1024，与滴滴一起

于 2024-10-24 19:02:58 发布
阅读量217 收藏
点赞数
CC 4.0 BY-SA版权
原文链接：https://mp.weixin.qq.com/s?__biz=MzU1ODEzNjI2NA==&mid=2247572185&idx=1&sn=aa3ba3fcbbc7d198bc4be0fb87c425a9&chksm=fd56b580d7a41d2812a9f8ee6dff9ef2dad75f0bc5384a0d2787e934162909c9eda90787041e&scene=126&sessionid=0

·

·

ba49c15a172ee65ca7c60c14b9549c34.jpeg

cc4c2ce4662857609628fad289407ca5.png

6e7abd4387784bcdb11e3c1ab047b65b.png

30b63b1c462797a8b7bfcdc78b945dcf.png

6a79c8de1cab8a03ac6322cea38b22f7.png

滴滴技术
关注
博客
滴滴因果建模新突破：最优传输+表征学习攻克长期效应估计难题​
07-24 209
近年来，基于观测数据的因果推断在补贴定价等领域得到广泛的应用，其旨在评估不同处理变量（ Treatment，例如优惠券金额）对结果变量（Outcome，例如GMV）所能带来的处理效应（Treatment effect），进而我们能够根据不同处理效应选择最优的处理变量。进一步地，为了消除可观测混淆偏差。首先在生成数据和半生成数据（News、TCGA）上验证模型LEARN的有效性，使用测试集上Long-term HDRC的MISE作为评估指标，其中s为测试集的样本量，[a1, a2]是处理变量的采样区间。
博客
RAS-AUCC：智能营销Uplift模型多Treatment评估指标改进
07-17 269
我们分析了基于对偶优化的策略内核，在评估指标搭建时复现了最优策略发放折扣的思想（基于边际ROI排序），并利用RCT数据对各补贴率下的累计规模指标收益进行仿真，在无需额外假设（如钱效随折扣加深而递减）的前提下，完全消除multi-treatment场景的离在线评估的理论gap，同时大幅提升与各业务场景的适配程度（支持不同策略目标、支持指定补贴率、与定折组对比评估）。以网约车平台为例，由于不同场景的供给与需求差异巨大，在部分场景并不适合发放补贴，因此挖掘出有增量的场景是解决问题的核心。
博客
Go 单元测试进阶：AI 加持下的高效实践与避坑指南
07-10 511
Cursor可以提供深度的代码库上下文感知能力，一个普通的AI聊天插件，你问它问题时，它并不知道你正在看哪个文件，你的项目结构是怎样的。“帮我开发一个会与实验平台交互的函数，函数将使用xx 实验因子读取实验，实验策略样例如...，读取实验策略后将会用策略中 xx 参数，计算车型的打分，并根据车型的打分默勾 xx 车型。就像在英雄联盟中玩打野，只有获取到足够的全局信息才能做出更好的下一步决策（是抓下路，还是刷野，还是控资源），AI 也一样，上下文越丰富，做出的决策也就更加正确。这些测试现在应该是失败的。
博客
用代码改变世界：滴滴国际研发团队火热招募中！
07-03 334
点击阅读原文，查看更多岗位。
博客
滴滴多岗位放大“招”，一起来有“AI”出行！
06-26 154
点击阅读原文，查看更多岗位。
博客
AI Coding工具怎么用? 看看滴滴人怎么说？ | 技术桔有话说
06-19 699
‏‏在处理多状态的UI组件或复杂的数据流转换时，会先把需求和现有的代码结构告诉AI，让它提供几种实现思路，再根据项目的技术栈和性能要求选择合适方案。‏如今，AI Coding工具正全球爆发式涌现，在大模型的助推下，AI Coding正从单纯的代码补全向更智能化的方向演进，重塑开发者的工作流。GitHub Copilot‏‏的代码补全很智能，特别是在写一些标准的Android代码时，通常会把它的建议作为起点，然后根据项目规范调整。：‏‏现在的AI虽然能理解代码结构，但对业务逻辑和项目历史的理解还有限。
博客
