写这篇文章的初衷：作为一个AI小白，把我自己学习大模型的学习路径还原出来，包括理解的逻辑、看到的比较好的学习材料，通过一篇文章给串起来，对大模型建立起一个相对体系化的认知，才能够在扑面而来的大模型时代，看出点门道。
一次压测过程中，当数据库的qps和tps都正常时，如果cpu利用率异常的高，应该如何排查？希望通过这篇文章，给你一些启发...
人工智能生成内容（AIGC）在图像处理和创意设计中日益普及。通过阿里云的PAI-DSW（Data Science Workshop）和Free Prompt Editing算法，用户可以开发一个个性化的AIGC绘图小助理，实现图像智能编辑和生成。
阿里拍卖是阿里巴巴旗下拍卖平台，覆盖房产、机动车、土地、债权等类目。召回策略作为推荐场景的第一环，决定了整个推荐系统的上限，目前包含了包括向量召回、I2I、LBS2I、C2I等多路召回。召回的核心目标是尽可能的返回用户所有可能会感兴趣的商品，给到后续粗排、精排、重排环节，最终曝光给用户。 与淘宝APP的普通商品不同，大资产商品有其独有的特点。唯一性：每件商品都是唯一的、单库存的，世界上没有两套一模一样的房子，导致对于单商品的学习难度较大；周期性：资产的预展周期通常为一个月左右，从资产上拍预展到结拍下架，时间很短，模型可能刚学习完这个商品，商品就要下架了；高价性：房子价格动辄几百上千万，土地价格动辄上亿，对于目标人群的筛选难度较高。 本文旨在分享多兴趣向量召回MIND和深度I2I召回模型PDN在阿里拍卖资产推荐场景的实践经验。内容包括模型的介绍，大资产场景的针对性优化，以及最终的效果分析，希望能对大家有所帮助和启发。
