# Technical Documentation: Doragd/Algorithm-Practice-in-Industry

> ℹ️ **Provenance:** Multi-Tier Ingestion · [CodeWiki Reference](https://codewiki.google/github.com/Doragd/Algorithm-Practice-in-Industry)

### Overview (README.md)

# Algorithm-Practice-in-Industry

## 仓库介绍

**一开始这个仓库是做如下内容：**

搜索、推荐、广告、用增等工业界实践文章收集（来源：知乎、Datafuntalk、技术公众号）

- [搜广推大厂实践文章](https://github.com/Doragd/Algorithm-Practice-in-Industry#%E5%A4%A7%E5%8E%82%E5%AE%9E%E8%B7%B5%E6%96%87%E7%AB%A0)
> 本文仅做资源收集，未引用具体内容，如有侵权，请联系删除。
> 源文件：source.xlsx，可以执行自定义排序

随后扩展了以下内容：

- [搜广推论文推送Bot](https://github.com/Doragd/Algorithm-Practice-in-Industry/tree/main#%E6%90%9C%E5%B9%BF%E6%8E%A8%E8%AE%BA%E6%96%87%E6%8E%A8%E9%80%81bot)

- [搜广推顶会论文列表](https://github.com/Doragd/Algorithm-Practice-in-Industry#%E9%A1%B6%E4%BC%9A%E8%AE%BA%E6%96%87%E5%88%97%E8%A1%A8)

- [搜广推优质博主文章](https://github.com/Doragd/Algorithm-Practice-in-Industry/blob/main/%E6%90%9C%E5%B9%BF%E6%8E%A8%E4%BC%98%E8%B4%A8%E5%8D%9A%E4%B8%BB%E6%96%87%E7%AB%A0.md)

- [搜广推算法系列串讲](https://github.com/Doragd/Algorithm-Practice-in-Industry/blob/main/%E6%90%9C%E5%B9%BF%E6%8E%A8%E7%AE%97%E6%B3%95%E7%B3%BB%E5%88%97%E4%B8%B2%E8%AE%B2.md)

[](https://star-history.com/#Doragd/Algorithm-Practice-in-Industry&Date)

## 当前仓库功能

当前仓库主线代码位于 `paperBotV2/`，主要维护搜广推方向的论文、顶会和工业实践内容：

- **arXiv 每日论文**：抓取 `cs.IR` 等方向新论文，使用大模型进行粗排、精排和摘要翻译，生成每日 JSON 与网页，并支持飞书群推送。
- **顶会论文汇总**：维护 ACL、CIKM、ECIR、EMNLP、ICLR、ICML、KDD、NAACL、NIPS、RecSys、SIGIR、WSDM、WWW 等会议论文列表，生成按会议和年份组织的 Markdown 页面。
- **顶会论文日推**：从 `paperBotV2/conf_summary/data/results.json` 中挑选推荐、搜索、广告相关论文，补全摘要、翻译摘要，并通过飞书机器人推送。
- **行业实践文章**：维护大厂搜广推、广告、搜索、推荐、生成式等实践文章，支持 Issue 驱动更新 README、数据文件和网页版本。
- **GitHub Actions 自动化**：通过 workflow 定时或按 Issue 标签触发 arXiv 更新、飞书通知、顶会更新、会议日推和行业实践页面部署。

## 代码入口

- arXiv 主流程：`python -m paperBotV2.arxiv_daily.arxiv`
- arXiv 飞书通知：`python paperBotV2/arxiv_daily/arxiv_feishu_msg.py`
- 顶会 Issue 更新：`python paperBotV2/conf_summary/update_from_issue.py`
- 顶会日推：`python paperBotV2/conf_summary/conf_daily.py`
- 顶会 Markdown 生成：`python paperBotV2/conf_summary/convert_to_md.py`
- 顶会 README 更新：`python paperBotV2/conf_summary/update_readme_papers.py`
- 行业实践更新：`python paperBotV2/industry_practice/maintain.py`

旧版脚本和旧 arXiv workflow 已归档到 `legacy/`，仅用于历史回溯、兼容排查和必要时回滚；日常开发和自动化入口以 `paperBotV2/` 为准。

## 贡献新文章
提交issue，利用github action自动更新readme和source.xlsx内容

已提供issue模板，具体内容参考issue：https://github.com/Doragd/Algorithm-Practice-in-Industry/issues/1

## 一起交流
* 关于我：2023届毕业，之前做NLP方向，毕业后转去搜广推方向，一枚努力适应的菜鸡。目前在做召回方向。
* 我的论文阅读笔记：https://github.com/doragd/paperreading
* 和我交流：

<img src=https://github.com/Doragd/Algorithm-Practice-in-Industry/assets/26213546/a5575665-37f9-43de-941f-5133a6114d7e height="30%" width="30%"></img>


## 搜广推论文推送Bot 【✨Newest:网页版本🥹=>[点击查看](https://doragd.github.io/Algorithm-Practice-in-Industry/arxiv_daily)】
* Arxiv论文：利用github action + 大模型排序翻译 + 飞书机器人每天推送cs.IR等方向的新论文到飞书群组中。[配置文件](https://github.com/Doragd/Algorithm-Practice-in-Industry/blob/main/.github/workflows/arxiv_daily_full.yml)
* 顶会论文：利用github action + 彩云小译 + 飞书机器人每天推送搜广推顶会的论文到到飞书群组中。[配置文件](https://github.com/Doragd/Algorithm-Practice-in-Industry/blob/main/.github/workflows/push_conf_daily.yml)
* PS: 虽然论文没太大用，但是可以无聊时候刷刷，扩展下思路。
* 比如早上通勤的时候，可以刷刷推送，看看有没有有意思的论文，也不需要花太多时间，毕竟摘要都翻译好了~

<img src=https://github.com/Doragd/Algorithm-Practice-in-Industry/assets/26213546/64b1361c-9b34-45ed-b74c-8d7ebac77c6b height="30%" width="30%"></img>
<img src=https://github.com/Doragd/Algorithm-Practice-in-Industry/assets/26213546/2607bc59-2746-4b50-9864-4698235ebfd3 height="30%" width="30%"></img>
<img src=https://github.com/Doragd/Algorithm-Practice-in-Industry/assets/26213546/f2a6c51f-484b-4488-bacd-269d81afcc32 height="30%" width="30%"></img>


## 顶会论文列表
| ACL | CIKM | ECIR | EMNLP | ICLR | ICML | KDD | NAACL | NIPS | RECSYS | SIGIR | WSDM | WWW |
| ------ | ------ | ------ | ------ | ------ | ------ | ------ | ------ | ------ | ------ | ------ | ------ | ------ |
| 2012 | [2012](paperBotV2/conf_summary/data/papers/cikm/cikm2012.md) | [2012](paperBotV2/conf_summary/data/papers/ecir/ecir2012.md) | 2012 | 2012 | 2012 | [2012](paperBotV2/conf_summary/data/papers/kdd/kdd2012.md) | 2012 | 2012 | [2012](paperBotV2/conf_summary/data/papers/recsys/recsys2012.md) | [2012](paperBotV2/conf_summary/data/papers/sigir/sigir2012.md) | [2012](paperBotV2/conf_summary/data/papers/wsdm/wsdm2012.md) | [2012](paperBotV2/conf_summary/data/papers/www/www2012.md) |
| 2013 | [2013](paperBotV2/conf_summary/data/papers/cikm/cikm2013.md) | [2013](paperBotV2/conf_summary/data/papers/ecir/ecir2013.md) | 2013 | 2013 | 2013 | [2013](paperBotV2/conf_summary/data/papers/kdd/kdd2013.md) | 2013 | 2013 | [2013](paperBotV2/conf_summary/data/papers/recsys/recsys2013.md) | [2013](paperBotV2/conf_summary/data/papers/sigir/sigir2013.md) | [2013](paperBotV2/conf_summary/data/papers/wsdm/wsdm2013.md) | [2013](paperBotV2/conf_summary/data/papers/www/www2013.md) |
| 2014 | [2014](paperBotV2/conf_summary/data/papers/cikm/cikm2014.md) | [2014](paperBotV2/conf_summary/data/papers/ecir/ecir2014.md) | 2014 | 2014 | 2014 | [2014](paperBotV2/conf_summary/data/papers/kdd/kdd2014.md) | 2014 | 2014 | [2014](paperBotV2/conf_summary/data/papers/recsys/recsys2014.md) | [2014](paperBotV2/conf_summary/data/papers/sigir/sigir2014.md) | [2014](paperBotV2/conf_summary/data/papers/wsdm/wsdm2014.md) | [2014](paperBotV2/conf_summary/data/papers/www/www2014.md) |
| 2015 | [2015](paperBotV2/conf_summary/data/papers/cikm/cikm2015.md) | [2015](paperBotV2/conf_summary/data/papers/ecir/ecir2015.md) | 2015 | 2015 | 2015 | [2015](paperBotV2/conf_summary/data/papers/kdd/kdd2015.md) | 2015 | 2015 | [2015](paperBotV2/conf_summary/data/papers/recsys/recsys2015.md) | [2015](paperBotV2/conf_summary/data/papers/sigir/sigir2015.md) | [2015](paperBotV2/conf_summary/data/papers/wsdm/wsdm2015.md) | [2015](paperBotV2/conf_summary/data/papers/www/www2015.md) |
| 2016 | [2016](paperBotV2/conf_summary/data/papers/cikm/cikm2016.md) | [2016](paperBotV2/conf_summary/data/papers/ecir/ecir2016.md) | 2016 | 2016 | 2016 | [2016](paperBotV2/conf_summary/data/papers/kdd/kdd2016.md) | 2016 | 2016 | [2016](paperBotV2/conf_summary/data/papers/recsys/recsys2016.md) | [2016](paperBotV2/conf_summary/data/papers/sigir/sigir2016.md) | [2016](paperBotV2/conf_summary/data/papers/wsdm/wsdm2016.md) | [2016](paperBotV2/conf_summary/data/papers/www/www2016.md) |
| 2017 | [2017](paperBotV2/conf_summary/data/papers/cikm/cikm2017.md) | [2017](paperBotV2/conf_summary/data/papers/ecir/ecir2017.md) | 2017 | 2017 | 2017 | [2017](paperBotV2/conf_summary/data/papers/kdd/kdd2017.md) | 2017 | 2017 | [2017](paperBotV2/conf_summary/data/papers/recsys/recsys2017.md) | [2017](paperBotV2/conf_summary/data/papers/sigir/sigir2017.md) | [2017](paperBotV2/conf_summary/data/papers/wsdm/wsdm2017.md) | [2017](paperBotV2/conf_summary/data/papers/www/www2017.md) |
| 2018 | [2018](paperBotV2/conf_summary/data/papers/cikm/cikm2018.md) | [2018](paperBotV2/conf_summary/data/papers/ecir/ecir2018.md) | 2018 | 2018 | 2018 | [2018](paperBotV2/conf_summary/data/papers/kdd/kdd2018.md) | 2018 | 2018 | [2018](paperBotV2/conf_summary/data/papers/recsys/recsys2018.md) | [2018](paperBotV2/conf_summary/data/papers/sigir/sigir2018.md) | [2018](paperBotV2/conf_summary/data/papers/wsdm/wsdm2018.md) | [2018](paperBotV2/conf_summary/data/papers/www/www2018.md) |
| 2019 | [2019](paperBotV2/conf_summary/data/papers/cikm/cikm2019.md) | [2019](paperBotV2/conf_summary/data/papers/ecir/ecir2019.md) | 2019 | 2019 | 2019 | [2019](paperBotV2/conf_summary/data/papers/kdd/kdd2019.md) | 2019 | 2019 | [2019](paperBotV2/conf_summary/data/papers/recsys/recsys2019.md) | [2019](paperBotV2/conf_summary/data/papers/sigir/sigir2019.md) | [2019](paperBotV2/conf_summary/data/papers/wsdm/wsdm2019.md) | [2019](paperBotV2/conf_summary/data/papers/www/www2019.md) |
| [2020](paperBotV2/conf_summary/data/papers/acl/acl2020.md) | [2020](paperBotV2/conf_summary/data/papers/cikm/cikm2020.md) | [2020](paperBotV2/conf_summary/data/papers/ecir/ecir2020.md) | [2020](paperBotV2/conf_summary/data/papers/emnlp/emnlp2020.md) | [2020](paperBotV2/conf_summary/data/papers/iclr/iclr2020.md) | [2020](paperBotV2/conf_summary/data/papers/icml/icml2020.md) | [2020](paperBotV2/conf_summary/data/papers/kdd/kdd2020.md) | 2020 | [2020](paperBotV2/conf_summary/data/papers/nips/nips2020.md) | [2020](paperBotV2/conf_summary/data/papers/recsys/recsys2020.md) | [2020](paperBotV2/conf_summary/data/papers/sigir/sigir2020.md) | [2020](paperBotV2/conf_summary/data/papers/wsdm/wsdm2020.md) | [2020](paperBotV2/conf_summary/data/papers/www/www2020.md) |
| [2021](paperBotV2/conf_summary/data/papers/acl/acl2021.md) | [2021](paperBotV2/conf_summary/data/papers/cikm/cikm2021.md) | [2021](paperBotV2/conf_summary/data/papers/ecir/ecir2021.md) | [2021](paperBotV2/conf_summary/data/papers/emnlp/emnlp2021.md) | [2021](paperBotV2/conf_summary/data/papers/iclr/iclr2021.md) | [2021](paperBotV2/conf_summary/data/papers/icml/icml2021.md) | [2021](paperBotV2/conf_summary/data/papers/kdd/kdd2021.md) | [2021](paperBotV2/conf_summary/data/papers/naacl/naacl2021.md) | [2021](paperBotV2/conf_summary/data/papers/nips/nips2021.md) | [2021](paperBotV2/conf_summary/data/papers/recsys/recsys2021.md) | [2021](paperBotV2/conf_summary/data/papers/sigir/sigir2021.md) | [2021](paperBotV2/conf_summary/data/papers/wsdm/wsdm2021.md) | [2021](paperBotV2/conf_summary/data/papers/www/www2021.md) |
| [2022](paperBotV2/conf_summary/data/papers/acl/acl2022.md) | [2022](paperBotV2/conf_summary/data/papers/cikm/cikm2022.md) | [2022](paperBotV2/conf_summary/data/papers/ecir/ecir2022.md) | [2022](paperBotV2/conf_summary/data/papers/emnlp/emnlp2022.md) | [2022](paperBotV2/conf_summary/data/papers/iclr/iclr2022.md) | [2022](paperBotV2/conf_summary/data/papers/icml/icml2022.md) | [2022](paperBotV2/conf_summary/data/papers/kdd/kdd2022.md) | [2022](paperBotV2/conf_summary/data/papers/naacl/naacl2022.md) | [2022](paperBotV2/conf_summary/data/papers/nips/nips2022.md) | [2022](paperBotV2/conf_summary/data/papers/recsys/recsys2022.md) | [2022](paperBotV2/conf_summary/data/papers/sigir/sigir2022.md) | [2022](paperBotV2/conf_summary/data/papers/wsdm/wsdm2022.md) | [2022](paperBotV2/conf_summary/data/papers/www/www2022.md) |
| [2023](paperBotV2/conf_summary/data/papers/acl/acl2023.md) | [2023](paperBotV2/conf_summary/data/papers/cikm/cikm2023.md) | [2023](paperBotV2/conf_summary/data/papers/ecir/ecir2023.md) | [2023](paperBotV2/conf_summary/data/papers/emnlp/emnlp2023.md) | [2023](paperBotV2/conf_summary/data/papers/iclr/iclr2023.md) | [2023](paperBotV2/conf_summary/data/papers/icml/icml2023.md) | [2023](paperBotV2/conf_summary/data/papers/kdd/kdd2023.md) | 2023 | [2023](paperBotV2/conf_summary/data/papers/nips/nips2023.md) | [2023](paperBotV2/conf_summary/data/papers/recsys/recsys2023.md) | [2023](paperBotV2/conf_summary/data/papers/sigir/sigir2023.md) | [2023](paperBotV2/conf_summary/data/papers/wsdm/wsdm2023.md) | [2023](paperBotV2/conf_summary/data/papers/www/www2023.md) |
| [2024](paperBotV2/conf_summary/data/papers/acl/acl2024.md) | [2024](paperBotV2/conf_summary/data/papers/cikm/cikm2024.md) | [2024](paperBotV2/conf_summary/data/papers/ecir/ecir2024.md) | [2024](paperBotV2/conf_summary/data/papers/emnlp/emnlp2024.md) | [2024](paperBotV2/conf_summary/data/papers/iclr/iclr2024.md) | [2024](paperBotV2/conf_summary/data/papers/icml/icml2024.md) | [2024](paperBotV2/conf_summary/data/papers/kdd/kdd2024.md) | [2024](paperBotV2/conf_summary/data/papers/naacl/naacl2024.md) | [2024](paperBotV2/conf_summary/data/papers/nips/nips2024.md) | [2024](paperBotV2/conf_summary/data/papers/recsys/recsys2024.md) | [2024](paperBotV2/conf_summary/data/papers/sigir/sigir2024.md) | [2024](paperBotV2/conf_summary/data/papers/wsdm/wsdm2024.md) | [2024](paperBotV2/conf_summary/data/papers/www/www2024.md) |
| [2025](paperBotV2/conf_summary/data/papers/acl/acl2025.md) | 2025 | [2025](paperBotV2/conf_summary/data/papers/ecir/ecir2025.md) | 2025 | [2025](paperBotV2/conf_summary/data/papers/iclr/iclr2025.md) | 2025 | [2025](paperBotV2/conf_summary/data/papers/kdd/kdd2025.md) | [2025](paperBotV2/conf_summary/data/papers/naacl/naacl2025.md) | 2025 | [2025](paperBotV2/conf_summary/data/papers/recsys/recsys2025.md) | [2025](paperBotV2/conf_summary/data/papers/sigir/sigir2025.md) | [2025](paperBotV2/conf_summary/data/papers/wsdm/wsdm2025.md) | [2025](paperBotV2/conf_summary/data/papers/www/www2025.md) |

