本文深入介绍了百度一站式全业务智能结算中台，其作为公司财务体系核心，支撑多业务线精准分润与资金流转。中台采用通用化、标准化设计，支持广告、补贴、订单等多种结算模式，实现周结与月结灵活管理。通过业务流程标准化、分润模型通用化及账单测算自动化，大幅提升结算效率与准确性，确保数据合规与业务稳健发展。未来，中台将推进全业务线结算立项线上化、数据智能分析，进一步提升数据分析智能化水平，为公司业务发展提供坚实保障。
本文介绍了如何构建一个“自我编程”的Coding驱动型Agent，通过让大模型生成并执行Python代码来实现自主决策与复杂任务处理。该Agent基于ReAct架构优化，采用FIM（Fill-in-the-Middle）代码生成格式，结合Py4j实现Java与Python双向调用，并设计了分层记忆系统（感知、短期、长期）和模块化Prompt工程。其核心创新在于用“代码即指令”替代传统JSON工具调用，显著提升灵活性与执行能力，目标是打造能胜任DevOps场景的“1.5线”AI助手，具备自我评估、多Agent协作和持续学习能力。
通过链式思考增强的大语言模型在复杂任务上已取得显著的性能提升，但在将这种推理方式无差别地应用于所有问题时，常常面临推理开销过大、响应延迟偏高等现实瓶颈。为解决这一矛盾，bilibili Index-llm Team提出 SABER（Switchable and Balanced Training for Efficient LLM Reasoning），一种让大模型具备可切换、可控、并受 token 预算约束的推理能力的强化学习框架。SABER 首先对基座模型在每个训练样本中的推理长度进行统计，将样本划分到不同的预算层级。在随后的微调过程中，模型在系统提示词和混合奖励的引导下，学习如何在给定预算内完成推理。同时，我们额外加入一部分无思考训练数据，确保模型在关闭显式推理时依然能够稳定作答。SABER 支持四种离散推理模式：NoThink、FastThink、CoreThink、DeepThink，能够在推理深度与推理延迟之间灵活调节。我们在数学推理、代码生成和逻辑推理等复杂任务上进行了系统实验。
随着 AI 技术加速融入软件研发流程，AI 已经成为新时代的“代码贡献者”。在显著提升研发效率的同时，AI 生成代码也对软件安全、漏洞治理和工程责任边界提出了新的挑战。 围绕“AI 生成代码在真实世界中的表现与安全性”这一问题，腾讯安全平台部悟空代码安全团队联合北京大学 Narwhal-Lab 与复旦大学系统软件与安全实验室，基于开源项目与真实漏洞（CVE）数据，开展了系统性的实证研究，分析 AI 生成代码的使用趋势、安全风险及其在漏洞生命周期中的角色演变，并提出面向工程实践的治理思路。
从静态页面到模块化开发，前端工程化经历了怎样的演进？Webpack、Vite、Rspack 这些打包工具各自解决了什么问题，在实际项目中又该如何选择？
从 2010 年至今，Android 架构的迭代始终围绕“解耦、可维护、可测试”的核心目标，一步步从“代码堆砌”走向“规范化设计”。本文将通过 7 个阶段梳理这段进化史。
在人工智能领域，"One Model"（单一模型）范式正在成为一种新的技术信仰。从GPT系列统一自然语言处理任务，到DALL·E统一图像生成；从国内快手 OneRec 再到如今腾讯广告提出的GPR（Generative Pre-trained Recommender）——这种范式转变背后的核心理念是：用一个端到端的生成式模型替代传统的多阶段级联系统，实现目标一致、流程简化和全局最优。 本文将深度解读腾讯广告与清华大学联合发表的这篇突破性论文，重点关注GPR如何首次在工业级大规模广告推荐业务中落地了端到端生成式框架，以及这一范式为何能在微信视频号广告系统中取得显著的商业成功。
