赛中，C罗到底有没有顶到球也引发了网友的讨论。 虽然人工智能技术已经渗透到了生活的方方面面，但提到足球与AI的时候，大部分人的第一反应仍然是这两者有什么关系吗，AI是怎么应用到足球中的呢？但其实在足球场景中科技前沿一直致力于对运动员行为的智能分析与自主判定，AI与足球已经进行了深度结合，最近比赛中出现的半自动越位技术的使用，足球内嵌传感器等等。在国外用AI进行足球智能分析或者辅助球队训练的训练已经非常成熟，甚至达到了商用级别。例如Pixellot，是一家基于AI技术提供体育完整解决方案的公司，其与巴塞罗那足球俱乐部达成了合作协议，在训练场内布置四台相机矩阵来捕获场地全景，并自动追踪足球和球员的动作
本文作者是蚂蚁集团体验设计师闻冰（社区称呼：空谷） ，本篇中，闻冰首先介绍了那些复杂应用的状态管理天坑，认为 zustand 是当下复杂状态管理的最佳选择，并从状态共享、状态变更、状态派生、性能优化等 6 个方面诠释了选择它的理由。本篇为上篇，下篇将介绍 Zustand 的渐进式状态管理实践，敬请期待～
一直以来移动端技术生态中的动态化技术都是行业内的话题热点，各类应用框架也层出不穷（RN、Weex、Flutter），支付宝客户端也在业务旺盛的高性能、易投放诉求中逐步沉淀下了一套自研解决方案--Cube 卡片。 在移动端动态化应用场景中，怎样才能解放 DSL 领域内描述语言的高效生产力？怎样才能有效的降低传统移动端 Native 研发的调试成本？怎样才能贴切的整合行业内各类优秀解决方案与工具？ 带着对这些问题的思考，支付宝 Cube 团队在卡片业务中摸索沉淀了连接开发 DSL 与引擎运行时的基础配套工具--Ant Cube Tool（简称 ACT）。这篇文章将尝试带着大家了解 Cube 卡片工具 ACT 的设计思路与演进历程。
抽奖，是一种典型的互动玩法形式。无论是大V的粉丝抽奖，还是活动会场的参与抽奖，这种起源于彩票开奖的互动玩法，同时兼顾了高期待感和低预期的特征，让活动在成本控制之余又能有惊喜和引爆点，这样的优势让其在各种运营场景中幻化万千，大行其道。 在闲鱼各种互动场与营销活动中，抽奖自然也是一个相当高频使用的互动玩法。众所周知，越是经典的玩法，业务需求就越发别出机杼，在参与条件、开奖展示、奖品规则等各方面千变万化，闲鱼内典型的就有现金夺宝、低碳双十一抽iphone、旧衣回收抽锦鲤等，不胜枚举。
一群高智商青年在餐厅吃饭，餐桌上一个瓶盖标识为盐的瓶子里装得是胡椒粉，而标识为胡椒粉的瓶子里装得却是盐，他们想出了一个充满才气的方案来完成对调--仅需要一张餐巾纸、一根吸管和两个空碟子。当他们叫来服务员，准备炫耀他们的天才想法时，只见服务员什么也没说，只是拿起盐瓶和胡椒粉瓶，互换了瓶盖…… 在我们软件工程中，同样一件事情可以有很多种解决方案，我们翻开那继承下来的祖传代码，系统堆叠了太多它不需要或者它不适合的动态扩展、规则引擎、条件分支等等。原本并不复杂的业务最终得到的还是一片混乱，是我们的做法还是太过简单吗，或许本质上是我们并不擅长处理『简单』。
2022年终端技术有什么发展新趋势？又有哪些热门话题值得讨论？ 12月17日，也就是本周末！第十七届 D2 终端技术大会即将正式开始。从开发者的研发交付到监控运维，从运行时的上层框架到底层引擎，从过去始终在效率与体验间平衡的跨端技术，到将引领下一代体验革命的 3D/XR 技术。 32位技术讲师嘉宾带着22个话题演讲、1场圆桌论坛，为大家提供终端最前沿的技术知识、实践经验和创新思路，并在 D2 与大家共同探讨新的趋势下前端 & 客户端工程师将如何可持续发展，非常期待与大家相聚在这场技术盛会中！ 下面将以「跨端技术」、「卓越工程」、「创新体验」、「语言与框架」、「网络与底层技术」的顺序为大家进行介绍。
8 月份开始到 9 月底，「支付宝 - 基金」里面的指数专区进行了一波大改版升级，这次借助 F2 4.0 强大的移动端手势交互能力，我们尝试了一种多维度探索式选基决策工具（如上动图所示）。 简单来说，用户可以在一个散点图上根据「收益」和「波动」这两个维度全览对比整个市场里的指数基金，并选出适合自己的指数基金进行投资，这个功能我们愿称其为「指数图谱」
文清晰而详细地介绍了如何使用 Parser 组合子方案，结合 Monad 通过合理的分层、抽象和组合，在性能达标的情况下实现消息场景中函数式的表达式解析。非常具有实践意义，推荐阅读学习！
建模对于大家来讲并不陌生，而且建模的方法也有很多，如用例建模、四色建模、事件风暴等，但在日常工作中，大家又觉得建模挺虚的：怎么把建模落到实际开发工作中。个人认为建模是分两部分：第一部分是业务概念建模，对现实业务抽取核心概念构建出模型（知识层）；第二部分是系统建模，系统建模是源于业务概念模型，遵循某些原则最终形成开发可落地的模型（操作层）。在本文中，给出建模的底层逻辑：用图形逻辑地表达现实业务的抽象，通过一些大家通识的技术案例讲述建模的过程。
“Pre-training + Fine-tune”正在重置AI领域的研究范式，预训练大模型已成为备受瞩目的研究方向。本文将着重介绍阿里通义大模型体系中的AliceMind，包括自然语言理解生成、对话问答、机器翻译等一系列预训练语言模型。