## 大厂实践文章【✨Newest:网页版本🥹=>[点击查看](https://doragd.github.io/Algorithm-Practice-in-Industry/industry_practice/)】

| 公司         | 内容                                                         | 标签          | 时间       |
| ------------ | ------------------------------------------------------------ | ------------- | ---------- |
| 百度 | [基于统一语义空间的搜索广告生成式排序](https://mp.weixin.qq.com/s/fz_Ggh3qeF9D0dt_wFTqwQ) | 广告 | 2025-10-30 |
| 快手 | [端到端短视频多目标排序机制框架EMER详解](https://mp.weixin.qq.com/s/vQfH48o-A6kQR4duYoWbIQ) | 推荐 | 2025-10-30 |
| 美团 | [可验证过程奖励在提升大模型推理效率中的探索与实践](https://mp.weixin.qq.com/s/0NIfezMIEcCIDGt85WmrHg) | 大模型 | 2025-10-09 |
| 快手 | [快手广告领域的大模型技术探索与实践](https://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247771028&idx=3&sn=d9ad144b9b42ae58ac3026c286093b8a&chksm=fa4c6fae679b80110a5a6cbbd7bc60f36a3864b5bb2a003cf27c3e3ef9383bbca7b8c2860585&mpshare=1&scene=1&srcid=1007QhBxL0YfYUBaKKtuPk9I&sharer_shareinfo=23930b1de7c787411d0f95c1bd59c650&sharer_shareinfo_first=23930b1de7c787411d0f95c1bd59c650#rd) | 广告 | 2025-10-05 |
| 小红书 | [AIGC 赋能展示广告：大模型在小红书标题生成中的深度实践](https://mp.weixin.qq.com/s?__biz=Mzg4OTc2MzczNg==&mid=2247491121&idx=1&sn=a4463386920e58676f74d25b0f05ae19&chksm=ce5b60139cdf007e93ac885d0460880e3d0ee85caa6d6101f485cb813dc6b81446e567417e1d&mpshare=1&scene=1&srcid=1007ltuHALzt7NsvV1RmOH5u&sharer_shareinfo=80f3af230ca7b68ba82db1716b654ff2&sharer_shareinfo_first=80f3af230ca7b68ba82db1716b654ff2#rd) | 广告 | 2025-10-05 |
| 阿里 | [对话淘宝姜宇宁：如果你只推低价商品，是不需要用大语言模型的](https://mp.weixin.qq.com/s?__biz=MzkyNzY3NjQ1MA==&mid=2247487526&idx=1&sn=e0495d4caf65b94c7228c743ef53d10e&chksm=c3ac05f2dc5d2d3f7d0ce49aa224336fbc69d808a1d6ec934c81aa96d5728fa3b60550420cbe&mpshare=1&scene=1&srcid=1007HvLIFOyTCQcGk077IW3p&sharer_shareinfo=046a6db2a5b99f530d4cf10b0ca090e9&sharer_shareinfo_first=046a6db2a5b99f530d4cf10b0ca090e9#rd) | 推荐 | 2025-10-01 |
| 阿里 | [深度学习框架RecIS，专为超大规模稀疏+稠密计算设计](https://mp.weixin.qq.com/s?__biz=MzkyNzY3NjQ1MA==&mid=2247487526&idx=2&sn=89ecc882c5163d857def240a28f0b1a5&chksm=c3941d83a4b16612c44a5c8e3b5b07194e4823cb4296d348380043e1f2cd78138c9f8a1c06dc&mpshare=1&scene=1&srcid=1007ISD92MBw8OC5LPPb9DTY&sharer_shareinfo=14f1f0f33e144df589dceb00bddacccc&sharer_shareinfo_first=14f1f0f33e144df589dceb00bddacccc#rd) | 推荐 | 2025-10-01 |
| 百度 | [百度推荐技术标题改写实践](https://mp.weixin.qq.com/s?__biz=MzE5MTY2MDY2Mw==&mid=2247483707&idx=1&sn=2dc26b8c40b3494cfcc0bfac29f058e2&chksm=97834977b077da9bf3afbfe8ba80eb26f97074ffadef917def484009c87eaa9c2a1765b20a32&mpshare=1&scene=1&srcid=1007mEtFqB0wM2sGe6pfZWql&sharer_shareinfo=cfa680e6cc9682c64135512a50bb9ec2&sharer_shareinfo_first=cfa680e6cc9682c64135512a50bb9ec2#rd) | 生成式 | 2025-09-30 |
| 阿里 | [ULIM：解锁用户长期兴趣，推荐场景下的用户超长序列召回](https://mp.weixin.qq.com/s?__biz=MzkyNzY3NjQ1MA==&mid=2247487509&idx=1&sn=16524978b13880fbff586bd5741cb258&chksm=c360402b4b1502785f7073104cbe67198686c8511264d862ab0a063c72700bc8f57c6055c4a3&mpshare=1&scene=1&srcid=1007pPaFmYYoymzTdcRSPqyt&sharer_shareinfo=9e94312955817db50e13ce5e8e754605&sharer_shareinfo_first=9e94312955817db50e13ce5e8e754605#rd) | 推荐 | 2025-09-25 |
| 快手 | [生成式强化学习在广告自动出价场景的技术实践](https://mp.weixin.qq.com/s?__biz=Mzg2NzU4MDM0MQ==&mid=2247497563&idx=1&sn=93f7a872daf48a946a3c7979720c82ca&chksm=cf80164eed74ceee175e1810e02609df3a1837f00bd8944c417f46b4fd5ea402bee47e7f297b&mpshare=1&scene=1&srcid=1007sqV4gWhaLBbcO1iPebmV&sharer_shareinfo=31adc4d7f1b54de0f086213d54b5b825&sharer_shareinfo_first=31adc4d7f1b54de0f086213d54b5b825#rd) | 广告 | 2025-09-23 |
| 快手 | [快手端到端生成式搜索框架OneSearch](https://mp.weixin.qq.com/s?__biz=Mzg2NzU4MDM0MQ==&mid=2247497540&idx=1&sn=6f1009c426d64d86a3781629a18daadb&chksm=cf08105f18e24b3d44eb63b8e5daa9ae144b6d443c14316a9ea6d8024c04bffe92110dd4e161&mpshare=1&scene=1&srcid=1007bFqBFbe8JiuJwRxyfKFT&sharer_shareinfo=c824fe05a386f48b0e2679b213baeec2&sharer_shareinfo_first=c824fe05a386f48b0e2679b213baeec2#rd) | 搜索 | 2025-09-18 |
| 京东 | [京东健康基于大模型的生成式推荐在电商标品推荐的应用](https://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247770315&idx=4&sn=9d9ff8fae6029935640c726ce1b0021a&chksm=fad99e580c06d999f413a8793a037e7fa338a20b700af8f1420040706f74b38db24636816ca7&mpshare=1&scene=1&srcid=1007mHk7ftDyJAJSFMyRmjt9&sharer_shareinfo=80e2835e3cae79ff72695100491da673&sharer_shareinfo_first=80e2835e3cae79ff72695100491da673#rd) | 推荐 | 2025-09-12 |
| 美团 | [[datafun分享] MTGR：美团外卖生成式推荐 Scaling Law 落地实践](https://mp.weixin.qq.com/s?__biz=MzkxMjM2MDIyNQ==&mid=2247656360&idx=1&sn=ec16a8bb0a67a5c822f9477815ec4fda&chksm=c09f3dc2e86e0ff9356f4275b4dc9704b9a173a1e2c885edba656e723a4a67fea29cc7a895db&mpshare=1&scene=1&srcid=1007PRgq1N8wrvg4JzthkTp0&sharer_shareinfo=6176f37960dc8a7115ffcd759387a833&sharer_shareinfo_first=6176f37960dc8a7115ffcd759387a833#rd) | 生成式 | 2025-09-11 |
| 百度 | [GRAB：百度推荐广告生成排序模型技术实践](https://mp.weixin.qq.com/s?__biz=MzkxMjM2MDIyNQ==&mid=2247656315&idx=1&sn=a28d0bc49feab13a44a2253742cb74d2&chksm=c0cdf1828ff416dccbad23a71a3881829263a04d4a84c9b95963e2a9ed6084f8c824c3e6f9f3&mpshare=1&scene=1&srcid=1007i53TA3Xv3VqSB670AmH8&sharer_shareinfo=f6c44fc0c54d4e35e58014a2cf7a6d34&sharer_shareinfo_first=f6c44fc0c54d4e35e58014a2cf7a6d34#rd) | 生成式 | 2025-09-09 |
| 百度 | [百度Feed端到端内容理解与序列生成项目](https://mp.weixin.qq.com/s?__biz=MzE5MTY2MDY2Mw==&mid=2247483681&idx=1&sn=35b22b02be8dadf2b3963b468fa817cd&chksm=9789b35f4fdf4bc3154756ed19f085436e7a00deaafee923ed064f3fb31b24da25a5a8ab09d6&mpshare=1&scene=1&srcid=10071qUBXhrruIMvj4R5qT1S&sharer_shareinfo=7a3873c197e4f7c8520905c25c635d08&sharer_shareinfo_first=7a3873c197e4f7c8520905c25c635d08#rd) | 生成式 | 2025-09-08 |
| 百度 | [百度搜索广告端到端拍卖技术实践](https://mp.weixin.qq.com/s?__biz=MzUyODMzMjY3OQ==&mid=2247484872&idx=1&sn=2ca6d23f68377988257acd3e5bd4131d&chksm=fb581f7c242c101bfd493fecf51723a422306d5dd0f8b9bfd5236770f701e9ccff94dadb16e8&mpshare=1&scene=1&srcid=1007QHDd3lWmNAsHg3V3DKxO&sharer_shareinfo=e32fab9c98b646dda7c13b56244d3d37&sharer_shareinfo_first=e32fab9c98b646dda7c13b56244d3d37#rd) | 广告 | 2025-09-04 |
| 腾讯 | [腾讯广告LFM4Ads基础大模型：全表征多粒度知识迁移，全平台GMV提升2.45%](https://mp.weixin.qq.com/s?__biz=MzIzMzgzOTUxNA==&mid=2247491357&idx=1&sn=5b2f58e20baf5640285aef6b2d41bb58&chksm=e9cc4274925393eaea65c85b9ebf270c7a9b8f14407221dad98a8fb114565d68cf898837414b&mpshare=1&scene=1&srcid=1007YGfESURHEuh6hfnfCSwn&sharer_shareinfo=ac15bf2139a244ac95c247a0b3018b0c&sharer_shareinfo_first=ac15bf2139a244ac95c247a0b3018b0c#rd) | 广告 | 2025-09-03 |
| 阿里妈妈 | [阿里妈妈展示广告提出基于多归因学习的CVR预估范式MAL](https://mp.weixin.qq.com/s?__biz=MzkyNzY3NjQ1MA==&mid=2247487419&idx=2&sn=6f6dc26e30b1e6d6e7217b912adb49dc&chksm=c335e93662c260ac2acd9e891b2d4980c80923e758ffae69fada389e651b62fa1e8fef0b36b0&mpshare=1&scene=1&srcid=1007PAoULqqDnceXLyrRkEPl&sharer_shareinfo=3f19137b4149d3dbbe4d41d780de12a6&sharer_shareinfo_first=3f19137b4149d3dbbe4d41d780de12a6#rd) | 广告 | 2025-08-28 |
| 快手 | [快手搜索提出个性化生成式SUG](https://mp.weixin.qq.com/s?__biz=Mzg2NzU4MDM0MQ==&mid=2247497067&idx=1&sn=1df727d5bab8ed1359dc2839241091fc&chksm=cf0cbb071c342139230fec2e83dbb4c94a2fe887537d8a8e2e2ef834d387c56bed80aa18814a&mpshare=1&scene=1&srcid=1007wEYA7BYmq7uRU9W7idYb&sharer_shareinfo=a9f5a7f2a02efb9dc2cc1e20bc6e84a4&sharer_shareinfo_first=a9f5a7f2a02efb9dc2cc1e20bc6e84a4#rd) | 搜索 | 2025-08-07 |
| 阿里妈妈 | [在线广告系统的智能算力资源回收框架](https://mp.weixin.qq.com/s/-xod9bknciuE9p6gymBP8Q) | 广告 | 2025-08-06 |
| 快手 | [快手SL-MGAC精准稳定插播直播赢用户时长](https://mp.weixin.qq.com/s?__biz=Mzg2NzU4MDM0MQ==&mid=2247497066&idx=1&sn=3b143fc7f3559afe8a3f40345f0f32a7&chksm=cf70f8168c1bbe502516c2037421b0052b97594d16f471ab1e7f1c3729bf9a4ac6feb3b2cf09&mpshare=1&scene=1&srcid=1007GXQqdQOYrYyaFd5EwW9r&sharer_shareinfo=25dd8a82100c37840436cb1038e5ab81&sharer_shareinfo_first=25dd8a82100c37840436cb1038e5ab81#rd) | 推荐 | 2025-08-06 |
| 快手 | [快手LCRON：工业级级联排序系统一体化建模新范式，助力商业化收入增长](https://mp.weixin.qq.com/s/RA_VMSfRMDfaQmKrpD0fow) | 广告 | 2025-07-23 |
| 百度 | [百度商业大模型在线推理工程优化实践](https://mp.weixin.qq.com/s?__biz=MzUyODMzMjY3OQ==&mid=2247484730&idx=1&sn=0a5406646b24dd7dcf32b451627d33eb&chksm=fbec70d1fcd0be70f182e4fb369606c83604bc5c01ffe0ac5d0fa37484e3a55a419db5c3c9ca&mpshare=1&scene=1&srcid=1007RgvI4C3XzLAqqq9ivi2y&sharer_shareinfo=4e7e024db37c17fdc72a9e2f98feabd8&sharer_shareinfo_first=4e7e024db37c17fdc72a9e2f98feabd8#rd) | 生成式 | 2025-07-10 |
| 阿里 | [EasyRec 推荐算法训练推理优化](https://mp.weixin.qq.com/s?__biz=MzkxMjM2MDIyNQ==&mid=2247652767&idx=2&sn=6ed80336311d4800d1fb603b4a5915ac&chksm=c0cf6fc21b797cc280ed6650d03b5bed584fc68628e92f0cfdbc26cc86644310818604956736&mpshare=1&scene=1&srcid=1007kYkwViOONrerlBhvYbiU&sharer_shareinfo=2db8c2dbf1457185d498b45b0ae4b7e3&sharer_shareinfo_first=2db8c2dbf1457185d498b45b0ae4b7e3#rd) | 推荐 | 2025-07-04 |
| 快手 | [快手提出端到端生成式推荐系统OneRec](https://mp.weixin.qq.com/s/o1Io4j7KsA9tvQX-_JCGwA) | 推荐 | 2025-06-20 |
| 百度 | [百度生成式广告推荐召回工业级新范式](https://mp.weixin.qq.com/s/q65zBTpCH6_GCPORzWjYcg) | 生成式 | 2025-05-30 |
| 百度 | [百度搜索广告召回的生成式革新](https://mp.weixin.qq.com/s?__biz=MzUyODMzMjY3OQ==&mid=2247484537&idx=1&sn=139f22c1ac46f84311688fcb91f96e00&chksm=fb4d4a608152c0ef2c0333605ce23ff76edec7434e479d377fdf113ac966914d5fefe9015987&mpshare=1&scene=1&srcid=1007un76BWYjDJ2lEBQ1kplT&sharer_shareinfo=3cd9dcaff855ac036488f4dc79b0eff3&sharer_shareinfo_first=3cd9dcaff855ac036488f4dc79b0eff3#rd) | 生成式 | 2025-05-29 |
| 百度 | [百度推荐广告生成式排序模型技术实践](https://mp.weixin.qq.com/s?__biz=MzUyODMzMjY3OQ==&mid=2247484426&idx=1&sn=01fdc7bb9b6f74e12e7f5f7326698162&chksm=fb3cd2e7faacf0be27468d1f65d86860303cebfe0a0898a60167da940844c384886a3dd15e05&mpshare=1&scene=1&srcid=1007feqT8o2sQKQYFl4c5Sgg&sharer_shareinfo=2b8e31ad6c1a309a2a43317d31167f6c&sharer_shareinfo_first=2b8e31ad6c1a309a2a43317d31167f6c#rd) | 生成式 | 2025-05-22 |
| 阿里妈妈 | [集成大语言模型与电商知识的通用召回大模型URM](https://mp.weixin.qq.com/s?__biz=MzkyNzY3NjQ1MA==&mid=2247487139&idx=1&sn=89472a92015172af146987b607492001&chksm=c30719c5b50811a299e127bdd2a738eaca821f9fcac55628bef27c42be8b0ba8bec20e553394&mpshare=1&scene=1&srcid=1007TlgYbwFrVd4VRPa2jpRe&sharer_shareinfo=5baa4412bcae3562d12936b7255d79b9&sharer_shareinfo_first=5baa4412bcae3562d12936b7255d79b9#rd) | 广告 | 2025-05-15 |
