Q学习（Q-Learning）算法是提出时间很早的一种异策略的时序差分学习方法；DQN 则是利用神经网络对 Q-Learning 中的值函数进行近似，并针对实际问题作出改进...

自从BERT推出之后，在文本理解领域取得了非常好的效果。之后很多工作都是关注模型本身和模型输出，为什么预训练模型可以取得这么好的效果，我们对此的了解并不多。了解这些不仅可以...

在点击率 CTR（Click Through Rate）预估算法的推荐场景中使用 Tensorflow Serving 热更新较大模型时会出现短暂的延时毛刺，导致业务侧超时...

我喜立Flag,9月份说要做点视频，不知不觉已经鸽了俩月了。中间就零星时间学了一些剪辑方面的知识，工作太忙，视频一直没有实质进展。视频的灵魂其实是脚本，到现在还没写好。我还...

联邦学习（Federated Learning）是这几年开始流行的概念，其主要解决的问题是：在各国数据隐私监管越来越严格的大背景下，企业和研究机构不能在随意贩卖、购买或交换...

界面元素语义化一直是困扰D2C以及AI界的难题，而语义化是人工智能在代码生成产品（比如D2C）中的关键环节，对人性化设计起到至关重要效果。目前，国际上常见的语义化技术大多是...

做广告业务1年多时间了，但是平时的工作主要和 广告工程 有关，核心的广告算法由 AI 部门支持，对我们而言可以说是「黑盒般」的存在，只需要对训练好的模型进行调用即可。 近期...