演讲主题 演讲嘉宾 主从监控项经验分享 伍昕 宏时数据 01 主从监控项简介 主从监控项 Dependent Items show global variables; 场景： Zabbix的一次数据采集可能获取多个值，（比如与第三方系统对接，获取数 据库所有状态） Zabbix的一个使用场景 主从监控项 Dependent Items http://exporter_ip:9100/metrics

第三届中国Rust开发者⼤会 基于 Rust 编程语⾔构建 Amphitheatre CLI / Desktop / Server 的全平台实践经验 王宜国 - 独⽴开源软件作者 RUST CHINA CONF 2023 • 项⽬背景介绍 • 产品功能演示 • 应⽤场景概览 项⽬介绍 • 概念 • 架构设计 • 技术实现 设计与实现 ⼤纲 Amphitheatre 云开发环境（Cloud

孙健波 阿⾥云 技术专家 阿⾥巴巴 Kubernetes 应⽤管 理实践中的经验与教训 孙健波 阿⾥云 技术专家 • Kubernetes 基础技术中台团队 • 开放应⽤模型（OAM）项⽬ Core Maintainer • jianbo.sjb@alibaba-inc.com • 阿⾥存量 PaaS 对接 Kubernetes 的新挑战 • 研发和运维对 Kubernetes YAML

iv. 基础设施⽅⾯。团队核⼼成员曾带领数⼗⼈从零开发世界领先的深度学习框架，也具备数千 卡集群全⾃动化硬件运维告警、数百亿特征检索、⼤规模（数⼗PB数据、百万台机器）分 布式系统数量级性能优化的经验。
c. ⽬前团队⼈数超过
80
⼈，每个⽉都有在全球某个领域有显著影响⼒的⼈加⼊。
2.
团队聚焦底层技术创新，技术Vision强
a. 引领⼤模型的“⽆损⻓上下⽂”时代。2023年1 是我们上线之前完全没有测试过的⽤例。 资源获取肯定也很重要。其中主要烧钱的是算⼒。早期靠融资，到后⾯就需要更多的产品商业化。商 业化也不能照搬上⼀个时代成熟的东西创新，所以好的
CEO
和团队应该有⼀定经验，但同时也有很强 的学习和迭代能⼒。
海外独⻆兽：但有可能投资⼈分辨不出来到底谁的
tech
vision
是最领先的。
杨植麟：我不太担⼼这个问题。现在就是最好的分配⽅式，更接近⼀个⾃由市场，最后会有最⾼的分 的提升。

海外独⻆兽：从招聘⻆度，你怎么定义好的⼈才？
杨植麟：我会拆成经验和学习来看。学习是⼀个通⽤的能⼒，不光是
learn，还要
unlearn，特别是以 前的成功经验。假设你是从
0
到
1
做了
YouTube，现在做
AI
产品可能⽐别⼈更难，因为要
unlearn
很 多东西。学习⽐经验重要。可能再过
5
年的话，
AI
⾏业会培养出来很多所谓的成熟职能。今天我觉得

需求类型 特点 需求表达公式 推理模型适配策略 通用模型适配策略 1. 决策需求 需权衡选项、评估风险、 选择最优解 目标 + 选项 + 评估标准 要求逻辑推演和量化分析 直接建议，依赖模型经验归纳 2. 分析需求 需深度理解数据/信息、 发现模式或因果关系 问题 + 数据/信息 + 分析 方法 触发因果链推导与假设验 证 表层总结或分类 3. 创造性需求 需生成新颖内容（文本/ �实战技巧： 知识激活与联想 1. 列出与[主题]相关的所有关键知识点，逐一进行详细解释。 2. 从不同领域中寻找与[问题]相关的知识点，并进行创造性联想。 3. 通过比喻或类比，将[复杂概念]与日常经验联系起来，便于理解。 4. 使用头脑风暴技术，生成多个可能的联想和创新点。 5. 将联想到的新观点或概念，整合进现有的知识体系中。 �实战技巧： 创意引导与拓展 �实战技巧： 1. 请从一 请选用合适的数据可视化工具，并详细描述其使用方法，生成可视化内容。 7. 请将具体案例与数据分析相结合，生成一份包含案例分析的多模态报告。 类别 优势 挑战 结构化思维 引导AI按照预设逻辑进行创作 设计合理的逻辑结构需要经验和技巧 内容深度 通过多步引导，实现更深入的内容 探讨 控制每个步骤的输出深度，避免冗余 创意激发 多角度提示激发AI的创造性思维 在创意和连贯之间找到平衡 质量控制 多次迭代提高内容质量 需要更多的实践和计算资源

需求类型 特点 需求表达公式 推理模型适配策略 通用模型适配策略 1. 决策需求 需权衡选项、评估风险、 选择最优解 目标 + 选项 + 评估标准 要求逻辑推演和量化分析 直接建议，依赖模型经验归纳 2. 分析需求 需深度理解数据/信息、 发现模式或因果关系 问题 + 数据/信息 + 分析 方法 触发因果链推导与假设验 证 表层总结或分类 3. 创造性需求 需生成新颖内容（文本/ �实战技巧： 知识激活与联想 1. 列出与[主题]相关的所有关键知识点，逐一进行详细解释。 2. 从不同领域中寻找与[问题]相关的知识点，并进行创造性联想。 3. 通过比喻或类比，将[复杂概念]与日常经验联系起来，便于理解。 4. 使用头脑风暴技术，生成多个可能的联想和创新点。 5. 将联想到的新观点或概念，整合进现有的知识体系中。 �实战技巧： 创意引导与拓展 �实战技巧： 1. 请从一 请选用合适的数据可视化工具，并详细描述其使用方法，生成可视化内容。 7. 请将具体案例与数据分析相结合，生成一份包含案例分析的多模态报告。 类别 优势 挑战 结构化思维 引导AI按照预设逻辑进行创作 设计合理的逻辑结构需要经验和技巧 内容深度 通过多步引导，实现更深入的内容 探讨 控制每个步骤的输出深度，避免冗余 创意激发 多角度提示激发AI的创造性思维 在创意和连贯之间找到平衡 质量控制 多次迭代提高内容质量 需要更多的实践和计算资源

在文本检索任务中的实践 192 美团无人车引擎在仿真中的实践 204 美团无人配送 CVPR2020 论文 CenterMask 解读 215 WSDM Cup 2020 检索排序评测任务第一名经验总结 225 美团内部讲座｜清华大学莫一林：信息物理系统中的安全控制算法 235 KDD Cup 2020 多模态召回比赛季军方案与搜索业务应用 252 对话任务中的“语言 - 视觉”信息融合研究 Augur 应运而生。经过一段时间的实践，Augur 也有效地满足了算法侧的需求，并成为美团 搜索与 NLP 部通用的解决方案。下面，我们将从解读概念开始，然后再分享一下在 实施过程中我们团队的一些经验和思考。 2. 抽象过程：什么是模型预估 其实，模型预估的逻辑相对简单、清晰。但是如果要整个平台做得好用且高效，这就 需要框架系统和工具建设（一般是管理平台）两个层面的配合，需要兼顾需求、效率 以美团搜索核心排序也在 Transformer 上进行了相关的探索。 本文旨在分享 Transformer 在美团搜索排序上的实践经验。内容会分为以下三个部 分：第一部分对 Transformer 进行简单介绍，第二部分会介绍 Transfomer 在美团 搜索排序上的应用以及实践经验，最后一部分是总结与展望。希望能对大家有所帮助 和启发。 Transformer 简介 Transformer 是谷歌在论文《Attention