| 美团 | [[美团技术团队] MTGR：美团外卖生成式推荐 Scaling Law 落地实践](https://mp.weixin.qq.com/s?__biz=MjM5NjQ5MTI5OA==&mid=2651780422&idx=1&sn=3c35610f1778343f4f82e3d47567ec3d&chksm=bc41cd03a36a61dc2652df83b8751d833995d48d765adb6cf572c9f9af9b6e029aa10c58cfcb&mpshare=1&scene=1&srcid=1007n1iiknl1iTGvEEyluDKs&sharer_shareinfo=b19bc8baa1aa0f76f496d1d6057cb946&sharer_shareinfo_first=b19bc8baa1aa0f76f496d1d6057cb946#rd) | 生成式 | 2025-05-15 |
| 京东 | [深度拆解One4All框架，生成式推荐在京东CPS广告的技术探索](https://mp.weixin.qq.com/s?__biz=MzU1MzE2NzIzMg==&mid=2247500638&idx=1&sn=1794a688831ad8685637bc70ea33464a&chksm=fa611f89be79a7152e6dfa0a4fb8920f1f8ed7516c2bf9c6715908e4ffccc67a273b349f6f4b&mpshare=1&scene=1&srcid=1007TjVTmjglxYtMt8sjU1UQ&sharer_shareinfo=186674ecbc0e6cf4d91703970f619276&sharer_shareinfo_first=186674ecbc0e6cf4d91703970f619276#rd) | 广告 | 2025-05-06 |
| 阿里妈妈 | [大模型深度赋能搜索广告：相关性大模型多维知识蒸馏](https://mp.weixin.qq.com/s?__biz=Mzg5NTk4MDMwMA==&mid=2247495561&idx=1&sn=eb0d8c7a3236a86e34707a8a1058f617&chksm=c1ff523ffe5b247f54f607f9427949cec52ec269f3529697678adf05c4b086c8ab428f8f7a09&mpshare=1&scene=1&srcid=1007WAocFAGHZym0TFHHqaNY&sharer_shareinfo=9395af3143962312880b7cca02cef3f1&sharer_shareinfo_first=9395af3143962312880b7cca02cef3f1#rd) | 广告 | 2025-04-23 |
| 京东 | [京东广告创意：高质量创意生成和千人千面的创意推荐](https://mp.weixin.qq.com/s?__biz=MzU1MzE2NzIzMg==&mid=2247500518&idx=1&sn=c6ccac40e3fee250c09a50981cbcbf10&chksm=fac05f72cda22cee1ecdc5410b6069da807ce5d02ca4618960a4204c577c220348e3cc129715&mpshare=1&scene=1&srcid=1007VUMEHZyD33aAifRbHC1w&sharer_shareinfo=efae37d30a7b6ce59da365f4d5c87e83&sharer_shareinfo_first=efae37d30a7b6ce59da365f4d5c87e83#rd) | 广告 | 2025-04-15 |
| 阿里 | [首猜两阶段端到端多兴趣新范式](https://mp.weixin.qq.com/s?__biz=MzkyNzY3NjQ1MA==&mid=2247486759&idx=1&sn=c180cc3b016bdbd582ca0f870aa58b08&chksm=c3bb32c4559647e901b8eb4fccc475122abc688741c04badca5647df5dcb17fa11ea0af18839&mpshare=1&scene=1&srcid=1007wbWkJyCjNMcm3sHQ07bt&sharer_shareinfo=c2fd201649088bc151ac502f89f11efa&sharer_shareinfo_first=c2fd201649088bc151ac502f89f11efa#rd) | 推荐 | 2025-03-14 |
| 阿里妈妈 | [阿里妈妈搜索广告大模型2024思考与实践](https://mp.weixin.qq.com/s?__biz=Mzg5NTk4MDMwMA==&mid=2247495141&idx=1&sn=6a747b4ad5d972625805260f94d4fe82&chksm=c16bdc41af00498304d717433a2d135e1152309ea3d645a83c7d014185b9320f16e7cea54f34&mpshare=1&scene=1&srcid=1007RqqtPyv3igRi2gHiPUMB&sharer_shareinfo=f2568374169bd30900972f8c30a8335b&sharer_shareinfo_first=f2568374169bd30900972f8c30a8335b#rd) | 广告 | 2025-03-14 |
| 美团 | [上下文感知的聚合页广告优化实践](https://mp.weixin.qq.com/s?__biz=MjM5NjQ5MTI5OA==&mid=2651779932&idx=1&sn=0da4221704c0cff8b8dabe083db9fb00&chksm=bc71bbf6915501356135e8cb79bc77c83975ca28cf163f5bc3169dbae7497e2d16ffc5c63a8c&mpshare=1&scene=1&srcid=1007bxMQVmLT6OI2FQPolT0W&sharer_shareinfo=c4d030bdcee656662b4b3eb3b9218d72&sharer_shareinfo_first=c4d030bdcee656662b4b3eb3b9218d72#rd) | 广告 | 2025-02-27 |
| 阿里 | [淘宝直播技术新范式（二）｜新型商品推荐链路带来百万级DAU增量](https://mp.weixin.qq.com/s?__biz=MzkyNzY3NjQ1MA==&mid=2247485902&idx=1&sn=2cdf741074662ffd88d59bb7cfc5138a&chksm=c3167faade26b6f4b1a9688293e2417a75085b442acefff6625181c54cba42fe222c952c0c6e&mpshare=1&scene=1&srcid=1007DfjBfLnNCUJiwxIjHa18&sharer_shareinfo=557b15e4019aebc421a414d128ac2565&sharer_shareinfo_first=557b15e4019aebc421a414d128ac2565#rd) | 推荐 | 2025-02-06 |
| 阿里 | [淘宝直播技术新范式（一）｜实时挂品识别能力实现精准即时的人货匹配](https://mp.weixin.qq.com/s?__biz=MzkyNzY3NjQ1MA==&mid=2247485868&idx=1&sn=ac33d0886e83926d7246c2540c4aaa71&chksm=c36804b567e6a2df9572c94ad13e4823f4b1721b6c67ae571090c8871c1f6f028a7ffc1ffe2c&mpshare=1&scene=1&srcid=10071HUGIkhy8IQ2a0qfkfq2&sharer_shareinfo=e2101c8e07c2a02ed883e0c23ce1b4e9&sharer_shareinfo_first=e2101c8e07c2a02ed883e0c23ce1b4e9#rd) | 推荐 | 2025-01-23 |
| 阿里 | [认知推荐（二）：基于LLM的淘宝推荐算法显著提升发现性比例](https://mp.weixin.qq.com/s?__biz=MzkyNzY3NjQ1MA==&mid=2247485717&idx=1&sn=2be76d57e5041cb506a08d49571b6ede&chksm=c332cbbeed11ac69627f5c5723dd38f152414ac78adc498513cfb828f07dd3aafd542c0656f2&mpshare=1&scene=1&srcid=1007vdkvrl4U1LaVHCZhzhE1&sharer_shareinfo=1a047f12c7f1386d6171c395fb2d788f&sharer_shareinfo_first=1a047f12c7f1386d6171c395fb2d788f#rd) | 推荐 | 2025-01-16 |
| 腾讯 | [腾讯搜索广告：基于混元大模型的生成式召回探索与应用](https://mp.weixin.qq.com/s/RQwiCqWxU5vSI2szqoiDXA) | 广告 | 2025-01-09 |
| 阿里妈妈 | [生成式拍卖：感知排列外部性的整页优化机制](https://mp.weixin.qq.com/s?__biz=Mzg5NTk4MDMwMA==&mid=2247494280&idx=1&sn=baf0e33c613c90a2075dbf1ab8697aac&chksm=c146a79807283a56e4bbbce7fd84ad1b6d88318d76d80140ef7191e1968e37d4715dc744aa08&mpshare=1&scene=1&srcid=1007UBuVJI4SRye94A8z9LwA&sharer_shareinfo=5f6cedb89f37403850bbc3423741fcc9&sharer_shareinfo_first=5f6cedb89f37403850bbc3423741fcc9#rd) | 广告 | 2024-12-25 |
| 京东 | [京东电商搜索：大模型生成式检索优化实践](https://mp.weixin.qq.com/s?__biz=MzU1MzE2NzIzMg==&mid=2247499837&idx=1&sn=82e6da0d996aabf66b2fe5ee78133792&chksm=fa0e7b3f859b4dc147a80eb0eed3d3ef877ade4bc6c8d0fd04517a81c508c4d0611af599285f&mpshare=1&scene=1&srcid=1007ZbnvJqo7Cly2mBUwk0lJ&sharer_shareinfo=db72ef229a11e26e806669dfd790ef6d&sharer_shareinfo_first=db72ef229a11e26e806669dfd790ef6d#rd) | 搜索 | 2024-12-14 |
| 阿里 | [淘宝拍立淘应用多模态属性理解新范式，曝光相关性突破95%](https://mp.weixin.qq.com/s?__biz=MzkyNzY3NjQ1MA==&mid=2247485322&idx=1&sn=3f079663c53d8dc3b83c0bbfb2ba70eb&chksm=c3c0cb0c52b965fd6b626463899a8c11879143176374acbdffc59354a332d626d5ed65959d9a&mpshare=1&scene=1&srcid=1007b2OlAYAhI0wm7k6udwhz&sharer_shareinfo=158cad13e45960dca8c2541df2c3607f&sharer_shareinfo_first=158cad13e45960dca8c2541df2c3607f#rd) | 搜索 | 2024-12-05 |
| 京东 | [[datafun分享] 京东电商搜索：大模型生成式检索优化实践](https://mp.weixin.qq.com/s?__biz=MzkxMjM2MDIyNQ==&mid=2247638309&idx=1&sn=37b28a515c23e5fbb624584c88c46c78&chksm=c01b707f29396fc0cc90db3726a760c256552fe54e08fdbac77f7934fc46aea88b0b0f681480&mpshare=1&scene=1&srcid=1007mZAdhsh2Z6aX1VcBKL8M&sharer_shareinfo=d3d49704f27f242467401c69727c1ad4&sharer_shareinfo_first=d3d49704f27f242467401c69727c1ad4#rd) | 搜索 | 2024-11-28 |
| 阿里 | [时令品智能推荐系统让淘宝与用户实现“四季之约”](https://mp.weixin.qq.com/s?__biz=MzkyNzY3NjQ1MA==&mid=2247485123&idx=1&sn=c6162083df8e6af302a8ff484e522ac7&chksm=c31492763fd7932f8bbbb9d035a6ca2ceffe4d1588ee56c4db8be132011eb5391a1c2d53d6c2&mpshare=1&scene=1&srcid=1007ZmHAcZHfZ0EIqg45W1EU&sharer_shareinfo=fbd91a97683dd0cc18d9b8cb1032bf1a&sharer_shareinfo_first=fbd91a97683dd0cc18d9b8cb1032bf1a#rd) | 推荐 | 2024-11-21 |
| 淘宝 | [简单又高效：多场景近线召回在淘宝推荐中的最新范式](https://mp.weixin.qq.com/s/zFb3wcfyAD-lAw3KBSEH9w) | 推荐 | 2024-10-31 |
| 小红书 | [小红书去中心化内容分发技术](https://mp.weixin.qq.com/s/LS_Y3IpO5cyJ7keyeGF_9w) | 推荐 | 2024-10-29 |
| 淘宝 | [LAST——重排在线学习范式的全新可能](https://mp.weixin.qq.com/s/8x6trg0QQ3L6d0KK-EmYZA) | 重排 | 2024-10-24 |
| 腾讯广告 | [腾讯广告基于长序列建模的落地实践](https://mp.weixin.qq.com/s/rNUvr1tHYd8jG4M5T5WHDw) | 推荐 | 2024-10-17 |
| 腾讯广告 | [腾讯广告基于混元大模型的生成式召回落地实践](https://mp.weixin.qq.com/s/ClmjgRzpNIVjX0PrikS3qg) | 召回 | 2024-10-14 |
| 淘宝 | [多样性重排算法在淘宝首页信息流的创新应用](https://mp.weixin.qq.com/s/ddLJozxOGmA7ag2eEgKKfA) | 重排 | 2024-10-10 |
| 爱奇艺 | [在线深度学习：爱奇艺效果广告分钟级模型优化](https://mp.weixin.qq.com/s/byDVm8MNu5HVo1iugXW6_g) | 广告 | 2024-10-10 |
| 美团 | [全域用户建模在美团首页推荐的探索与实践](https://mp.weixin.qq.com/s/9KBcHCjfNad_Fp3-SZrG3Q) | 推荐 | 2024-10-10 |
| 小红书 | [小红书搜索：生成式检索的探索与实践](https://mp.weixin.qq.com/s/yApGxCGxjWnZQu8PoO9Qeg) | 搜索 | 2024-10-05 |
| 爱奇艺 | [AI技术在爱奇艺视频搜索中的应用](https://mp.weixin.qq.com/s/K02gGawk_4Ej5rWlPxfAZQ) | 搜索 | 2024-09-26 |
| 小红书 | [多模态对齐在小红书推荐的研究及应用](https://mp.weixin.qq.com/s/tvaY4wAMf_kPjXCvHcXaUA) | 推荐 | 2024-09-23 |
| 网易云 | [多模态推荐在网易云音乐社区的创新实践](https://mp.weixin.qq.com/s/_zAAMtAtGFcrtwTwZ1R6jg) | 推荐 | 2024-09-16 |
| 京东 | [京东健康基于大模型的生成式推荐在电商标品推荐的应用](https://mp.weixin.qq.com/s/jN1OAKcRhJOt-qvPEE3gbg) | 推荐 | 2024-09-16 |
| 爱奇艺 | [爱奇艺广告智能算力探索与实践](https://mp.weixin.qq.com/s/DU4uMuQ7WzU6bz1mAxsZug) | 广告 | 2024-09-12 |
| 京东 | [京东搜索重排：基于互信息的用户偏好导向模型](https://mp.weixin.qq.com/s/fjZ2UosY3lvBMvXzqrOrZg) | 重排 | 2024-08-31 |
| 腾讯 | [深入理解推荐模型中的辅助排序损失](https://mp.weixin.qq.com/s/Y4ErK09-_TSJ2m6lC6UGCA) | 推荐 | 2024-08-27 |
| 腾讯广告 | [推荐模型中的辅助排序损失](https://mp.weixin.qq.com/s/Y4ErK09-_TSJ2m6lC6UGCA) | 推荐 | 2024-08-27 |
| 腾讯 | [跨领域迁移学习在广告用户价值预估场景应用探索](https://mp.weixin.qq.com/s/APaaHTYzRjEeE1pRTg0fXg) | 广告 | 2024-08-26 |
| 腾讯广告 | [跨领域迁移学习在广告用户价值预估场景应用探索](https://mp.weixin.qq.com/s/APaaHTYzRjEeE1pRTg0fXg) | 广告 | 2024-08-26 |
| 淘宝 | [大语言模型改写技术在淘宝搜索中的应用](https://mp.weixin.qq.com/s/DfHWs_773gErF6o0y9cw9Q) | 搜索 | 2024-08-22 |
| 快手 | [推荐系统融合排序的多目标寻优技术](https://mp.weixin.qq.com/s/Wy4t_rn2h45mDwVnGWk57A) | 排序 | 2024-08-17 |
| 淘宝 | [淘宝全域空间下的自适应连续迁移学习](https://mp.weixin.qq.com/s/Exo3zDwyzrwHeiMBVOHPLg) | 推荐 | 2024-08-15 |
| 美团 | [信息流广告预估技术在美团外卖的实践](https://mp.weixin.qq.com/s/LqkYvp-OFEpWCcRzEy1b5Q) | 排序 | 2024-08-15 |
| B站 | [B站搜索建库架构优化实践](https://mp.weixin.qq.com/s/Kd9hqXkTsP5Zu8dnFQfDwA) | 搜索 | 2024-08-13 |
| 淘宝 | [触发式推荐场景的用户动态即时兴趣预估](https://mp.weixin.qq.com/s/t9MxXW-Hbo1uT_PCyJoVuQ) | 推荐 | 2024-08-08 |
| 网易 | [多场景多任务统一建模在网易云音乐的算法实践](https://mp.weixin.qq.com/s/DBNNLe678gfZiOjf3Pm0ZQ) | 排序 | 2024-08-07 |
| 阿里妈妈 | [展示广告预估技术最新突破：基于原生图文信息的多模态预估模型](https://mp.weixin.qq.com/s/XWMOSypjF9XrwqwZsEXF7g) | 排序 | 2024-08-02 |
| 小红书 | [小红书搜索广告召回实践](https://mp.weixin.qq.com/s/h-zChStPhB7-11YtV5J9fg) | 召回 | 2024-08-01 |
| 淘宝 | [认知推荐：基于LLM的首页推荐新范式](https://mp.weixin.qq.com/s/J2GVJcZoL5tSbgWR0qzZGQ) | 推荐 | 2024-08-01 |
| 小红书 | [小红书去中心化内容分发技术](https://mp.weixin.qq.com/s/O9LueIBrh8AJ4omid-nBUA) | 排序 | 2024-07-31 |
| 腾讯广告 | [腾讯广告推荐算法优化实践](https://mp.weixin.qq.com/s/dG_HVVTgQSmprezZnqzbCw) | 推荐 | 2024-07-17 |
| 淘宝 | [淘宝“小时达”算法技术革新：精准匹配供需，重塑即时消费体验](https://mp.weixin.qq.com/s/TCcbyww79RryLvGfY_mPsA) | 推荐 | 2024-07-11 |
| 美团 | [搜索广告召回技术在美团的实践](https://mp.weixin.qq.com/s/sCMsbMlcUlNHK0IOMQ3HkA) | 召回 | 2024-07-04 |
| 腾讯音乐 | [音频表征大模型在QQ音乐歌曲冷启的应用与探索](https://mp.weixin.qq.com/s/xErp5lbsDWwCtRD8BUWuZw) | 冷启动 | 2024-06-30 |
| 阿里妈妈 | [展示广告预估模型优势特征应用实践](https://mp.weixin.qq.com/s/5WDz015M3wY0ovdWqIHm7w) | 排序 | 2024-06-13 |
| 阿里妈妈 | [展示广告多模态召回模型：混合模态专家模型](https://mp.weixin.qq.com/s/VGs-J1EQneGIxFhask9WCQ) | 召回 | 2024-05-29 |
| 百度 | [多域图大模型在百度推荐系统的实践与思考](https://mp.weixin.qq.com/s/6qanJ1tfV9AJF-Qbamezww) | 图推荐 | 2024-05-09 |
| 百度 | [百度推荐资源冷启动实践](https://mp.weixin.qq.com/s/_3CkflIJtsyndBqHhm8w3Q) | 冷启动 | 2024-05-09 |
| 小红书 | [小红书高时效推荐系统实践：从系统提效到内容冷启动](https://www.bilibili.com/video/BV1B142167Hu) | 冷启动 | 2024-05-07 |
| 美团 | [百亿大规模图在广告场景的应用](https://mp.weixin.qq.com/s/RCOcFFIYDylWg10ZG72_KA) | 图 | 2024-03-28 |
| 美团 | [大众点评内容搜索算法优化的探索与实践](https://mp.weixin.qq.com/s/4gki0Ju82HnHV5Qze2faBw) | 搜索 | 2024-03-21 |