浅聊一下，大模型应用架构 | 工程研发的算法修养系列（二）
06-05 908
本文以Dify为例，Dify是一款开源的大语言模型(LLM)应用开发平台，融合了后端即服务(BaaS)和LLMOps的理念，使开发者可以快速搭建生产级的生成式AI应用。MCP系统是由多个协同工作的核心组件构成的完整架构，包括负责执行环境和运行时管理的MCP主机(Host)、处理工具注册与调用请求的服务器(Server)、与服务器交互并处理模型生成调用的客户端(Client)、实现和注册特定工具的工具提供者(Tool Provider)，以及连接语言模型与MCP系统的LLM集成层。
博客
全栈开发+跨端架构+AI：滴滴开源项目XIAOJUSURVEY入驻北大软微课堂
05-29 720
XIAOJUSURVEY 已初步具备以 Prompt 驱动问卷结构生成的能力，学生通过课程了解大模型在问卷生成场景中的价值定位、对话设计方法、API 接入方式，并在作业“AI 生成问卷”中构建出从"用户输入 → Prompt 构建 → 模型调用 → 问卷结构生成"的完整链路。开源不仅是代码共享，更是经验共享、人才共育。本次课程的顺利推进，得益于项目团队的长期投入，以及滴滴开源人以“项目管理人”的身份重返课堂，为课程推进、师生协作提供了全程支持，也以亲身经历诠释了从校园走向企业、再回馈母校的开源传承路径。
博客
深入浅出 Go 性能优化：从原理到实践
05-22 201
为了实现这些目标，我们需要依赖一系列强大的工具，从 Go 的运行时分析工具，到监控平台、代码扫描工具，再到压力测试工具，所有这些都帮助我们更精确地分析和调优性能。在执行压测时，我们会模拟不同的流量模式和负载情况，观察服务的响应时间、吞吐量以及资源消耗等指标。Go 的 GC 会在程序运行时定期回收不用的内存，这个过程虽然自动，但它是要花时间和 CPU 的。堆涨得快，就会触发回收……如果某些数据（比如用户昵称、配置、权限）变化不频繁，又经常被访问，那就别每次都发请求了，用缓存挡在前面，既快又省资源。
博客
浅聊一下，大模型的前世今生 | 工程研发的算法修养系列（一）
04-24 930
例如，你可以给GPT-4提供几个英语到法语的翻译例子："Hello→Bonjour, Goodbye→Au revoir"，然后问它"Thank you"的翻译，它会回答"Merci"，尽管模型从未被专门训练来执行翻译任务。比如在"银行门前的树已经很高了，它已经有50年历史了"这句话中，Transformer能立即理解"它"指代的是"树"而不是"银行"，不需要像人类那样来回推敲。它通过对比学习的方式，同时训练视觉模型和文本模型，让它们将相匹配的图像和文本映射到相近的空间位置，不匹配的则映射到远离的位置。
博客
直播报名 | 大模型时代，数据科学的变与不变
04-17 115
按钮，锁定直播席位，与数据科学领域的专家、同仁们相聚云端，共赴这场知识盛宴，开启大模型时代数据科学的探索之旅！，将在滴滴技术及DataFun线上举办。作为国内少数聚焦数据科学的专业会议之一，本次峰会以“两位老师，从前沿理论到实战应用，深度剖析网约车场景下的智能决策优化之道，不容错过！ST-MGRF：网约车场景下的地理实体表征框架。以决策为中心的“预测，然后优化”通用性微调框架。，滴滴盖亚项目-算法实习生，同济大学交通学院-2025年4月19日上午9:30。大模型时代，数据科学的变与不变。
博客
随机实验AA问题的，破解之道
04-10 985
在AA测试中，由于两组的策略一致，因此我们人为创造了一种原假设一定成立的情况（原假设为实验组与对照组的核心指标相等），因此使用判断为显著的情况并不是二者有差异，而是犯了一类错误，因此如果我们做1000次AA测试，那么得到的犯一类错误的频率为0.05左右（理由与抛硬币的例子相同）。所谓AA问题，本质上指的是。在重随机中，我们使用的是AA期的指标，是连续型随机变量，此时也能自然的联想到将其添加至回归模型中进行分析，如果不进行添加，也可以从区组实验中得到洞见，我们会错误的高估方差，进而降低实验的统计功效。
博客
架构性能跃迁！iLogTail超大规模日志采集最佳实践
03-27 1161
