暑期，B站多媒体实验室带队参与了 ICCV MIPI (Mobile Intelligent Photography and Imaging) Workshop 的细粒度图像质量定位 (Detailed Image Quality Assessment Track) 国际挑战赛，提出创新的多模态训练策略，将综合指标提升了13.5%，最终获得了第二名的好成绩。本次参赛经历阶段性地验证了实验室在视频质量评价 (Video Quality Assessment，后文统称为 VQA) ，MLLM (Multimodal Large Language Model，多模态大语言模型) 以及强化学习上的成果积累，因此借本文的机会总结下比赛以及在以上领域一路以来的积累过程。
我是来自支付宝终端技术团队的王嘉伟（加伟），主要负责 MYWeb 浏览器内核的升级以及各种疑难杂症的攻坚。在本文中，我将结合我们在稳定性治理过程中遇到的真实案例，分享一个发生在混合渲染（Hybrid Composition） 场景下、由画布同步问题引发的有趣现象与分析过程。本次案例不仅具有代表性，也在社区中有不少类似的讨论，因此我特地将其整理出来，与大家交流分享。这篇文章力求通俗易懂。由于我本人最初并非该领域出身，对 Android 平台的了解也较为有限，因此在梳理问题的过程中，尝试以“小白视角”逐步推演、层层递进。希望这种讲述方式能帮助更多读者理解问题背后的原理与解决思路，从中有所启发。
本文面向对 AI Coding 感兴趣的朋友介绍 Claude Code。通过此次分享，可以让没有体验过的快速体验，体验过的稍微理解其原理，以便后续更好地使用。2025年最热闹的非 AI Coding 这个话题莫属，各大厂商竞相入场，开发出来的产品总是伴随取代程序的话题，甚嚣尘上。有人欣喜、有人恐慌、有人迷茫，而这一切都是「正常」现象。希望我的分享能给大家带来心灵按摩，坦然、客观的接受 AI Coding 这新事物。
数据类的架构设计远不止是工具和概念的堆砌，它更像是一门在规模、实时性、成本、复杂度与治理之间不断权衡与取舍的艺术。本文抛开简单的概念，深入聊聊关于数据类专业术语的核心思想、技术原理和实际权衡，同时也有 “数据指标、异常监控、数据提效 ”的一些思考，也包含一些实用tips，欢迎一起探讨交流~
美团数据库团队推出了数据库容量评估系统，旨在解决数据库容量评估与变更风险防控等领域难题。本文介绍了系统架构和主要功能：系统使用线上流量在沙盒环境回放验证变更安全，结合倍速回放技术探测集群性能瓶颈，构建容量运营体系实现集群容量观测与治理闭环。系统具备数据操作安全、结果真实可靠、灵活高效赋能等特点，有效提升数据库稳定性与资源利用率。
“不懂编程也能用AI开发软件”——这可能是当下AI时代最大的谎言。Vibe Coding不是让不懂编程的人能写代码，恰恰相反，它要求你比以往更深入地理解软件开发——只不过，你的角色从“码农”变成了“甲方”。
为了从根源上解决 AI Agent 的安全困境，字节跳动安全研究团队提出了全新的智能体安全框架——Jeddak AgentArmor。关于框架的详细介绍，可以查看上篇文章：为 AI Agent 行为立“规矩”——字节跳动提出 Jeddak AgentArmor 智能体安全框架。本篇文章将继续深入分享该框架下的可信AI Agent。
面对传统数据接入流程人力高、周期长、质量难控的痛点，本文提出了“数据平台智能化入库”的整体解决方案。方案以大型语言模型（LLM）为核心，结合代码生成流与执行流构建“智能代码闭环”，实现从数据Schema识别、结构化映射、质量规则抽取到入库包构建的全流程自动化。通过“生成-执行-反馈”闭环机制，系统能持续自我优化、沉淀知识与代码资产，大幅缩短接入周期（从3个月降至3天内）、降低人工成本（从4人月降至零人工干预），并显著提升系统可控性与扩展性，为企业级数据治理与智能化运营奠定了坚实技术基础。