| 爱奇艺 | [稀疏大模型在爱奇艺广告排序场景中的实践](https://mp.weixin.qq.com/s/zyStqt3IYyhb_IXbMl8Dzg) | 排序 | 2024-03-01 |
| 360 | [360信息流推荐Mind召回](https://mp.weixin.qq.com/s/Hy9yZ8yOF2FwQ9FIn3DQTw) | 召回 | 2024-01-19 |
| 百度 | [百度搜索Push个性化](https://mp.weixin.qq.com/s/nly7Za8Ei29lx6HBuimBTQ) | 搜索 | 2024-01-17 |
| 小红书 | [小红书推荐用户及内容冷启动实践](https://www.bilibili.com/video/BV1fe41127m1) | 冷启动 | 2024-01-12 |
| 百度 | [百度feed图模型演进](https://mp.weixin.qq.com/s/k78RRpvDrP3GlsdBV3B3sg) | 推荐 | 2024-01-11 |
| 百度 | [百度推荐排序技术的思考与实践](https://mp.weixin.qq.com/s/JTNmYJNgoQr26fkT-Oy35g) | 推荐 | 2024-01-07 |
| OPPO | [OPPO 广告召回算法实践与探索](https://mp.weixin.qq.com/s/4TtGHY3Rc9Ui_1jkOKSx5Q) | 召回 | 2023-12-30 |
| 美团 | [美团交易视频推荐探索与实践](https://www.bilibili.com/video/BV1N64y1H7mc) | 推荐 | 2023-12-23 |
| 美团 | [内容搜索算法优化的探索与实践](https://www.bilibili.com/video/BV1Yb4y137a3) | 搜索 | 2023-12-23 |
| 得物 | [粗排优化探讨｜得物技术](https://mp.weixin.qq.com/s/JX8adK0y-AtsoRRxx4734Q) | 粗排 | 2023-12-20 |
| 百度 | [百度视频推荐跨域多目标预估与融合的实践和思考](https://mp.weixin.qq.com/s/YXPmZn3ujbBavFsmnf5Vzw) | 推荐 | 2023-11-29 |
| 腾讯 | [AI大模型「改造」QQ浏览器搜索](https://mp.weixin.qq.com/s/DSfo8AXIV_QMyBX4EOfe7A) | 搜索 | 2023-11-19 |
| 阿里妈妈     | [HC^2：基于混合对比学习的多场景广告预估建模](https://mp.weixin.qq.com/s/8Mg3lt4t2j5dtFKCsRet4g) | 广告          | 2023-11-15 |
| 阿里         | [融合复杂目标且支持实时调控的重排模型](https://mp.weixin.qq.com/s/kRmTthX9jLB8sHC32UJWfw) | 召回          | 2023-11-14 |
| 网易 | [网易云音乐推荐系统的冷启动技术](https://mp.weixin.qq.com/s/EDkoe3nxvQ_24nxC8ktd7g) | 冷启动 | 2023-11-10 |
| 华为 | [多任务和多场景在华为推荐系统中的应用](https://mp.weixin.qq.com/s/c7xO71NEE2n-RbtRKItA) | 推荐 | 2023-11-09 |
| 阿里妈妈     | [BOMGraph：基于统一图神经网络的电商多场景召回方法](https://mp.weixin.qq.com/s/Grd0PyAYmrlvc6SQLASFrg) | 召回          | 2023-11-01 |
| 小红书 | [小红书推荐系统创新性探索](https://www.bilibili.com/video/BV1Zz4y1P7Tx) | 冷启动 | 2023-10-31 |
| 爱奇艺       | [爱奇艺效果广告双出价优化历程](https://mp.weixin.qq.com/s/brTPvcm6_yjwoXAme2kUdA) | 广告          | 2023-10-20 |
| 快手 | [快手内容冷启动推荐模型实践](https://mp.weixin.qq.com/s/8MKoANEAw687FoeTasngpA) | 冷启动 | 2023-10-11 |
| 百度         | [百度推荐排序技术的思考(提取码:r5kv)](https://pan.baidu.com/s/1kTbebwkDuZOuKS7INW1Jew) | 推荐          | 2023-08-26 |
| 新浪         | [推荐系统大模型启发的MemoNet(提取码:ckpa)](https://pan.baidu.com/s/1iR6tdrD93o35WPKyievo7w) | CTR预估       | 2023-08-26 |
| 网易         | [网易云音乐推荐的多模态冷启技术(提取码:x72d)](https://pan.baidu.com/s/1PnE89HVWg379ax9ewP8ydQ) | 冷启动        | 2023-08-26 |
| 快手         | [快手内容冷启动模型实践(提取码:cjbc)](https://pan.baidu.com/s/1SbDA0t6DzevVcVEzttfydg) | 冷启动        | 2023-08-26 |
| 百度         | [百度视频推荐跨域多目标预估与融合的实践和思考(提取码:cva3)](https://pan.baidu.com/s/1nVoJCVUQZDGxlf05zhYuhw) | 多目标        | 2023-08-26 |
| 虎牙         | [面向直播场景的虎牙排序算法实践(提取码:yhb8)](https://pan.baidu.com/s/1iU4LNm7qFAKUtkE65hVaYg) | 排序          | 2023-08-26 |
| 58同城       | [深度学习在互联网房产推荐场景的算法实践(提取码:wcz7)](https://pan.baidu.com/s/1LGmN8ZUajMBhnZ7vcOaRoA) | 排序          | 2023-08-26 |
| 京东         | [图机器学习在京东视频召回中的应用(提取码:gfkx)](https://pan.baidu.com/s/1-NQEP8M4Y1GH1gzMGj7p-Q) | 召回          | 2023-08-26 |
| 百度         | [图模型在百度推荐系统的实践与思考(提取码:huaz)](https://pan.baidu.com/s/1tzWEjphTt9EzTXqp4OfiRw) | 推荐          | 2023-08-26 |
| 百度         | [百度新资源冷启动实践(提取码:bji6)](https://pan.baidu.com/s/12GAalYfn4TuHf-8dZ9qHLA) | 冷启动        | 2023-08-26 |
| 蚂蚁         | [图算法在蚂蚁集团营销推荐场景的应用(提取码:xvvi)](https://pan.baidu.com/s/1AilbuaTQLtrHOegjK353_Q) | 推荐          | 2023-08-26 |
| 百度         | [百度凤巢大模型与搜索广告满意度设计与实践](https://mp.weixin.qq.com/s/Mpi7wZlHw3eKPJzj00CPMw) | 搜索          | 2023-08-13 |
| 美团         | [美团外卖推荐关于用户新颖体验优化的技术探索](https://mp.weixin.qq.com/s/RG_eOhxJxzdou06GfJVp3g) | 推荐          | 2023-07-20 |
| 美团         | [美团外卖智能陪伴型导购的探索与实践](https://mp.weixin.qq.com/s/prLykt36ONu43V-twgfcOg) | Query推荐     | 2023-07-13 |
| 京东         | [京东搜索EE链路演进](https://mp.weixin.qq.com/s/na90G1GqLoS41L_-NHpVKQ) | 搜索生态      | 2023-07-12 |
| 阿里妈妈     | [基于特征自适应的多场景预估建模](https://mp.weixin.qq.com/s/dDHdQFBoSTxIE_M_hPSh5w) | 多场景排序    | 2023-07-05 |
| 阿里妈妈     | [转化率预估新思路：基于历史数据复用的大促转化率精准预估](https://mp.weixin.qq.com/s/MRpoM1ucZIVdiXMcS4PiHQ) | 推荐          | 2023-06-28 |
| 腾讯         | [对话双塔——腾讯视频中的粗排相关性模型](https://mp.weixin.qq.com/s/ETJ-lkIKcxN6zIgH8FrTjw) | 粗排相关性    | 2023-06-28 |
| 小米电商     | [多任务学习梯度冲突在电商场景的改进](https://mp.weixin.qq.com/s/0GWkUFSC0geRZMpISx-4gg) | 多任务学习    | 2023-06-24 |
| 阿里妈妈     | [排序和准度联合优化：一种基于混合生成/判别式建模的方案](https://mp.weixin.qq.com/s/kMEYxeUPtJIbJ-X6NgHR2A) | 排序          | 2023-06-21 |
| 小红书       | [语义模型在小红书社区搜索的应用(提取码:xfkv)](https://pan.baidu.com/s/1xQ5lqxYb_VvLxLIzDPgMHQ) | 搜索          | 2023-06-17 |
| 蚂蚁         | [支付宝搜索的Query理解与语义召回技术(提取码:p6gc)](https://pan.baidu.com/s/12Q_QisYd8GFq-pXX3g1x5w) | 召回          | 2023-06-17 |
| 阿里淘系     | [Generator-Evaluator重排模型在淘宝流式场景的实践](https://mp.weixin.qq.com/s/YoQNDdsRE6LZWJXrRKubLw) | 重排          | 2023-06-09 |
| 得物         | [得物多场景统一推荐技术演进](https://mp.weixin.qq.com/s/Aj5rY1ziLqvPnZ6zNAHvFw) | 推荐          | 2023-06-09 |
| 阿里         | [阿里解耦域适应无偏召回模型详解](https://mp.weixin.qq.com/s/0Cbc3aAYTeFqLDutLBXJmA) | 召回          | 2023-06-04 |
| Shopee       | [多任务学习最新进展：基于神经元级共享的   CTR、CVR 多任务联合预估方法](https://mp.weixin.qq.com/s/4PO6EK3b4VCKO0ibd76C9w) | 推荐          | 2023-05-29 |
| 阿里妈妈     | [AdaSparse:   自适应稀疏网络的多场景CTR预估建模](https://mp.weixin.qq.com/s/a2X08FZfMgMfzmucF0DZ_w) | 精排          | 2023-05-10 |
| 得物         | [得物App相关推荐价格体验优化](https://mp.weixin.qq.com/s/J9gEmRWsjE8eZHpHvSHOlQ) | 推荐          | 2023-05-10 |
| 阿里淘系     | [淘宝内容化推荐场景下对多场景全域表征的思考与应用](https://mp.weixin.qq.com/s/e6Sqb6MAY5Bvzd7Pi8-zOg) | 推荐          | 2023-04-28 |
| 阿里飞猪     | [因果推断技术在飞猪保险模块推荐以及可解释性应用](https://mp.weixin.qq.com/s/M9RSzYiDvJ8L2Ux2VmFFRw) | 推荐          | 2023-04-28 |
| 阿里淘系     | [每日好店——店品排序探索模型升级](https://mp.weixin.qq.com/s/rdcqehk6l_GMF07YisHLFw) | 推荐          | 2023-04-24 |
| 微博         | [微博推荐实时大模型的技术演进](https://mp.weixin.qq.com/s/wRi0YJLpru5M1My0H2Ww0w) | 推荐          | 2023-04-24 |
| 阿里健康     | [阿里可解释性推荐算法应用](https://mp.weixin.qq.com/s/hQgsT9xpQr2Ylb6_3uwfvQ) | 推荐          | 2023-03-06 |
| Shopee       | [Calibration4CVR：2018年关于“神经元级别共享的多任务CVR”的初探](https://mp.weixin.qq.com/s/2JFY--9xDoMF5_2YCehwkg) | 推荐          | 2023-03-05 |
| 得物         | [得物社区推荐精排模型演进](https://mp.weixin.qq.com/s/tX8fq3Az_n5NcnPlEpzA-Q) | 推荐          | 2023-01-11 |
| 阿里妈妈     | [阿里妈妈展示广告召回之多场景建模算法](https://mp.weixin.qq.com/s/LH4XI9DZXq77NvSvaoYfLQ) | 召回          | 2022-12-07 |
| 美团         | [大规模异构图召回在美团到店推荐广告的应用](https://mp.weixin.qq.com/s/9HZZQCVd-bMRrR6mCanaog) | 召回          | 2022-11-24 |
| 美团         | [美团外卖搜索基于Elasticsearch的优化实践](https://mp.weixin.qq.com/s/6k8THshasaYfSaLr58O1NA) | 搜索          | 2022-11-17 |
| 美团         | [图技术在美团外卖下的场景化应用及探索](https://mp.weixin.qq.com/s/7bCrFHNeQ3_2kLlvzb5l3w) | 搜索          | 2022-09-08 |
| 得物         | [得物分类TAB商品流多目标排序模型的演进](https://mp.weixin.qq.com/s/URIjMVSA4gJ6EBWk4Tp6tA) | 推荐          | 2022-07-01 |
| 得物         | [得物多兴趣召回模型实践](https://mp.weixin.qq.com/s/oEcreSx5_XsN9x4Nkv7cOw) | 推荐          | 2022-05-18 |
| 得物         | [得物社区推荐多目标排序初探](https://mp.weixin.qq.com/s/3_RmSyl_3wIAH3lW_XKEyA) | 推荐          | 2021-12-27 |
| 阿里         | [CMDM：基于异构序列融合的多兴趣深度召回模型在内容平台的探索和实践](https://mp.weixin.qq.com/s/IwzizxkRQbo1Kv28wVGQag) | 召回          | 2021-12-07 |
| 爱奇艺       | [爱奇艺搜索排序算法实践](https://mp.weixin.qq.com/s/gvFagKMgGKE2ZFic1znQWg) | 搜索          | 2021-07-30 |
| 爱奇艺       | [多目标排序在爱奇艺短视频推荐中的应用](https://mp.weixin.qq.com/s/JOQdyQDCFStWXdxTckUa5Q) | 搜索          | 2021-06-25 |
| 爱奇艺       | [爱奇艺短视频推荐技术中多兴趣召回技术的演变](https://mp.weixin.qq.com/s/T2G8L820haEbvXgryvEWHg) | 召回          | 2021-04-23 |
| 爱奇艺       | [如何提升链路目标一致性？爱奇艺短视频推荐之粗排模型优化历程](https://mp.weixin.qq.com/s/LZlskUK4dmOd5fLTZIATnQ) | 粗排          | 2021-02-26 |
| 阿里淘系     | [淘宝个性化推荐中自适应与无监督的多场景模型建模实践](https://mp.weixin.qq.com/s/KX2gmEUme4Iy1PCR9PTrYg) | 推荐          | 2023-04-10 |
| 阿里淘系     | [每日好店——淘宝店铺推荐系统实践](https://mp.weixin.qq.com/s/DCiNgI1LL-uN4JmgQ5VSjQ) | 推荐          | 2023-04-07 |
| 小红书       | [搜推系统召回阶段的前沿进展](https://www.bilibili.com/video/BV1Km4y167ho) | 召回          | 2023-04-03 |
| 阿里飞猪     | [飞猪旅行场景下的实时用户理解服务](https://mp.weixin.qq.com/s/CFmp_FTHbf5l2ohUokTGgw) | 搜索          | 2023-04-01 |
| 美团         | [多场景多任务学习在美团到店餐饮推荐的实践](https://mp.weixin.qq.com/s/v-GN1ors-bWutfsIJcZYbQ) | 推荐          | 2023-03-23 |
| 小红书       | [小红书高时效推荐系统背后的技术升级](https://mp.weixin.qq.com/s/1a2bl983bGKM713xI_3v_A) | 推荐          | 2023-03-21 |
| 阿里妈妈     | [代码开源！阿里妈妈展示广告Match底层技术架构最新进展](https://mp.weixin.qq.com/s/IoPZ-fUL0h1PVOA8uDXPJg) | 召回          | 2023-03-14 |
| 阿里妈妈     | [贝叶斯分层模型应用之直播场景打分校准](https://mp.weixin.qq.com/s/-klZWT30J41xPQfOqlWiNA) | 精排          | 2023-03-14 |
| 腾讯音乐     | [粗排上不了COLD？我们提出了异构三塔粗排](https://zhuanlan.zhihu.com/p/611877625) | 粗排          | 2023-03-07 |
| 美团         | [交互式推荐在外卖场景的探索与应用](https://mp.weixin.qq.com/s/SwR1-mAtqjwsnJVy3UiMnA) | 推荐          | 2023-02-16 |
| 小红书       | [小红书广告智能创意能力构建过程详解](https://mp.weixin.qq.com/s/EabcwCtSPEmFOjRATVVORQ) | 广告          | 2023-02-16 |
| 快手         | [快手精排模型实践](https://mp.weixin.qq.com/s/SsgVqei9sL5y7N1GUXOJLg) | 精排&CXR预估  | 2023-02-01 |
| 阿里健康     | [领域知识增强的预训练语言模型在药电商搜索领域的实践](https://mp.weixin.qq.com/s/or9DT2HlVPnUFBsqAEv6Uw) | 搜索          | 2023-01-30 |
| 京东         | [京东零售在电商搜索场景下的数据科学实践](https://mp.weixin.qq.com/s/Rmgh-ynoWU4uerh_4jL4YA) | 搜索          | 2023-01-29 |
| 阿里达摩院   | [基于预训练语言模型的行业搜索的应用和研究](https://mp.weixin.qq.com/s/oRxn2PQdh3_giCPkrJpQaQ) | 搜索          | 2023-01-28 |
| 阿里飞猪     | [深度召回在飞猪旅行推荐系统中的探索和实践](https://mp.weixin.qq.com/s/AyMmfixX8rXUgGIf94uBkw) | 召回          | 2023-01-25 |
| 腾讯QQ浏览器 | [QQ浏览器搜索相关性技术演进](https://mp.weixin.qq.com/s/rF9wC2qecPHDcn8fy6KIuA) | 搜索相关性    | 2023-01-18 |
| 小米         | [小米电商算法秘籍：移花接木-新模型如何热启动快速超越线上旧模型](https://mp.weixin.qq.com/s/_lEeyyxhGHg5ZOtrpf2epQ) | 推荐&CXR预估  | 2023-01-11 |
| 阿里健康     | [阿里健康医药电商搜索相关性实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247621853&idx=1&sn=61378cddef3e7b9579b00f92d4e3c609&chksm=fbd6aeb1cca127a76b85c8af5ba05d2b9f482252d176be3c6b42a8081bd4589f96c6178e066f&scene=27#wechat_redirect) | 搜索相关性    | 2023-01-11 |
| 网易         | [云音乐评论内容理解技术](http://mp.weixin.qq.com/s?__biz=MzI1NTg3NzcwNQ==&mid=2247487662&idx=1&sn=f3f28448bc605c8022cc84c3093f6562&chksm=ea2e6788dd59ee9e1111e3352363aa86bb8abdaa92f8167df62c201783bee38647912691ebe9&mpshare=1&scene=1&srcid=0117adz8z5uuqKd4JsFiqBky&sharer_sharetime=1673958834277&sharer_shareid=c032e8bde4d276951619cca1ff0debb1#rd) | 内容理解      | 2023-01-10 |
