首页 文章 精选 留言 我的

精选列表

搜索[app],共10000篇文章
优秀的个人博客,低调大师

全球首位 AI 软件工程师 Devin:能自学新语言、开发迭代 App、自动 Debug

初创公司 Cognition 近日发布公告,宣布推出全球首个 AI 软件工程师 Devin,并号称会彻底改变人类构建软件的方式。 官方对其的描述如下:Devin 是一位不知疲倦、技术娴熟的队友,随时准备与您并肩作战,或独立完成任务供您审查。有了 Devin,工程师可以专注于更有趣的问题,工程团队可以努力实现更远大的目标。 Devin 所具备的技能如下: 快速掌握新技术:只需阅读文档,Devin 就能快速掌握不熟悉的工具和框架; 开发端到端应用:构建并部署功能齐全的网络应用程序,根据用户反馈逐步增加功能; 自动化查找 BUG:Devin 擅长识别、调试和修复代码问题,同时为开源和生产级软件仓库作出贡献; AI 培训:从研究资料库中获取指令,建立并微调大型语言模型。 Devin 在 SWE-bench 编码基准测试中取得了突破性的成功,展示了其执行复杂任务的能力,甚至超越了顶尖的人类工程师。 Devin 擅长长期推理能力,可以自主规划和完成软件项目,并在此过程中做出数以千计的准确决策。

优秀的个人博客,低调大师

飞桨图神经网络PGL助力国民级音乐App,创新迭代千亿级推荐系统

每当夜深人静时,你打开网易云音乐,或听歌刷乐评,或看直播闲聊,享受着以心交心的放松愉悦。在这背后,有一群技术人员苦思冥想地探索着,只为让“云村”越来越懂你。 “不同于一般的聊天文本或图片,音乐本身是跨域数据,具备若干特征,数据维度非常多。而1.8亿月活海量用户的音乐相关数据,带来的计算量、推荐量、参数规模都巨大无比。”网易云音乐机器学习平台技术团队意识到,在这样复杂问题面前,传统机器学习方法渐渐无力招架。 此外,云音乐的直播业务兴起,商业化表现良好,团队的担子更重了,“直播行为与音乐行为差异甚大,这意味着计算量与难度进一步增加。”压力之下,该团队将目光瞄向“图神经网络”,并最终选择应用百度飞桨PGL图神经网络技术来迭代升级云音乐的推荐系统。 推荐系统为何 需要图神经网络? 作为全球知名音乐社区,网易云音乐在繁荣发展的同时,其推荐系统面临三大难题:囊括音乐、歌单、Mlog、直播、云圈、动态等的多域数据;海量用户产出的超大规模数据;超30万音乐人发布歌曲,超28亿用户产生歌单,27%用户交流/生产内容构成的动态数据标签。 传统的机器学习方法需要严格制定一套规范来提取样本,逐项指定样本的各个特征。但云音乐用户产生的多域数据,可能会有若干个特征,加上近2亿的用户规模以及高频率的动态更新,必须进行巨量的计算,机器学习方法的训练效率因此大受限制,变得十分低效。 而图神经网络技术的约束性较小,把每个用户当做点,用户的标签作为边,不同用户之间基于点和边的关联形成网,在此基础上建模分析,因此能更高效地表征、筛选某一类用户。比如,当两位素不相识的宝妈,同样爱听某些亲子歌曲时,她们在“图”中就有可触达的连接,模型会根据这些连接关系学习出合适的表征,并把这些亲子歌曲推荐给相似的用户群体。 事实上,图神经网络已经成为目前互联网企业高效表征用户与内容结构的关键技术。既能基于用户在歌曲、歌单、动态、Mlog等各方面的跨域行为联合建模;又能支持多种行为子图,如深挖用户在歌曲方面的播放、点赞行为;并支持载入用户节点的画像特征与内容节点的类型特征;还支持灵活扩展,如适用音乐业务场景的图神经网络应用能很方便地迁移改造用来支持直播业务场景。 飞桨PGL图神经网络的 三大领先能力 市面上提供图神经网络技术的厂商不少,说起选择百度飞桨PGL的原因,网易云音乐机器学习平台技术团队总结了三点:飞桨PGL支持超大规模数据的全图存储、子图检索、高效图学习三大领先能力。 团队曾经尝试过多家国内外顶级厂商的图神经网络技术,其中两家国际大厂的产品没有现成的分布式编程范式,无法高效地处理超大规模图模型训练当中遇到的图存储、分布式训练等问题,在单机层面顶多支持到千万级别或亿级别,而到了百亿甚至千亿级别,只有飞桨PGL挺住了。 据介绍,云音乐的数据规模非常庞大,数据关系即使经过裁剪也高达千亿级别以上。而飞桨PGL技术,原生支持分布式图存储和分布式采样,可将图的特征存储在不同的Server上,也支持将不同子图的采样分布式处理,并基于PaddlePaddle Fleet API来完成分布式训练,实现在分布式的“瘦计算节点”上加速计算,因而能够为云音乐处理高达百亿级别的大规模数据。 不仅如此,飞桨PGL实现了极低成本的大规模图存储,这让网易云音乐技术团队非常认可。“飞桨PGL的分布式图存储方案比较灵活,适合云音乐,能快速搭起若干个分布式网络,无需专业数据库存储底层能力,存储成本降低70%+。”在4亿节点与400亿边数据这样的场景下,飞桨PGL的分布式图引擎资源,以60弹性节点(4CPU,16GB)的配置,可提供比中心化数据库更简单、更灵活的存储服务。 再者,他们团队还体验到飞桨PGL的另一个优点,即灵活的子图检索模式。飞桨PGL不仅预置常用模式,同时联动分布式图存储引擎,支持自定义子图检索模式,更符合业务实际需求,使用起来更顺手更高效。 飞桨PGL给网易云音乐技术团队印象最深的一次是,用不到30多台闲置老旧CPU机器在1天内训练完100个epoch数百亿边的LightGCN模型。这在业内人士听来可能会有些不可思议。“要是换成过去那种单机方案很难实现,因为内存早已爆掉了,无法存储这么巨大的图。”团队成员介绍道,也许还有其他方案能实现,但飞桨PGL的方案,性价比极高,适合大规模应用。云音乐的推荐系统采用飞桨PGL技术后,在冷门歌曲分发、云村广场、陌生人一起听等多个细分业务场景的效率都有不同程度的显著提升,最高甚至提升了近一倍。 可以说,飞桨PGL所提供的支持超大规模数据的极低成本全图存储、灵活子图检索、高效图学习等能力,在云音乐的工业实践中真正用下来,发现都是能够满足实际需要的。这正是飞桨平台源于产业实践,更适合产业应用的最好证明。 飞桨PGL图神经网络 打开应用新空间 基于超大规模复杂数据的用户与内容理解是许多互联网内容企业所面临的共同课题。而飞桨PGL图神经网络技术在网易云音乐的成功落地,佐证了自身作为企业可用的高性价比超大规模图神经网络方案的强大实力,将助力这些企业高效、低成本地表征用户与内容,创建完善精准推荐机制,做用户的“知心人”,进而催生新形态新模式,从中获取商业收益。 接下来网易云音乐机器学习技术团队还将立足云音乐的实践,探索图神经网络技术与AI的深度融合创新,如构建音乐社区的用户和内容理解中台,以及基于知识图谱的图神经网络落地应用;并计划与飞桨一起反哺开源社区,助推图神经网络技术在产业界广泛落地。 点击进入获得更多技术信息~~