为了解决数据丢失的问题，实现了回滚offset的功能，对于每批要发送到Kafka的数据，都保存了这批数据最小的offset，当发送失败时，会在回调函数中回滚offset，读取文件的时候将从失败的位置重新读取。，iLogTail的采集部分及发送到SLS部分是C++编写的，C++部分拥有很高的性能，iLogTail还拥有很丰富的插件但这些都是通过Go编写，如发送到Kafka的插件，Go部分拥有功能优势，但是其垃圾回收会带来很大性能消耗，后面会针对这部分进行优化。
博客
数据人的进阶之路：四年数仓实践与成长思考
03-20 892
在数据仓库开发的过程中，常常会遇到很多值得思考的问题，它们不仅关乎技术的深度，也涉及业务理解、个人的成长，甚至是数据行业未来的价值。回顾ERP的项目，更多都是财务方向的建设，我们一直在说数据的建设是辅助管理层决策，但是，有没有办法直观的感受到或者量化这个决策的影响度。当衡量不出来价值的时候，会质疑自己存在的必要性，严重会上升到对于数仓开发的怀疑。随着存储和计算等新技术的发展，对于原本的数仓开发也带来了一定的改变，具体的比较见下，虽然在某种程度上，双边的界限会存在一定的模糊，但是 两者还是有所不同。
博客
从混合云交付到多活治理，滴滴应用中心交付提效实践
03-06 730
背景近几年，云原生平台已发展得比较成熟，而云原生应用的概念也在许多公司得到实践。其中，以阿里巴巴和微软提出的 OAM(Open Application Model) 概念得到了最广泛的认可，也在 CNCF（云原生计算基金会）社区孵化出项目 KubeVela，为云原生应用的开发与交付提供了新的思路和框架。基于KubeVela的理念，我们公司启动了应用中心平台的开发工作，经过多轮迭代与优化，应用中心平...
博客
欠下技术债怎么还？滴滴国际化落地实践经验分享
02-20 786
在快速发展的业务推动下，技术债务的积累成为技术团队难以回避的挑战。如何系统性地偿还技术债务，并从治理过程中提炼宝贵经验，是值得深入探讨的重要课题。此前，《聊一下，技术债务治理》一文已对技术债务的背景、分类及治理思路进行了全面概述，而《从技术债务到架构升级，滴滴国际化外卖的变革》则聚焦于业务营销场景，探讨了如何通过配置模型、优化表单、引入安全校验等手段提升开发效率。作为“技术债务治理”专题的收官之作...
博客
从技术债务到架构升级，滴滴国际化外卖的变革
02-13 1439
背 景商家营销简述在外卖平台的运营中，我们致力于通过灵活的补贴策略激励商家，与商家共同打造良好的合作关系，也会提供多样化的营销活动，帮助商家吸引更多用户下单。通过这些活动，不仅能够提高商家的销量，还能让用户感受到实际的优惠，从而增强他们对平台的粘性。前端技术特点业务特点：营销场景玩法多、活动类型多、活动链路长、活动规则复杂。中后台技术特点：活动配置表单规则多、联动复杂。前台技术特点：终端类型多（P...
博客
进来，送你一打“滴滴技术年货”
01-26 169
博客
聊一下，技术债务治理
01-09 935
前言在现代软件开发中，技术债务（Technical Debt）已成为一个不可忽视的重要概念。它指的是在软件开发过程中，为了追求短期目标而做出的妥协，导致未来需要付出额外成本来修复这些妥协所带来的问题。技术债务的管理不仅影响项目的质量和可维护性，还直接关系到团队的工作效率和公司的长期发展。什么是技术债务？技术债务的定义可以追溯到Ward Cunningham，他将其比喻为“借款”，即在软件开发中选择...
博客
数据DS岗位，超干货面试经验分享
12-12 895
随着AB实验在决策环节起到的作用日趋重要，面试环节对于AB实验的要求也在不断的提升。以往对AB实验基本原理的理解，以及计算最小样本量等基础问题，已经无法满足候选人对于实验能力要求的考察。本文结合过往的学习思路，以及在滴滴科学中台领域的实践经验，总结了一些觉得比较“掉书袋”的问题， 希望能为正在准备春招的同学们提供帮助。需要补充的是，这些问题通常出现在初级到中级的面试中，随着经验的增长，面试中更常见...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值