| 阿里淘系     | [深度统一粗排在淘宝主搜索的优化实践](http://mp.weixin.qq.com/s?__biz=MzAxNDEwNjk5OQ==&mid=2650490509&idx=1&sn=0881c47b13cf7d97a1f91e7b5830c58d&chksm=83978e95b4e007830bcd4bae627b02b275baf60b453035a711e43f4ff604c5389ed089ef2c45&scene=27#wechat_redirect) | 粗排          | 2023-01-06 |
| 网易         | [云音乐视频搜索优化之旅](http://mp.weixin.qq.com/s?__biz=MzI1NTg3NzcwNQ==&mid=2247487588&idx=1&sn=099b6105ef6f4e06df3ec6ace9cea168&chksm=ea2e6742dd59ee54d426895b8c2c335e7bed3027da1302da81eea829e26bb1600c7d149f29f6&mpshare=1&scene=1&srcid=0117wGK8qD3vbVGyqHjrC0m2&sharer_sharetime=1673958824881&sharer_shareid=c032e8bde4d276951619cca1ff0debb1#rd) | 搜索          | 2023-01-04 |
| 快手         | [金雅然：因果推断主要技术思想与方法总结](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247618221&idx=1&sn=bbbb4acd59fa304fd9941138d03a5b03&chksm=fbd6bcc1cca135d72d19924659d0ba226d516409c975610d077e64705d351b2c0b82ee46da4f&scene=27#wechat_redirect) | 因果推断      | 2022-12-26 |
| 度小满       | [因果推断在度小满金融场景的应用探索](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247617404&idx=1&sn=a21ed8b66d98c7f2c32605a8ed5b6e7c&chksm=fbd6b910cca13006bf965630fcacedaf4ef4342b5b85f2a2728b83ff2e671fc2422c6d9a8583&scene=27#wechat_redirect) | 因果推断      | 2022-12-22 |
| 小红书       | [小红书广告投放机制详解，如何用算法实现全站自动化投放](http://mp.weixin.qq.com/s?__biz=Mzg4OTc2MzczNg==&mid=2247486087&idx=1&sn=fa6b75242336d49fb780ab63c63ce4e5&chksm=cfe7a870f89021667d5056c587fdd9aafa025de8443fe9496f5321ff729b93536545324235b9&mpshare=1&scene=1&srcid=0117WqeEpkGzXEGbrlQ2qUP5&sharer_sharetime=1673957656684&sharer_shareid=c032e8bde4d276951619cca1ff0debb1#rd) | 广告          | 2022-12-15 |
| 小米         | [小米电商推荐算法CVR模型实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247614845&idx=1&sn=0e8c26b62cd8e2ffe5c54e6e3ee28a5d&chksm=fbd6b311cca13a07f68d47ac22d2ebc0f2fad1e082809bd0ccc8f68a5bc6f298e2bc16fa0ec1&scene=27#wechat_redirect) | 精排&CXR预估  | 2022-12-07 |
| bilibili     | [百亿数据个性化推荐：弹幕工程架构演进](http://mp.weixin.qq.com/s?__biz=Mzg3Njc0NTgwMg==&mid=2247492039&idx=1&sn=1395b05f9f13d2ec5f094098335f0fb2&chksm=cf2f24e2f858adf401be214e3c00a17e71b4580afa3bb7c2e479fbdd196abaced8836c4bfc04&mpshare=1&scene=1&srcid=01173Yirag3aRdwVVXpLoC6m&sharer_sharetime=1673957819680&sharer_shareid=c032e8bde4d276951619cca1ff0debb1#rd) | 推荐          | 2022-11-25 |
| 腾讯         | [带你走进   Redis](http://mp.weixin.qq.com/s?__biz=MjM5ODYwMjI2MA==&mid=2649774611&idx=1&sn=50784f8f205424ac315c214eecde370d&chksm=beccc96889bb407e2fd0af67766bebc8e01a6619ac8356dba71efeb165c450b97c7a5561d5ef&scene=27#wechat_redirect) | 工程相关      | 2022-11-22 |
| 网易         | [机器学习模型在云音乐指标异动预测的应用实践](http://mp.weixin.qq.com/s?__biz=MzI1NTg3NzcwNQ==&mid=2247487245&idx=1&sn=e60203a06dfbbd736ba5085554a8e86a&chksm=ea2e782bdd59f13d0cf199247081e406ef3352c2e211fe24be3aa851d996f37d412bb232f6ea&mpshare=1&scene=1&srcid=0117PDLkxZZZqZuhvqAb5zCN&sharer_sharetime=1673958990974&sharer_shareid=c032e8bde4d276951619cca1ff0debb1#rd) | 数据科学      | 2022-11-18 |
| 腾讯         | [因果推断在腾讯游戏中的应用](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247609347&idx=1&sn=277d03dd9bbd978c2d6fa564e6ea3583&chksm=fbd69e6fcca117797939d7386d642cd99eca8bbe9d25b02e3fcf5245eb871faf4fcf9bffc5bc&scene=27#wechat_redirect) | 因果推断      | 2022-11-12 |
| 小红书       | [首次解密小红书“种草”机制：大规模深度学习系统技术是如何应用的](http://mp.weixin.qq.com/s?__biz=Mzg4OTc2MzczNg==&mid=2247485593&idx=1&sn=80a57bc832565f38dfea8ce396975c3b&chksm=cfe7aa6ef890237880872ebe8ff471a9642104d84a6a3463ba4ea81a304f15fde179c437e741&mpshare=1&scene=1&srcid=0117HHDQtSslzh1IBwT4tYom&sharer_sharetime=1673957674492&sharer_shareid=c032e8bde4d276951619cca1ff0debb1#rd) | 推荐          | 2022-11-11 |
| 网易         | [网易严选跨域多目标算法演进](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247607759&idx=2&sn=793f2f26ca50fdcdd5e1805c540a8844&chksm=fbd697a3cca11eb5b0967e15bd56f2adfb8691d96e78a6b5115dd7bf96c30078ddaa9ed6eee4&scene=27#wechat_redirect) | 多目标&多任务 | 2022-11-01 |
| NVIDIA       | [NVIDIA   Merlin HugeCTR 推荐系统框架介绍](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247607015&idx=1&sn=640758c804a49c7fee278066b85203df&chksm=fbd6908bcca1199d272fe7ca3e6c7cde7dcdb43f33fbfc319fca414f76f5f3dc97ca443cb178&scene=27#wechat_redirect) | 精排&CXR预估  | 2022-10-31 |
| 快手         | [快手异质性因果效应模型构建及应用](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247605093&idx=1&sn=32663a66325e7d0f5d8e4164ead40cc4&chksm=fbd6e909cca1601feba78e308e77e54d4860e7a08b5407c02cab0be27ec555f83647d2933209&scene=27#wechat_redirect) | 因果推断      | 2022-10-29 |
| 阿里         | [阿里   DeepRec 大规模稀疏模型训练推理引擎（文末附PPT下载）](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247603217&idx=1&sn=a170a798db5c190fef89b28a4c157aa1&chksm=fbd6e67dcca16f6b0e825f6818c40b67e38827aba0686d1a8221eda050b81196c45bf62ab643&scene=27#wechat_redirect) | 工程相关      | 2022-10-21 |
| 快手 | [深度点击率预估模型的One-Epoch过拟合现象剖析](https://mp.weixin.qq.com/s?__biz=Mzg5NTk4MDMwMA==&mid=2247490394&idx=1&sn=e2e8fa75c800287da824462a2206097d&chksm=c12c11c73fb47716a424a3f37d1e503363ef47a604760590e167c3a5d405ff94b8b6ba441403&mpshare=1&scene=1&srcid=1007N5NAKdanLQ5gNpr1eu8x&sharer_shareinfo=9bf5a97b4a3e5d4dfafc866bbbe57d06&sharer_shareinfo_first=9bf5a97b4a3e5d4dfafc866bbbe57d06#rd) | 广告 | 2022-10-19 |
| 小红书       | [上干货！小红书“薯条”业务竞价策略及最优公式详解](http://mp.weixin.qq.com/s?__biz=Mzg4OTc2MzczNg==&mid=2247485120&idx=1&sn=d34d4cca4ad1ec00b1772d9ca4f7da5e&chksm=cfe7a437f8902d21404e7e184f8da18d6ed8b3056af83574060dbfedac20677b490b04c796fc&mpshare=1&scene=1&srcid=0117Of6uG80CLb3wppixoYYu&sharer_sharetime=1673957705690&sharer_shareid=c032e8bde4d276951619cca1ff0debb1#rd) | 广告          | 2022-10-19 |
| 美团         | [预训练语言模型压缩、双塔蒸馏在美团上的落地实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247599652&idx=1&sn=7e548fdf373404f9e28a68ed60ed5fdf&chksm=fbd6f448cca17d5eb554161219b8c926861540ebf6a6c405e0d9397f7a857109adfef6712b38&scene=27#wechat_redirect) | 召回          | 2022-10-10 |
| 美团         | [知识图谱在美团搜索酒旅场景认知中的应用](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247598912&idx=1&sn=f9b89d6ab0e471ad3d0a5274c521fd76&chksm=fbd6f12ccca1783a70ecc2434b5614bad885fe8a4070a7b028432034c472a36763c0624d4abb&scene=27#wechat_redirect) | 搜索          | 2022-09-30 |
| 腾讯QQ浏览器 | [搜索场景下的智能实体推荐](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247597380&idx=1&sn=4db0d3fe68ca96bdf1f5304e3bf27efe&chksm=fbd6cf28cca1463eda0a8c82b5d5bac1c52980c18c4b3503ae7ba1f785b28a486d4e1569a730&scene=27#wechat_redirect) | 搜索          | 2022-09-26 |
| 美团         | [美团基于知识图谱的个性化新闻推荐系统](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247597321&idx=1&sn=250130a92dc6fa4fcded1633faa5c908&chksm=fbd6cf65cca1467362fe21eaef511502e03412b93fbef8256174d3ce5f90360ed7c112c1ea0a&scene=27#wechat_redirect) | 推荐          | 2022-09-25 |
| 腾讯         | [腾讯图神经网络与推荐预训练模型](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247595912&idx=1&sn=d6d805fca059e98542d139238a64de65&chksm=fbd6c5e4cca14cf266926db0859a3f06611e4ec36c359ccc6f1ad3a1689b6d77edcb3eb5a553&scene=27#wechat_redirect) | 推荐&图网络   | 2022-09-19 |
| 蚂蚁         | [图机器学习在蚂蚁集团推荐业务中的应用](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247595831&idx=1&sn=6527aef4ce07e8ce2867af62d27338cb&chksm=fbd6c55bcca14c4d83907a730d8ab95cef14a86ae7d3e834c41aaea74bedb38cd73cdfc7f35e&scene=27#wechat_redirect) | 推荐&图网络   | 2022-09-18 |
| 华为         | [华为图神经网络在推荐系统中的应用](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247594776&idx=1&sn=494824ef9ea3be55df7fe98211c3964e&chksm=fbd6c174cca148623cfada0a0539a0d33b173d01bbf36fef508f4f9c2a1618bc856785651ac3&scene=27#wechat_redirect) | 推荐&图网络   | 2022-09-10 |
| 阿里         | [推荐算法中的特征工程](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247593010&idx=1&sn=f9384194319269e7a79ba8e577830ce4&chksm=fbd6de5ecca1574819e4184b92b5167e1317cc226ba1673f57f22cf544bd30b6cc55a97f6bce&scene=27#wechat_redirect) | 推荐&特征工程 | 2022-08-30 |
| 阿里淘系     | [连续迁移学习跨域推荐排序模型在淘宝推荐系统的应用](http://mp.weixin.qq.com/s?__biz=MzAxNDEwNjk5OQ==&mid=2650472691&idx=1&sn=0de2198074b629ad7c9605a7a3d7d683&chksm=8397c8ebb4e041fde5b09d0496f18224248a922b5559f5722c914c856fda59d3f9283834f292&scene=27#wechat_redirect) | 推荐&跨域     | 2022-08-30 |
| 虎牙         | [虎牙直播用户增长中台算法与工程实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247592677&idx=2&sn=3cae00c17a89b7f34b65bd835a553491&chksm=fbd6d889cca1519fba25525dbff8f189be084c6a0bd4a30489aa5facde7038bcd663617ce393&scene=27#wechat_redirect) | 用增          | 2022-08-27 |
| 腾讯音乐     | [吴喆：全民K歌直播推荐系统详解](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247591189&idx=1&sn=b6d191ff2cf27e4c9bfef945683bfb4a&chksm=fbd6d779cca15e6f195c83f5c873a5ecb364478c75282dd6bde34986a089e0b443ec659724fd&scene=27#wechat_redirect) | 推荐          | 2022-08-22 |
| 网易         | [云音乐播放页直播推荐实战](http://mp.weixin.qq.com/s?__biz=MzI1NTg3NzcwNQ==&mid=2247486879&idx=1&sn=6ed863ec4ebb4a43fd5303dc31283e96&chksm=ea2e7ab9dd59f3af6c20ff794907160342ea844097f787a8b6761872cbe2a047a43272b542bb&mpshare=1&scene=1&srcid=0117V5aFvFP5Ddjfi2srfCOV&sharer_sharetime=1673959633475&sharer_shareid=c032e8bde4d276951619cca1ff0debb1#rd) | 推荐          | 2022-08-17 |
| 美团         | [美团搜索粗排优化的探索与实践](http://mp.weixin.qq.com/s?__biz=MjM5NjQ5MTI5OA==&mid=2651770506&idx=2&sn=53df7e69852b53b8e9a78704250a3f59&chksm=bd1217c78a659ed1fe25caf2f387dd5adf7543c0d18aa9404a68dedc4393d3f75bdbc08d0097&mpshare=1&scene=1&srcid=0117rkw4ucCVdx40VXlSeHoB&sharer_sharetime=1673956974542&sharer_shareid=c032e8bde4d276951619cca1ff0debb1#rd) | 粗排          | 2022-08-11 |
| 腾讯         | [一文搞懂   Redis 架构演化之路](http://mp.weixin.qq.com/s?__biz=MjM5ODYwMjI2MA==&mid=2649772002&idx=1&sn=7ab50931711fa4cebae08db9b132ade5&chksm=beccdc9989bb558f3223ecfec306aacfa4c17cdd49dab60bc6bd70be72b61d79d319c4e7b025&scene=27#wechat_redirect) | 工程相关      | 2022-07-26 |
| 腾讯         | [无量深度学习系统在腾讯推荐类业务的应用](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247586109&idx=1&sn=0ee0886b4f9249baf93439835d5d0268&chksm=fbd62351cca1aa47003a2abcd486f152e3eb2a70de6313764c24518b8ff41e0e1a654aef8bd3&scene=27#wechat_redirect) | 推荐          | 2022-07-08 |