优秀的个人博客,低调大师

在Play Store被下载数千次的《鱿鱼游戏》App其实是恶意软件

韩剧鱿鱼游戏Squid Game让互联网火了起来。随着Netflix的热播,人们急于下载与该韩剧有关的一切东西,包括谷歌Play Store中的一款壁纸应用,其中包含了恶意软件。 目前还没有官方的Squid Games应用程序,然而ESET的Android恶意软件研究员Lukas Stefanko在Twitter上说,Play Store上有超过200个与该系列有关的应用程序,其中就有Google保障措施还没有检测到的恶意软件,其中包括一款鱿鱼游戏壁纸应用。安全研究人员对其进行了分析,他们都认为这款鱿鱼游戏壁纸应用内置了一种Joker恶意软件。 我们以前在Play Store上见过Joker恶意软件很多次。它可以通过模拟注册过程,偷偷地将受害者签入高级订阅服务。它还能窃取短信、联系人名单和设备信息。2019年,它在24个下载量超过47.2万的应用程序中被检测到,去年有64个新变体出现在Google Play当中。本案中的Joker恶意软件以广告欺诈为目标,在受害者不知情的情况下与他们签订了昂贵的短信服务。好消息是,Google发现了这个应用,并将其从Google Play商店中删除,但它已经被下载至少5000次。 对于利用热度的非官方应用程序,无论是游戏、电影还是电视节目,最好都要保持警惕。之前《赛博朋克2077》的"移动版"在游戏推出后不久就被发现是勒索软件。 鸿蒙官方战略合作共建――HarmonyOS技术社区 【责任编辑:赵宁宁 TEL:(010)68476606】

资源下载

更多资源
Mario

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长,特征是大鼻子、头戴帽子、身穿背带裤,还留着胡子。与他的双胞胎兄弟路易基一起,长年担任任天堂的招牌角色。

Nacos

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称,一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集,帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Spring

Spring

Spring框架(Spring Framework)是由Rod Johnson于2002年提出的开源Java企业级应用框架,旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念,提供核心容器、应用上下文、数据访问集成等模块,支持整合Hibernate、Struts等第三方框架,其适用范围不仅限于服务器端开发,绝大多数Java应用均可从中受益。

Rocky Linux

Rocky Linux

Rocky Linux(中文名:洛基)是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版,作为CentOS稳定版停止维护后与RHEL(Red Hat Enterprise Linux)完全兼容的开源替代方案,由社区拥有并管理,支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性,采用模块化包装和SELinux安全架构,默认包含GNOME桌面环境及XFS文件系统,支持十年生命周期更新。

用户登录
用户注册
修改密码
忘记密码