在流量至上的网络消费时代,天级更新频率已无法满足需求,为了更迅速地捕捉用户兴趣和... 展开 >


在流量至上的网络消费时代,天级更新频率已无法满足需求,为了更迅速地捕捉用户兴趣和热点,商业算法近年来多次迭代,大规模在线学习系统已完成落地实践。那么从技术角度来看,“天级CTR/CVR模型训练任务切换至流式样本与流式模型”的算法设计方案解决了哪些问题?实践过程中又会面临哪些困难?在算法/架构设计过程中,开源组件、容器技术的大量使用及开发工具链的日益多样复杂化,导致了更高的软件供应链安全风险。开发者又如何结合软件开发部署生命周期各阶段进行软件系统的构成分析以及开发平台/组件的安全性检查?在本专题将得到答案。
将 OPPO 原有天级 CTR/CVR 模型训练任务切换至流式样本与流式模型,解决了资源开销大、任务管理困难以及难以支持超大模型等问题,该方案最终在信息流列表页落地,商业 arpu+1% 。
演讲大纲:
你将获得:
云原生技术及 DevOps 理念被广泛采纳,加速了企业开发和数字化创新的步伐。与此同时,开源组件、容器技术的大量使用及开发工具链的日益多样复杂化,导致了更高的软件供应链安全风险。传统视角通常侧重于代码侧或运行侧的单点成分与依赖分析,无法适应现代化软件开发部署的安全及治理需求。本次分享探讨如何结合软件开发部署生命周期各阶段进行软件系统的构成分析以及开发平台/组件的安全性检查,基于各阶段的软件组成信息对构成应用系统的软件供应链的变化进行追踪、关联、控制,同时关注软件开发部署平台自身的安全性,以全局视角提升软件供应链的可见性及安全性。
演讲大纲:
你将获得:



