- 日志不是垃圾，是金矿：聊聊基于日志的大规模用户行为建模如何撑起推荐系统 日志不是垃圾，是金矿：聊聊基于日志的大规模用户行为建模如何撑起推荐系统
- 构建一个基于 Agent 的智能推荐系统架构—多 Agent 协作视角下的推荐系统设计与实现 引言传统推荐系统大多采用集中式流水线架构：数据收集 → 特征工程 → 模型推理 → 结果输出。这种方式在静态场景下表现良好，但在以下场景中逐渐暴露瓶颈：用户兴趣高度动态变化推荐目标多样（点击率、转化率、满意度）需要实时交互与策略调整推荐逻辑复杂、规则与模型并存为此，越来越多的系统开始引入 Agen... 构建一个基于 Agent 的智能推荐系统架构—多 Agent 协作视角下的推荐系统设计与实现 引言传统推荐系统大多采用集中式流水线架构：数据收集 → 特征工程 → 模型推理 → 结果输出。这种方式在静态场景下表现良好，但在以下场景中逐渐暴露瓶颈：用户兴趣高度动态变化推荐目标多样（点击率、转化率、满意度）需要实时交互与策略调整推荐逻辑复杂、规则与模型并存为此，越来越多的系统开始引入 Agen...
- 别再迷信离线了：流 + 在线模型，才是实时推荐的正解 别再迷信离线了：流 + 在线模型，才是实时推荐的正解
- 实时数据处理的挑战与机遇在当今数字化商业时代，电商平台面临着前所未有的数据处理挑战。每天数以亿计的用户行为数据、商品信息更新、价格变动等实时数据流需要被及时处理和分析，以提供精准的个性化推荐服务。传统的批处理方式已经无法满足现代电商对实时性的要求，用户期望在点击、浏览、购买等行为发生后立即获得相关的推荐内容。 传统推荐系统的局限性传统的推荐系统通常采用离线批处理的方式，每天或每小时更新一次... 实时数据处理的挑战与机遇在当今数字化商业时代，电商平台面临着前所未有的数据处理挑战。每天数以亿计的用户行为数据、商品信息更新、价格变动等实时数据流需要被及时处理和分析，以提供精准的个性化推荐服务。传统的批处理方式已经无法满足现代电商对实时性的要求，用户期望在点击、浏览、购买等行为发生后立即获得相关的推荐内容。 传统推荐系统的局限性传统的推荐系统通常采用离线批处理的方式，每天或每小时更新一次...
- 协同过滤（Collaborative Filtering, CF）是推荐系统中一种广泛使用的技术，核心思想是基于用户之间或物品之间的相似度进行推荐。协同过滤可以分为两大类：用户-用户协同过滤（User-User Collaborative Filtering）和物品-物品协同过滤（Item-Item Collaborative Filtering）。接下来，我们将深入探讨这两种方法及其背后的... 协同过滤（Collaborative Filtering, CF）是推荐系统中一种广泛使用的技术，核心思想是基于用户之间或物品之间的相似度进行推荐。协同过滤可以分为两大类：用户-用户协同过滤（User-User Collaborative Filtering）和物品-物品协同过滤（Item-Item Collaborative Filtering）。接下来，我们将深入探讨这两种方法及其背后的...
- 第一章：反事实评估的理论基石与业务痛点 1.1 传统评估方法的困境：为什么必须部署才能评估？在推荐系统、广告出价、动态定价等场景中，策略迭代面临根本性矛盾：离线训练的策略必须上线才能知道真实效果，这导致：痛点维度具体表现业务损失发生频率迭代成本高每版策略需2周A/B测试，100+工程师日投入延迟上线损失¥500万/次每周1-2次策略风险大新策略可能崩溃、转化率暴跌曾致GMV单日下跌12%每... 第一章：反事实评估的理论基石与业务痛点 1.1 传统评估方法的困境：为什么必须部署才能评估？在推荐系统、广告出价、动态定价等场景中，策略迭代面临根本性矛盾：离线训练的策略必须上线才能知道真实效果，这导致：痛点维度具体表现业务损失发生频率迭代成本高每版策略需2周A/B测试，100+工程师日投入延迟上线损失¥500万/次每周1-2次策略风险大新策略可能崩溃、转化率暴跌曾致GMV单日下跌12%每...
- 一、引言早些时候，我们在做提效研讨会时，其中一项是关于商品陈列决策的低效与滞后。超商门店的陈列优化作为提升销售额和顾客体验的关键环节，目前面临效率问题。传统门店的陈列方案往往依赖资深店长的经验判断，基于历史销售数据手动调整，不仅耗时（单店陈列方案制定平均需 4-8 小时），且难以实时响应市场变化（如促销活动、季节更替、库存波动）。为解决这一问题，我们团队计划开发“数字化陈列推荐系统”开发项目... 一、引言早些时候，我们在做提效研讨会时，其中一项是关于商品陈列决策的低效与滞后。超商门店的陈列优化作为提升销售额和顾客体验的关键环节，目前面临效率问题。传统门店的陈列方案往往依赖资深店长的经验判断，基于历史销售数据手动调整，不仅耗时（单店陈列方案制定平均需 4-8 小时），且难以实时响应市场变化（如促销活动、季节更替、库存波动）。为解决这一问题，我们团队计划开发“数字化陈列推荐系统”开发项目...
- 华为CANN算子优化实践-AutoFuse自动融合在推荐系统中的深度应用（训练营深度实战篇）随着人工智能在推荐系统中的广泛应用，模型规模和特征维度不断增加，算子执行效率逐渐成为系统性能的核心瓶颈。华为昇腾 CANN 提出的 AutoFuse 自动融合技术，为推荐系统提供了高效的算子执行方案，从原理设计到实践优化，实现了显著的性能提升。本文将从技术原理、实现机制、实践案例以及性能优化策略等方... 华为CANN算子优化实践-AutoFuse自动融合在推荐系统中的深度应用（训练营深度实战篇）随着人工智能在推荐系统中的广泛应用，模型规模和特征维度不断增加，算子执行效率逐渐成为系统性能的核心瓶颈。华为昇腾 CANN 提出的 AutoFuse 自动融合技术，为推荐系统提供了高效的算子执行方案，从原理设计到实践优化，实现了显著的性能提升。本文将从技术原理、实现机制、实践案例以及性能优化策略等方...
- 一、引言鸿蒙智能推荐系统是基于HarmonyOS分布式能力和AI技术构建的新一代个性化推荐引擎。系统通过多设备协同感知、实时用户行为分析和智能内容匹配，实现跨设备的精准个性化推荐，在用户体验提升和业务转化率方面实现显著突破。技术突破与性能表现指标传统推荐系统鸿蒙智能推荐提升幅度技术价值推荐准确率68.5%82.3%+20.1%更精准的用户兴趣匹配响应延迟120-200ms15-30ms降低8... 一、引言鸿蒙智能推荐系统是基于HarmonyOS分布式能力和AI技术构建的新一代个性化推荐引擎。系统通过多设备协同感知、实时用户行为分析和智能内容匹配，实现跨设备的精准个性化推荐，在用户体验提升和业务转化率方面实现显著突破。技术突破与性能表现指标传统推荐系统鸿蒙智能推荐提升幅度技术价值推荐准确率68.5%82.3%+20.1%更精准的用户兴趣匹配响应延迟120-200ms15-30ms降低8...
- 别怪推荐系统不懂你，可能是你的数据“太模糊”了 别怪推荐系统不懂你，可能是你的数据“太模糊”了
- 边缘计算加持下的个性化推荐：离用户更近，推荐更懂你 边缘计算加持下的个性化推荐：离用户更近，推荐更懂你
- AI推荐系统：如何悄无声息地重塑你的购物车？ ——从“人找货”到“货找人”的底层逻辑与实战拆解本文目标：用一次“完整购物旅程”带你穿透推荐系统的黑箱，既看懂淘宝/抖音为何“比你更懂你”，也能亲手搭一个工业级召回+排序+策略引擎，并落地到真实电商数据集。读完你将获得：一张可套用的“购物体验提升”技术地图三段可直接运行的 Python 代码（召回→排序→策略），覆盖 10⁶ 级商品池一套可量化... AI推荐系统：如何悄无声息地重塑你的购物车？ ——从“人找货”到“货找人”的底层逻辑与实战拆解本文目标：用一次“完整购物旅程”带你穿透推荐系统的黑箱，既看懂淘宝/抖音为何“比你更懂你”，也能亲手搭一个工业级召回+排序+策略引擎，并落地到真实电商数据集。读完你将获得：一张可套用的“购物体验提升”技术地图三段可直接运行的 Python 代码（召回→排序→策略），覆盖 10⁶ 级商品池一套可量化...
- 随着金融市场的高度复杂化与波动性增加，传统的单一预测方法（如时间序列模型、技术指标分析）往往难以应对多维度的信息流。而人工智能代理（AI Agent）凭借其跨模型的自适应学习能力，逐渐成为金融预测中的核心手段。本文探讨 AI Agent如何融合多种算法（深度学习、强化学习、集成学习等），并通过优化机制提升市场预测的准确率与鲁棒性。 随着金融市场的高度复杂化与波动性增加，传统的单一预测方法（如时间序列模型、技术指标分析）往往难以应对多维度的信息流。而人工智能代理（AI Agent）凭借其跨模型的自适应学习能力，逐渐成为金融预测中的核心手段。本文探讨 AI Agent如何融合多种算法（深度学习、强化学习、集成学习等），并通过优化机制提升市场预测的准确率与鲁棒性。
- 基于视觉-语言融合的AI Agent跨模态推理机制是未来人工智能的重要方向。它不仅能理解图像和文本，还能在两者之间建立语义联系，实现更强的智能推理能力。通过实战代码展示，我们看到AI Agent能够在多模态场景下做出准确判断。未来的研究将聚焦于提升推理能力和降低计算成本，推动AI Agent更好地服务于现实应用。 基于视觉-语言融合的AI Agent跨模态推理机制是未来人工智能的重要方向。它不仅能理解图像和文本，还能在两者之间建立语义联系，实现更强的智能推理能力。通过实战代码展示，我们看到AI Agent能够在多模态场景下做出准确判断。未来的研究将聚焦于提升推理能力和降低计算成本，推动AI Agent更好地服务于现实应用。
上滑加载中
推荐直播
-
华为云码道Skill实战与极速交付，智能开发全链路实战2026/07/22 周三 19:00-21:00
王一男-华为云码道产品规划专家；李炎-华为云码道产品专家；姜浩-华为云HCDG核心组成员
直播深度解读华为云码道6月产品新特性，从Skill市场安装专家技能，带你零距离体验从需求，开发，审查，重构全链路闭环的开发过程。从零构建并交付一个完整项目，让您体验从代码提交到服务上线的“极速”之旅。
回顾中 -
聚开发者之力，创具身新未来2026/07/23 周四 15:00-17:00
张豪杰/程文/王军/刘新春/黄钦开 /张晓天
本次华为云具身智能开发平台CloudRobo培训面向具身智能开发者，带您全流程体验机器人本体R2C小时级接入、环境重建与轨迹生成仿真数据生产、PB级数据管理、数据评测、模型训推、强化学习和Benchmark一键评测等功能，并体验业界主流具身模型应用。
回顾中
热门标签