| 美团         | [大众点评搜索相关性技术探索与实践](http://mp.weixin.qq.com/s?__biz=MjM5NjQ5MTI5OA==&mid=2651769715&idx=2&sn=2d6c3eb9d9646374b5f789fcf4282794&chksm=bd12123e8a659b2841fd12d873d3f7087f300b3bf8b6cbd9136728fc1231655eb573cf97f4e0&mpshare=1&scene=1&srcid=0117Xd442BpulsuEWGrZhqzJ&sharer_sharetime=1673957035636&sharer_shareid=c032e8bde4d276951619cca1ff0debb1#rd) | 搜索相关性    | 2022-07-06 |
| 蚂蚁         | [蚂蚁超大规模商家知识图谱构建及其融合应用](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247584814&idx=1&sn=0905e790e129fc69071ee35b033580f0&chksm=fbd63e42cca1b7544faa0cb1e8bced4ba70991deb29679987616565a0e7e66e31ca926b65538&scene=27#wechat_redirect) | 知识图谱      | 2022-07-01 |
| 网易         | [云音乐FeatureStore建设与实践](http://mp.weixin.qq.com/s?__biz=MzI1NTg3NzcwNQ==&mid=2247486528&idx=1&sn=af5d722949e17ef6388582cb79d8db39&chksm=ea2e7b66dd59f27040aeffc48f0dea150e5bc52a4e3d1b3cba7f1c9cf4ad4588d7e0c5e1a0de&mpshare=1&scene=1&srcid=0117qiTM67fWa7TSJSplzmZm&sharer_sharetime=1673959054283&sharer_shareid=c032e8bde4d276951619cca1ff0debb1#rd) | 推荐&特征工程 | 2022-06-29 |
| 京东         | [揭秘京东广告精排百分位AUC提升技术方案](http://mp.weixin.qq.com/s?__biz=MjM5MzY4NzE3MA==&mid=2247502484&idx=1&sn=72e86c400261dceb2526e4de6759e73f&chksm=a691b97991e6306fea07ccc0fe69fc2c21e41d6dcf5696b0558d38a06773799073a78e227bfd&scene=27#wechat_redirect) | 精排&CXR预估  | 2022-06-29 |
| 阿里飞猪     | [章凡：飞猪基于因果推断技术的广告投后归因](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247583653&idx=1&sn=5dc8cfa18b3a48103ba104470df2be45&chksm=fbd635c9cca1bcdf262951910a8b0808d395a5a00f34e47c38adcf6e8eac1c8c1a61780ba514&scene=27#wechat_redirect) | 因果推断      | 2022-06-27 |
| 京东         | [吕豪：京东搜索EE场景排序链路升级实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247583047&idx=1&sn=e1d82adf00fc6259a3750228d6979b4c&chksm=fbd6372bcca1be3dc6577ef0b2b3d671f12ab72ef7347202df175e19132433d4aefdeb97505f&scene=27#wechat_redirect) | 搜索          | 2022-06-24 |
| 美团         | [端智能在大众点评搜索重排序的应用实践](http://mp.weixin.qq.com/s?__biz=MjM5NjQ5MTI5OA==&mid=2651769148&idx=2&sn=f046a03fe1a02abf525c065963ae4038&chksm=bd1210718a65996725b53e639b2b6c3b51eb28f9ac53152a1c695746cf1c15d202535ee5f71f&mpshare=1&scene=1&srcid=0117F7qqsflxxpqhdQ1SngCz&sharer_sharetime=1673957044472&sharer_shareid=c032e8bde4d276951619cca1ff0debb1#rd) | 重排          | 2022-06-16 |
| 网易         | [云音乐预估系统建设与实践](http://mp.weixin.qq.com/s?__biz=MzI1NTg3NzcwNQ==&mid=2247486449&idx=1&sn=489c7b0383800ddcc36a9a72af81f3c3&chksm=ea2e7cd7dd59f5c15d2ed2adcd1db35f89d92c8390ed956f0b298a658def93410a4c6668f715&mpshare=1&scene=1&srcid=0117rJEidptu50XAatgGRbHk&sharer_sharetime=1673958981682&sharer_shareid=c032e8bde4d276951619cca1ff0debb1#rd) | 精排&CXR预估  | 2022-06-15 |
| 腾讯微信     | [微信开源大规模embedding训练推理框架](http://mp.weixin.qq.com/s?__biz=MjM5MzY4NzE3MA==&mid=2247502213&idx=1&sn=fc146301867e6dcfc1c76eb4ead978d0&chksm=a691ba6891e6337e86096af1a44fc35fbbf5ec1c3af779b4bf84d00dc5738ceb80acfadd3df4&scene=27#wechat_redirect) | 召回          | 2022-06-15 |
| 美团         | [张鸿志：美团大脑百亿级知识图谱的构建及应用进展](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247577711&idx=1&sn=d4dc3ecc9fc9c63aa0a7746237156800&chksm=fbd60203cca18b153440f5ea638f0f409fa953c06ce8bcf1b23878664617dc206947ca7e4fa8&scene=27#wechat_redirect) | 知识图谱      | 2022-06-03 |
| 快手         | [快手牛亚男：基于多Domain多任务学习框架和Transformer，搭建快手精排模型](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247577501&idx=1&sn=0abd962b316235700f4050fcc8968a3b&chksm=fbd61df1cca194e7df8a414a8055df18e3592e0b59a1f941afb05005221e8e168f99a8d18b62&scene=27#wechat_redirect) | 精排&CXR预估  | 2022-06-01 |
| 阿里淘系     | [SIGIR2022   \| 流行度偏差如何利用？探索解耦域适应无偏召回模型](http://mp.weixin.qq.com/s?__biz=MzAxNDEwNjk5OQ==&mid=2650464730&idx=1&sn=c5aa5396fc7c7a2eabb7990c6ce0d178&chksm=839629c2b4e1a0d491b314e5d6437ca87083de35cfa3791cf00a3fbd559641159cd0d350d057&scene=27#wechat_redirect) | 召回          | 2022-05-31 |
| 阿里淘系     | [多模态技术在淘宝主搜召回场景的探索](http://mp.weixin.qq.com/s?__biz=MzAxNDEwNjk5OQ==&mid=2650464165&idx=1&sn=76193b6fc997e3d1d842c6ebe2dbf317&chksm=839617bdb4e19eabccf0bd4bc71d89e97cb17def86abb812a562b4019d379525e33ff7339152&scene=27#wechat_redirect) | 召回          | 2022-05-27 |
| 京东         | [陈宏申：浅谈京东电商商品文案挖掘难点与优化实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247576281&idx=2&sn=097528a2c3a4ba819eab3cd122df990b&chksm=fbd618b5cca191a394aec5846ce48720d95e3e6ea153c0770452a0eec447309383b3bf99e453&scene=27#wechat_redirect) | 文案挖掘      | 2022-05-25 |
| 华为         | [华为朱杰明：预训练模型在信息流推荐中的应用与探索](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247575814&idx=1&sn=c20d71bcf94a88a3e791885edb1af421&chksm=fbd61b6acca1927c038e60999db375f0192b322e72bf094e764a295f36ec217d8651d4a41a2c&scene=27#wechat_redirect) | 推荐          | 2022-05-22 |
| 网易         | [NUMA架构下的预估系统性能优化](http://mp.weixin.qq.com/s?__biz=MzI1NTg3NzcwNQ==&mid=2247486273&idx=1&sn=b0866d0b104de68bb5866b879df5baf5&chksm=ea2e7c67dd59f57161d5651396274ac15cd9af031995650a7e349710e983ed1a20d4f2a74fbd&mpshare=1&scene=1&srcid=0117G8EkbjLIyTRHBJSunt4X&sharer_sharetime=1673959041521&sharer_shareid=c032e8bde4d276951619cca1ff0debb1#rd) | 工程相关      | 2022-05-19 |
| 小红书       | [小红书信息流推荐多样性解决方案](http://mp.weixin.qq.com/s?__biz=Mzg4OTc2MzczNg==&mid=2247484208&idx=1&sn=b250b40543a4f8c2c28827587dd62d02&chksm=cfe7a1c7f89028d118599648db1037bddaa7f0eefed08abb3e8fc10699c1421441c3517166bc&mpshare=1&scene=1&srcid=0117OKUhDuwgjxulTmbfCefn&sharer_sharetime=1673957661497&sharer_shareid=c032e8bde4d276951619cca1ff0debb1#rd) | 推荐          | 2022-05-18 |
| 阿里淘系     | [深度粗排在天猫新品中的实践](http://mp.weixin.qq.com/s?__biz=MzAxNDEwNjk5OQ==&mid=2650462657&idx=1&sn=5e7ba268bb213b97e373c09ef8063234&chksm=839611d9b4e198cf0735bee5a88e32efbfdbaab402b6f5a74be1986304608f73bb87ecd72c23&scene=27#wechat_redirect) | 粗排          | 2022-05-18 |
| 阿里淘系     | [内容推荐场景中自监督学习的应用](http://mp.weixin.qq.com/s?__biz=MzAxNDEwNjk5OQ==&mid=2650462450&idx=1&sn=48c33f93cae32d6bf5ea6d8dfd0cb12b&chksm=839610eab4e199fcf614def6a660424a04196208d4acaf10ea653ca2920018f21226eb87cc42&scene=27#wechat_redirect) | 推荐          | 2022-05-17 |
| 阿里飞猪     | [主题与交互式推荐技术在飞猪个性化分发中的实践](http://mp.weixin.qq.com/s?__biz=MjM5MzY4NzE3MA==&mid=2247501313&idx=1&sn=8f41c67db2b9fd8d016863c4bef7174f&chksm=a691b5ec91e63cfaaf84c2872a0a33f8736d5077711b5f10fdca7e2f5578b6a61d915a985f0a&scene=27#wechat_redirect) | 推荐          | 2022-05-16 |
| 美团         | [杨玉基：知识图谱在美团推荐场景中的应用](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247574417&idx=1&sn=87ba745e7e1180fc6f85349428a890e9&chksm=fbd611fdcca198eba7ba7f339556911ae27b4058e0ae27581f793280ac0fc34fbc4e49e4a23f&scene=27#wechat_redirect) | 推荐          | 2022-05-16 |
| 腾讯QQ浏览器 | [李晓亮：腾讯搜索词推荐算法探索实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247574304&idx=1&sn=142635ea47eb0bf24b4feaab967f6d04&chksm=fbd6114ccca1985aecefcc46ade6d4d878bc6109205c2b4f8d5802ef9a484aee4a2c12fffed7&scene=27#wechat_redirect) | 搜索          | 2022-05-15 |
| 京东         | [如何提升推荐系统的可解释性？京东智能推荐卖点技术全解析！](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247572115&idx=1&sn=e77ece68da5e843e620599cd9bc35ad9&chksm=fbd668ffcca1e1e90ee71c122a5c379051ef0ed6e9cb1460ffd8692c5066803524c6c4472480&scene=27#wechat_redirect) | 推荐          | 2022-05-07 |
| 阿里淘系     | [多任务学习模型ESMM原理与实现](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247571544&idx=2&sn=c298c717bb79092cb8ea7adf718cf64b&chksm=fbd66a34cca1e3222d5ab2f54185cea9732528721b3f0ad3df83dc15e14a30b1d6c6f64fafa2&scene=27#wechat_redirect) | 精排&CXR预估  | 2022-05-06 |
| 华为         | [点击率预测模型Embedding层的学习和训练](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247570937&idx=1&sn=aa619fe9ca5ce9b655368d11bed4f42a&chksm=fbd66795cca1ee830ab6c13d90dcd0a465f4c0f1e871c207db97f588b228f8f9ad7feec48d96&scene=27#wechat_redirect) | 精排&CXR预估  | 2022-05-04 |
| 阿里         | [序列特征在推荐算法中的应用](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247570552&idx=2&sn=6f5c88fc386de39080c8ab16ec415a28&chksm=fbd66614cca1ef02422ec1a182101aabfed8939a077d3825c9cc2efc2664364592ba949e59e3&scene=27#wechat_redirect) | 推荐          | 2022-04-28 |
| 网易         | [CIKM   2021 \| 云音乐提出与模型无关的冷启动推荐框架: MAIL](http://mp.weixin.qq.com/s?__biz=MzI1NTg3NzcwNQ==&mid=2247486194&idx=1&sn=48db3322795a4931f30c760017aaf9bc&chksm=ea2e7dd4dd59f4c2e568ddb5bd3a17fdf9c42701995b42d33252c0182341a1a909cf66be862d&mpshare=1&scene=1&srcid=0117Q0TI5TIkAQKoTGlkapeK&sharer_sharetime=1673958944207&sharer_shareid=c032e8bde4d276951619cca1ff0debb1#rd) | 冷启动        | 2022-04-27 |
| 阿里         | [深度解析开源推荐算法框架EasyRec的核心概念和优势](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247569807&idx=2&sn=8d133978b9c78529d6c83c756c4a242d&chksm=fbd663e3cca1eaf58e2fe5d7c88430ada4ffac92e7a96082906c03666d3fdc28548c59c1078f&scene=27#wechat_redirect) | 工程相关      | 2022-04-26 |
| 腾讯         | [腾讯邱东洋：深度模型推理加速的术与道](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247569443&idx=1&sn=c683867e850188217bcdce54b9243feb&chksm=fbd6624fcca1eb59366b793686f378217d677a394378e65bc5b24963d10fff77461618203f74&scene=27#wechat_redirect) | 工程相关      | 2022-04-22 |
| 阿里         | [杨旭东：冷启动推荐模型DropoutNet深度解析与改进](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247569405&idx=2&sn=fb25b857a2355631e7236ad538b7db1a&chksm=fbd67d91cca1f48793667b8211a67d91087a206fddfe15cb3a81fca07a74db96dd206452cca7&scene=27#wechat_redirect) | 冷启动        | 2022-04-21 |
| 网易         | [从跨模态和上升通道谈富媒体内容的冷启动](http://mp.weixin.qq.com/s?__biz=MzI1NTg3NzcwNQ==&mid=2247485997&idx=1&sn=382ec987f91b1e9da9c9b99b4c26c927&chksm=ea2e7d0bdd59f41d9da9b6df7c4973eaab7a9d594cfd5250ca3128a9aaf7dee4a540485a616c&mpshare=1&scene=1&srcid=0117LxLqRhvnFtyKC08DdoKa&sharer_sharetime=1673958844890&sharer_shareid=c032e8bde4d276951619cca1ff0debb1#rd) | 冷启动        | 2022-04-20 |
| 阿里淘系     | [生成式重排在内容推荐中的应用实践](http://mp.weixin.qq.com/s?__biz=MzAxNDEwNjk5OQ==&mid=2650458750&idx=1&sn=263bc286f3bf0711380b4c15d746ecdc&chksm=83960266b4e18b702e68a2e6fc1537d412aae05c8679b2f93fd6cd8d9c2e15647af2decf2625&scene=27#wechat_redirect) | 重排          | 2022-04-19 |
| 阿里         | [刘童璇：阿里巴巴稀疏模型训练引擎DeepRec](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247569004&idx=1&sn=819194c1427369349458d65a4d372f4b&chksm=fbd67c00cca1f5165aa04c2a247b70ab435f3d38f95f3b737ee0613ef13da7d465e6cc3f72a4&scene=27#wechat_redirect) | 工程相关      | 2022-04-17 |
