进入 2024 年后，企业对 LLM 的关注开始转向生产环境的大规模部署，将 AI 模型接入现有基础设施以优化系统性能，包括降低延迟、提高吞吐量，以及加强日志记录、监控和安全性等。然而这一路径既复杂又耗时，往往需要构建专门的平台和流程。
本文介绍了火山引擎TRDNS在泛CDN场景中的实践经验和优化措施。内容从能力出发，详细介绍了遇到的挑战、TRDNS的优化措施、取得的效果。
随着实时音视频（RTC）技术在娱乐、教育、会议、游戏等领域的广泛应用，用户对音视频通话的核心功能需求不断提升，同时也衍生出许多扩展需求。这些扩展功能在业务场景扮演着越来越重要的作用，已经成为许多业务场景的核心路径。
从数据库领域的发展历程来看，分析型数据库已有40多年的发展历史，与数据库基本同时代。从OLTP和OLAP的分支来看，分析型数据库支持了海量数据规模下的聚合性分析。随着移动互联网甚至AI等领域的发展，用户画像行为分析的重要性日益凸显，而这些都离不开分析型数据库的支撑。
字节跳动大模型团队成果 Depth Anything V2 现已被苹果官方收入 Core ML 模型库。本文介绍了 Depth Anything 系列成果的研发历程、技术挑战与解决方法，分享了团队对于 Scaling Laws 在单一视觉任务方面的思考。值得一提的是，Depth Anything V1 与 V2 两个版本论文一作是团队实习生。
本文将分享在电商场景中如何建设数据血缘，包括数据全链路血缘介绍、如何建设血缘底座、电商场景的血缘应用实践以及总结与展望四个部分。
在搜索应用中，传统的 Keyword Search 一直是主要的搜索方法，它适合精确匹配查询的场景，能够提供低延迟和良好的结果可解释性，但是 Keyword Search 并没有考虑上下文信息，可能产生不相关的结果。 最近几年，基于向量检索技术的搜索增强技术 Semantic Search 越来越流行，通过使用机器学习模型将数据对象（文本、图像、音视频等）转化成向量，向量距离代表对象间的相似性，如果使用的模型和问题领域相关性高，则往往能更好地理解上下文和搜索意图，进而提高搜索结果的相关性，反之，如果模型和问题领域相关性不高，则效果会大打折扣。
以容器为代表的云原生技术正在飞速发展和广泛应用，在云平台创造了与传统 IDC 截然不同的使用体验：即用即得的资源容量、无需手动运维的基础设施、跨平台无缝迁移的应用……不过这些特性在为企业带来巨大便利和极高效率的同时，也始终伴随着一些安全性上的质疑
ChatGPT 掀起了大语言模型的热潮，AIGC与大数据研发治理能碰撞出什么火花？本文来源于大数据研发治理DataLeap基于AIGC的应用实践，将从数据研发和资产的角度介绍，如何运用AIGC能力提升效率，降低使用门槛。