| 网易         | [冷启动算法系列-云音乐歌曲冷启动初探](http://mp.weixin.qq.com/s?__biz=MzI1NTg3NzcwNQ==&mid=2247485981&idx=1&sn=ca9f4b56e4225c26e1e477ad47e5ce71&chksm=ea2e7d3bdd59f42dfa7ed40277d8db305544f59fccdae53b81be9f6010a0ee94bc102e6172d5&mpshare=1&scene=1&srcid=0117vy6KkfZbqSewnRXKH9LX&sharer_sharetime=1673958897941&sharer_shareid=c032e8bde4d276951619cca1ff0debb1#rd) | 冷启动        | 2022-04-13 |
| 阿里淘系     | [商品序列建模在新用户承接上的应用实践](http://mp.weixin.qq.com/s?__biz=MzAxNDEwNjk5OQ==&mid=2650457465&idx=1&sn=0fab7290a4e7dc9e951da5c2fc6404f9&chksm=83960d61b4e18477d070f49f47f4dd27d6feae11e2b940439a5833d9c1d78fc629fb1f4811f1&scene=27#wechat_redirect) | 精排&CXR预估  | 2022-04-06 |
| 阿里妈妈     | [阿里巴巴展示广告智能拍卖机制的演进之路](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247567877&idx=1&sn=1c8d1f781bd72fdf063f05694f8ff001&chksm=fbd67869cca1f17ff2d6a98f51c5b61792db7aeac74a8f1503155851e4f59e5dc69f0342f47f&scene=27#wechat_redirect) | 广告          | 2022-04-06 |
| 网易         | [5G+智能时代的多模搜索技术](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247567823&idx=2&sn=97cccbf605536b1b02b56485e6b6d3f2&chksm=fbd67ba3cca1f2b5fbae4f27941220e719144f7cb7fc1399c63d95c42d43ece6dbd649a6fcc1&scene=27#wechat_redirect) | 搜索          | 2022-04-05 |
| 腾讯音乐     | [QQ音乐推荐召回算法的探索与实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247567741&idx=1&sn=6406f8181482a6be57eb0a752173fa1a&chksm=fbd67b11cca1f2076580fb3e08d635033bdb03fa7fd195f6b6e07d231d3c7b52b03f3fe02996&scene=27#wechat_redirect) | 召回          | 2022-04-03 |
| 网易         | [云音乐隐性关系链的探索与实践](http://mp.weixin.qq.com/s?__biz=MzI1NTg3NzcwNQ==&mid=2247485890&idx=1&sn=16486343e1cebcf9b77352826c5c307e&chksm=ea2e7ee4dd59f7f2559e53c5f174e1541f1b940257e8af9027416ebd38ea4e643c583d1a6a5e&mpshare=1&scene=1&srcid=01175jUTYWcRHTuTLYsLKiuB&sharer_sharetime=1673958857324&sharer_shareid=c032e8bde4d276951619cca1ff0debb1#rd) | 冷启动        | 2022-03-31 |
| 阿里淘系     | [淘宝逛逛召回算法实践总结](https://mp.weixin.qq.com/s/fN9s5Ml4GjGK2xLOeAUN4w) | 召回          | 2022-03-29 |
| 阿里淘系     | [Gradient   Normalization在多任务学习中的优化实践](http://mp.weixin.qq.com/s?__biz=MzAxNDEwNjk5OQ==&mid=2650457145&idx=1&sn=569530d4129f0ba122b79ddd66e6e742&chksm=83960c21b4e18537aa1edaead0ecf40f1e74aec662f1bc69d8a166b55085862d16211aa661a6&scene=27#wechat_redirect) | 多目标&多任务 | 2022-03-29 |
| 美团         | [李翔：美团到店综合知识图谱的构建与应用](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247567452&idx=1&sn=4da4f736bb462d213f5c275181201f29&chksm=fbd67a30cca1f326d7e08bf37270fd446cd82d693b1054611a8f2e76bfdee328863eada422d4&scene=27#wechat_redirect) | 知识图谱      | 2022-03-28 |
| 哈啰出行     | [周冰倩：广告主视角下的信息流广告算法探索](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247567308&idx=1&sn=bf4cb94e1cf1ce58e01e5a9a1d9fabd1&chksm=fbd675a0cca1fcb643835a48add91625fda1f9dd22f6fde80e23310355ec144e93cb4f642e8c&scene=27#wechat_redirect) | 广告          | 2022-03-27 |
| 快手         | [王晓伟：图神经网络在快手推荐召回中的应用和挑战](http://mp.weixin.qq.com/s?__biz=Mzg2NzU4MDM0MQ==&mid=2247484777&idx=1&sn=8e258fae7c3c04d483dca1a74b5b6d46&chksm=ceb825b3f9cfaca56b9879bd8b621dd99ec89d5322a5cc17da49c76a629bce9c24c75a486155&mpshare=1&scene=1&srcid=0117cYykpg2l8QoQuZOe3Tvk&sharer_sharetime=1673959147851&sharer_shareid=c032e8bde4d276951619cca1ff0debb1#rd) | 推荐&图网络   | 2022-03-23 |
| 阿里淘系     | [基于特征全埋点的精排ODL实践总结](http://mp.weixin.qq.com/s?__biz=MzAxNDEwNjk5OQ==&mid=2650455296&idx=1&sn=06621faf40213e4e56a3211a88a6e234&chksm=83967518b4e1fc0e38716b43f07fb863fa12b2f1ac1e8b2afb2ef0d062f091b3e375dde8f0f3&scene=27#wechat_redirect) | 工程相关      | 2022-03-22 |
| 小米         | [崔世起：小米小爱同学无效Query识别](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247566960&idx=1&sn=e8cc6cc5f3a1f7de5eac0dee97debb6b&chksm=fbd6741ccca1fd0ad16036ace153dc09b06649e9235bc89f2eda09f87c1aeee9e713f073b6c0&scene=27#wechat_redirect) | 搜索          | 2022-03-20 |
| 腾讯音乐     | [QQ音乐推荐系统算法架构实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247566913&idx=1&sn=2d203186459c22eb14d54745cecdd83e&chksm=fbd6742dcca1fd3ba5b947fa2914bef7b218e957c94b458a12824c0fd0802cb616051bbcad80&scene=27#wechat_redirect) | 推荐          | 2022-03-19 |
| 腾讯微信     | [微信全文搜索技术优化](http://mp.weixin.qq.com/s?__biz=MjM5ODYwMjI2MA==&mid=2649769274&idx=1&sn=a46fc1574ecbf5cfddd1f40af9cb1b4f&chksm=beccd64189bb5f57f80799fd2ea51c7669942254a2223dea55fe7d2bfa5762410a784dec8e2f&scene=27#wechat_redirect) | 搜索          | 2022-03-14 |
| 京东         | [王冬月：京东推荐算法精排技术实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247566783&idx=1&sn=7f693e5b57988166ec07017f32ff2b97&chksm=fbd677d3cca1fec550f381173c195aef54aab536ce429cb823d9c62c7ca2a66cde9eb09c30ca&scene=27#wechat_redirect) | 精排&CXR预估  | 2022-03-14 |
| 网易         | [蒋能学：网易云音乐广告算法实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247566714&idx=1&sn=fcccd4847149cb3496d10e2d4975c30a&chksm=fbd67716cca1fe00735a96213bcd8d208d15654acb63ce8fd1e0dc0c383d8352c89ced76327f&scene=27#wechat_redirect) | 广告          | 2022-03-12 |
| 美团         | [异构广告混排在美团到店业务的探索与实践](http://mp.weixin.qq.com/s?__biz=MjM5NjQ5MTI5OA==&mid=2651766855&idx=2&sn=3f501731584e8cdf6fa7d22fafc9d469&chksm=bd12190a8a65901cfbad1590c49044afdf81c4df281e23dab813c51acddbace87bf93a78202d&mpshare=1&scene=1&srcid=0117wolSN0KkwClWlrLhbYd9&sharer_sharetime=1673957140359&sharer_shareid=c032e8bde4d276951619cca1ff0debb1#rd) | 广告&混排     | 2022-03-10 |
| 阿里淘系     | [GNN在轻应用内容推荐中的召回实践](http://mp.weixin.qq.com/s?__biz=MzAxNDEwNjk5OQ==&mid=2650454966&idx=1&sn=a5721d265ed07138fdad3c8e1d06b727&chksm=839673aeb4e1fab8164ef508bfeddc4f4cfc2c76d8163cf209c871df94a0c3fb0b1fd7f9c9b6&scene=27#wechat_redirect) | 召回          | 2022-03-10 |
| 京东         | [张菡：深度学习下的京东搜索召回技术](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247566529&idx=1&sn=aaedccdf162508b78b35b99b5262e47e&chksm=fbd676adcca1ffbbd669a3190c4b96561686716a2c03f813cbf71c5af8313e20eab654116c9c&scene=27#wechat_redirect) | 召回          | 2022-03-09 |
| 网易         | [实时增量学习在云音乐直播推荐系统中的实践](http://mp.weixin.qq.com/s?__biz=MzI1NTg3NzcwNQ==&mid=2247485614&idx=1&sn=07571004c063b7563fa83f0b38e4f9b0&chksm=ea2e7f88dd59f69e24c15d4cfee263f4dab871a8a5bc6a8ca798d76265497e418ff2c393229c&mpshare=1&scene=1&srcid=0117kMMwZFauG8GEMkGxRgkM&sharer_sharetime=1673958791203&sharer_shareid=c032e8bde4d276951619cca1ff0debb1#rd) | 推荐&增量学习 | 2022-03-09 |
| 阿里淘系     | [超越I2I和向量内积，淘宝新一代召回范式：PDN模型](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247566515&idx=2&sn=45d7744b256ca6a4f3871126e6c343a9&chksm=fbd676dfcca1ffc9008e4af615655bc243a502bef76ec9aa73cfa961f005a5ceddbf85135020&scene=27#wechat_redirect) | 召回          | 2022-03-08 |
| 虎牙         | [李茶：虎牙直播推荐系统架构详解](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247566074&idx=1&sn=8c6b37aa60324b26561a5d3fae6ae9b7&chksm=fbd67096cca1f98057c70929be491b04a58704d04ddf4896e77947b5927c62aea546610e1e73&scene=27#wechat_redirect) | 推荐          | 2022-03-02 |
| 阿里淘系     | [冷启动系统优化与内容潜力预估实践](http://mp.weixin.qq.com/s?__biz=MzAxNDEwNjk5OQ==&mid=2650453241&idx=1&sn=d30e011ac9e416aab54eb76378b43f39&chksm=83967ce1b4e1f5f79ce2067171d9c6336269edb47c88992ba765376438534ba13a6b83da287f&scene=27#wechat_redirect) | 冷启动        | 2022-03-01 |
| 哈啰出行     | [董彦燊：因果推断在哈啰出行的实践探索](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247565994&idx=1&sn=6d57d32a8d2d81d6540a5e0219d14528&chksm=fbd670c6cca1f9d034eb1a94314e838a09e843c65143995e0d133bc612596ba3817f73f99507&scene=27#wechat_redirect) | 因果推断      | 2022-02-28 |
| 贝壳         | [王志勇：贝壳CVR转化率预估模型实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247565976&idx=1&sn=a651d09cdd08268b1424c854790e3a59&chksm=fbd670f4cca1f9e25c39dea866a2b3c4ffeb954ad078e46404656f464f45eb4081307b8476cd&scene=27#wechat_redirect) | 精排&CXR预估  | 2022-02-26 |
| 京东         | [赵鑫：强化学习在京东广告序列推荐中的应用](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247565886&idx=1&sn=fbce6bf0053fc396ec28ef96b70b4549&chksm=fbd67052cca1f944934c670f15d55771cd9287962d642fb0ce39208d5bd769c35bd7692ab481&scene=27#wechat_redirect) | 广告          | 2022-02-24 |
| 阿里淘系     | [行为稀疏场景下的图模型实践](http://mp.weixin.qq.com/s?__biz=MzAxNDEwNjk5OQ==&mid=2650452759&idx=1&sn=9405ae3c91460fb6ad0e85389de5414c&chksm=83967b0fb4e1f219afa071fd46547c54a189ff468dcf9fd33ea6b6f9ae8fefcd2df7cf1007aa&scene=27#wechat_redirect) | 召回          | 2022-02-22 |
| 快手         | [赵炜琪：因果推断在快手推荐场景的应用探索](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247565718&idx=1&sn=5d5e7b94caa839ccf85e0b119de3ba64&chksm=fbd673facca1faecf357c3478bb5d0859c0e3a9f25110e8a1ba17a561b24ec8094ab07640988&scene=27#wechat_redirect) | 因果推断      | 2022-02-21 |
| 腾讯微信     | [微信强化学习推荐模型的知识蒸馏探索之路](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247565711&idx=2&sn=7f04ddc36909ebe7301775eda5fd577e&chksm=fbd673e3cca1faf50348726147937c20283f2b8c65f5f033852feeb2e9f7e4ed7c8d06c2190c&scene=27#wechat_redirect) | 推荐          | 2022-02-20 |
| 腾讯         | [一篇详文带你入门   Redis](http://mp.weixin.qq.com/s?__biz=MjM5ODYwMjI2MA==&mid=2649768292&idx=1&sn=354dfe8a3186fd265dbe434738ef5599&chksm=beccd21f89bb5b093f7a7ee15b4ea54e0035b445f9835d5cd8835c8d4dd460a2303bdc2eb61a&scene=27#wechat_redirect) | 工程相关      | 2022-02-18 |
| 阿里飞猪     | [熊飞："猜你去哪"飞猪用户旅行意图预测](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247565613&idx=2&sn=f71fdb23b678e962f4cb9e4373d0f3c9&chksm=fbd67341cca1fa57fc35cbd6f260f27f9b058fe2d815aee5e0249b0f4e9c97e4e7a035460105&scene=27#wechat_redirect) | 搜索          | 2022-02-18 |
| 虾皮         | [下拉推荐在   Shopee Chatbot 中的探索和实践](http://mp.weixin.qq.com/s?__biz=MzkzMDE5MDgwMQ==&mid=2247486658&idx=1&sn=0ee241fe1d39ca49fa027df3157c2011&chksm=c27f487cf508c16a391b504cb12557a1e3b7b59e63c668f41b2956cddabd417d35d27a51b596&mpshare=1&scene=1&srcid=01178Hqxu4n7E06o8irFWJnX&sharer_sharetime=1673956927457&sharer_shareid=c032e8bde4d276951619cca1ff0debb1#rd) | 推荐          | 2022-02-17 |
| 美团         | [美团搜索中查询改写技术的探索与实践](http://mp.weixin.qq.com/s?__biz=MjM5NjQ5MTI5OA==&mid=2651766615&idx=2&sn=89b1399f902ce8b01d2e5dc45c11ec43&chksm=bd12661a8a65ef0c8ac325db5450c1ce7e62dfeb87120569aca449afdbcc24a1e0a112eadbe6&mpshare=1&scene=1&srcid=0117flm3zao0X73AS87VEsRA&sharer_sharetime=1673957162379&sharer_shareid=c032e8bde4d276951619cca1ff0debb1#rd) | 搜索          | 2022-02-17 |
| 美图         | [多媒体内容理解在美图社区的应用实践](http://mp.weixin.qq.com/s?__biz=MjM5MzY4NzE3MA==&mid=2247499655&idx=1&sn=0af7ce51790e7de995b989250af545ac&chksm=a6918c6a91e6057ca610820f4207531dd77de9541a534ab6df033691b21023d2c6a5d3736e70&scene=27#wechat_redirect) | 内容理解      | 2022-02-16 |
| 快手         | [将因果关系估计引入推荐系统、提升推荐模型效果，快手新研究被WWW22接收](http://mp.weixin.qq.com/s?__biz=Mzg2NzU4MDM0MQ==&mid=2247484702&idx=1&sn=33891737a46268a28d6676ca1e2e8212&chksm=ceb825c4f9cfacd2b0cb6ff6106940043d708260b561285cc7459a17bd65d3d16e3ddce95707&mpshare=1&scene=1&srcid=0117GxgZME41q4MyG15aaS66&sharer_sharetime=1673959171765&sharer_shareid=c032e8bde4d276951619cca1ff0debb1#rd) | 因果推断      | 2022-02-14 |
| 腾讯音乐     | [QQ音乐排序模型优化](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247564687&idx=1&sn=2825449485d6fae3ae2005c822ce8dc1&chksm=fbd64fe3cca1c6f5277e84d19e723e2ff4e165ced14d94d53bf93ce73878943ec9d7c0f005d3&scene=27#wechat_redirect) | 推荐          | 2022-02-14 |
| 58同城       | [苏永浩：Embedding技术在商业搜索与推荐场景的实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247562574&idx=1&sn=2c5c787485131673da963e4a1ca8610a&chksm=fbd64722cca1ce34155e3c4507bea25b4debca0c0cbcb88871bcc3f6637efa4c7452d24ec092&scene=27#wechat_redirect) | 召回          | 2022-02-11 |
| 快手         | [渠江涛：重排序在快手短视频推荐系统中的演进](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247562529&idx=1&sn=6bae7191d8f711d68c1520f4e8a28c7a&chksm=fbd6474dcca1ce5b112eb645ff15d173c7054d2343b16e4d3674201c4481314fa9297b90b0b7&scene=27#wechat_redirect) | 重排          | 2022-02-10 |
| 快手         | [李翱：因果学习在用户增长中的实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247562443&idx=1&sn=e648c2b1fcd04c94fe39c74176b5d5d5&chksm=fbd646a7cca1cfb135acbd3ee5e460e846dd7851c24f5b8ed2b30556d967f5ad2ae54862f6b7&scene=27#wechat_redirect) | 因果推断      | 2022-02-07 |
| 58同城       | [刘德华：标签推荐与“猜你想找”算法实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247562403&idx=1&sn=b639f10eabbc85c33cb47773f6e7f927&chksm=fbd646cfcca1cfd94d90c73d665d9a056bf90e40b8c9857d5f5476f6ae8f1eb41fff5302508f&scene=27#wechat_redirect) | 推荐          | 2022-02-05 |
| 腾讯音乐     | [腾讯音乐知识图谱搜索实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247562398&idx=1&sn=a4a75e80defd853797980fc99a09b6b3&chksm=fbd646f2cca1cfe4fab6870c681e40db76cd1b0bebdd55f93034ed812ac1ac1f38908a2a6d59&scene=27#wechat_redirect) | 搜索          | 2022-02-04 |
| 一点资讯     | [郭沛东：图模型在信息流推荐的原理和实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247562297&idx=1&sn=38d236570827c2d8422dbfe1fbc93819&chksm=fbd64655cca1cf43815128dc9a8b7adf5efe1d6779fa7feb60ad9f1414767cf57623cbbd41f1&scene=27#wechat_redirect) | 推荐&图网络   | 2022-01-28 |
| 阿里淘系     | [推荐场景下融合多模态信息的内容召回模型](http://mp.weixin.qq.com/s?__biz=MzAxNDEwNjk5OQ==&mid=2650451312&idx=1&sn=a9bf674c661cb9f4ea5b9a1a86b874ac&chksm=83966568b4e1ec7eb52f139edd3ede3df3fb6b23f4a4951be6b66db1390264b58e4a5ee43329&scene=27#wechat_redirect) | 召回          | 2022-01-26 |
| 阿里淘系     | [多序列融合召回在新用户冷启动上的应用](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247562067&idx=2&sn=9a47510cfb928f3d0001428f3a1f7555&chksm=fbd6413fcca1c829d11e66edf61b8cfa7b0b735ac3425fb3f67cfdfb041f9dbc5d247f06391b&scene=27#wechat_redirect) | 召回          | 2022-01-23 |
| 阿里淘系     | [ZEUS：淘宝多场景推荐排序模型](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247561697&idx=2&sn=9db06881ce75388999f96276289f2bf2&chksm=fbd6438dcca1ca9b4c7c1f40224c735499a6bacc952640d4a1f3cb1233d3a5e2b53c2ec983aa&scene=27#wechat_redirect) | 推荐          | 2022-01-19 |
| 贝壳         | [周玉驰：因果分析在贝壳的探索实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247561513&idx=1&sn=5b818890be25a6b346041bcd45f9b5c7&chksm=fbd64345cca1ca5395f1cd95f1cc0d0f9b4bcbd330f26e2fea657424bde76bd74b57bf989720&scene=27#wechat_redirect) | 因果推断      | 2022-01-17 |
| 腾讯音乐     | [腾讯音乐多模态音乐匹配技术与应用](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247561463&idx=1&sn=264c42e7c9207cd57e0f13937985a869&chksm=fbd6429bcca1cb8d461a43081195f95972c08d8055680d0b7fed174734abf042162f673d0913&scene=27#wechat_redirect) | 搜索          | 2022-01-15 |
| 阿里淘系     | [大淘宝技术“搜索算法”专场①：淘宝搜索召回、个性化搜索排序](https://www.bilibili.com/video/BV1QS4y1j7yK) | 搜索          | 2022-01-14 |
| 阿里淘系     | [大淘宝技术“搜索算法”专场②：电商搜索相关性、电商知识图谱](https://www.bilibili.com/video/BV1GY411h7MH) | 搜索          | 2022-01-14 |
| 阿里淘系     | [直播预告   \| 1月13日下午，“搜索算法”专场②：电商搜索相关性、电商知识图谱](http://mp.weixin.qq.com/s?__biz=MzAxNDEwNjk5OQ==&mid=2650450365&idx=2&sn=cac748e80be91c0ef674b0f5cffd8892&chksm=839661a5b4e1e8b39164b66b6d3c34f673353b623f8e77d8588488696992dad60f205192d56a&scene=27#wechat_redirect) | 搜索          | 2022-01-12 |
| 阿里淘系     | [直播预告   \| 1月12日下午，“搜索算法”专场①：淘宝搜索召回、个性化搜索排序](http://mp.weixin.qq.com/s?__biz=MzAxNDEwNjk5OQ==&mid=2650450321&idx=2&sn=f80e1432c9d601cdead700c4a2f4c9c6&chksm=83966189b4e1e89fff4e286b3543aaa4caa1a897bcd65f49754d6a35735e04299cac329102a2&scene=27#wechat_redirect) | 搜素          | 2022-01-11 |
| 阿里淘系     | [7种经典推荐算法模型的应用](http://mp.weixin.qq.com/s?__biz=MzAxNDEwNjk5OQ==&mid=2650447143&idx=1&sn=28572b3214b41042573190f918fec5e2&chksm=8396553fb4e1dc299959b25ebba018de65a0ad01f764cff9be3691be7a28efe20bc494af76a0&scene=27#wechat_redirect) | 推荐          | 2021-12-30 |
| 京东         | [赵学敏：京东商品图谱构建与实体对齐](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247560198&idx=1&sn=d6245b5ad0e0a45828d8a5a3d42565b3&chksm=fbd65e6acca1d77c4219211313cf049d7c3b3f1380137f4a4057180e3453ac286cc90489f3a2&scene=27#wechat_redirect) | 知识图谱      | 2021-12-29 |
| 网易         | [网易云音乐广告CTR预估模型演进过程](https://zhuanlan.zhihu.com/p/448175622?utm_medium=social&utm_oi=32492828491776&utm_psn=1598782592987373568&utm_source=wechat_session) | 精排&CXR预估  | 2021-12-21 |
| 阿里淘系     | [多序列融合召回在新用户冷启动上的应用](http://mp.weixin.qq.com/s?__biz=MzAxNDEwNjk5OQ==&mid=2650445597&idx=1&sn=3cf659eb6888d315eef88a40ca01b35e&chksm=83965f05b4e1d613ae13a009563d6ddd5cefe111249309968461b388dba2b9fceb6c059014f9&scene=27#wechat_redirect) | 冷启动        | 2021-12-21 |
| 阿里淘系     | [大淘宝技术“推荐算法”PART   1](https://www.bilibili.com/video/BV1QP4y1n7vD) | 推荐          | 2021-12-20 |
| 阿里淘系     | [大淘宝技术“推荐算法”PART   2](https://www.bilibili.com/video/BV1CL411j7sP) | 推荐          | 2021-12-20 |
| 阿里淘系     | [大淘宝技术“推荐算法”PART   3](https://www.bilibili.com/video/BV1Bg411w7ib) | 推荐          | 2021-12-20 |
| 58同城       | [沈冰阳：强化学习在推荐冷启动优化中的实践探索！](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247559222&idx=1&sn=9bd74ce22471f24c67ede5664e3d52ca&chksm=fbd65a5acca1d34c479c885f71f9c936be3dcacdf07a6b93804497ce2a80e6e1dbbd6c2ccb01&scene=27#wechat_redirect) | 冷启动        | 2021-12-17 |
| 阿里淘系     | [内容推荐场景下多模态语义召回的若干实践](http://mp.weixin.qq.com/s?__biz=MzAxNDEwNjk5OQ==&mid=2650445349&idx=1&sn=bb8ad24cef7f34bd46fe35d0cb370958&chksm=83965e3db4e1d72ba530d9f06acaa2d0432338935e9585e530958dba2d42f20971047b0b0c78&scene=27#wechat_redirect) | 召回          | 2021-12-14 |
| 阿里淘系     | [深度粗排模型的GMV优化实践：基于全空间-子空间联合建模的蒸馏校准模型](http://mp.weixin.qq.com/s?__biz=MzAxNDEwNjk5OQ==&mid=2650445139&idx=1&sn=c43febc0a43bf5b4165d06cceffd873c&chksm=83965d4bb4e1d45d50fd46a3776bf9ebfe78477c45a872aba220ff37aa331fda2fe07874c803&scene=27#wechat_redirect) | 粗排          | 2021-12-13 |
| 阿里淘系     | [阿里新一代召回技术：从TDM到二向箔的新突破！](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247558984&idx=1&sn=b43d63234470d398222d969bd832ceb4&chksm=fbd65524cca1dc3237395c3d5971388533d363d8d8ea0ac15ab7ae1fe1f976e04b35abe4a17a&scene=27#wechat_redirect) | 召回          | 2021-12-13 |
| 58同城       | [祝凯文：推荐算法在商业化场景中的探索实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247558876&idx=2&sn=9661f9e62d675dc9c6c1e1755166f475&chksm=fbd654b0cca1dda662a444099587fb756253ff670453f1093fbdab68caffd9ce31c3864a86c6&scene=27#wechat_redirect) | 推荐          | 2021-12-12 |
| 阿里淘系     | [2021召回技术在内容推荐的实践总结](http://mp.weixin.qq.com/s?__biz=MzAxNDEwNjk5OQ==&mid=2650443071&idx=1&sn=b61d6b1fdcf0c61bccb3988dd2516616&chksm=83964527b4e1cc31a67ced58e4a1559d8214f5a560258aaac51223c393ec829d3d2ede1faadb&scene=27#wechat_redirect) | 召回          | 2021-11-30 |
| 阿里淘系     | [阿里淘系技术：算法黑科技](https://www.bilibili.com/video/BV16M4y1P71Y) | 搜索          | 2021-11-29 |
| 快手         | [「繁星」：快手搜索在向量检索方向的探索和实践](http://mp.weixin.qq.com/s?__biz=Mzg2NzU4MDM0MQ==&mid=2247484410&idx=1&sn=6eb90265ecadfd8a6239142e82d2791e&chksm=ceb82320f9cfaa3605c0808a6cc59e1272e4bd66966707bfea69c443bf6f94e7f084d0fb68d0&mpshare=1&scene=1&srcid=0117gma2C2J5yABFspK8xOMO&sharer_sharetime=1673959158573&sharer_shareid=c032e8bde4d276951619cca1ff0debb1#rd) | 召回          | 2021-11-29 |
| 腾讯音乐     | [QQ音乐推荐系统的精细化调控](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247557961&idx=2&sn=cfaf7721b9c7892654fb6d22fc3dcb9a&chksm=fbd65125cca1d83361018b1cb258acf75919d79989f306bb031eb61a86aa60e38423ce26b7a3&scene=27#wechat_redirect) | 推荐          | 2021-11-28 |
| 阿里淘系     | [GNN在下拉推荐的应用](http://mp.weixin.qq.com/s?__biz=MzAxNDEwNjk5OQ==&mid=2650442614&idx=1&sn=9f70b34865023eb21948da0e1048caa8&chksm=8396436eb4e1ca7838bee45c86575fd55a5ab4890d00ab39c8a79f9d7152a19ed7c173139ebe&scene=27#wechat_redirect) | 推荐          | 2021-11-24 |
| 美团         | [美团搜索多业务商品排序探索与实践](http://mp.weixin.qq.com/s?__biz=MjM5NjQ5MTI5OA==&mid=2651765674&idx=1&sn=55f3a13f9b2ecc1b0c28a76e76b35727&chksm=bd1262e78a65ebf12783a6b593cef4f8fe0a5b1f41eac019ce707ff01cc9c307e6febcefc634&mpshare=1&scene=1&srcid=0117VHqucNGNj19mtFAk5cYg&sharer_sharetime=1673957152451&sharer_shareid=c032e8bde4d276951619cca1ff0debb1#rd) | 搜索          | 2021-11-18 |
| 阿里飞猪     | [阿里飞猪林睿：从核心因子预估>实体识别，如何实现文本和空间的搜索相关性？](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247557338&idx=2&sn=ab7ae767a2504d9cde93552d35d402fd&chksm=fbd652b6cca1dba0bac36a18cd430d38d30d76f1f9112bde9fc42e8c723eb4a3a71c50fdcafa&scene=27#wechat_redirect) | 搜索相关性    | 2021-11-16 |
| 字节跳动     | [字节跳动高伟豪：训练目标不一致？损失无法学习？深度召回解难题！](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247556442&idx=1&sn=61144058d5ac801109ca343d4480295d&chksm=fbd7af36cca02620de8ad397ef047fc8f1dfc896c6a44c935e79f19eccea6194e471f6252283&scene=27#wechat_redirect) | 召回          | 2021-11-10 |
| 美团         | [美团王庆：当老板对指标进行灵魂拷问时，该如何诊断分析？](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247555956&idx=1&sn=9495f84c782e741e7609b5e0ba8b9833&chksm=fbd7a918cca0200eb0d1aba6a17889b91b0235df7edc6e5b4c611aabc464357d445f2c6ee132&scene=27#wechat_redirect) | 其他          | 2021-11-04 |
| 京东         | [京东李欣如：从单目标排序到多目标模型，显著提升多业务效果！](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247555887&idx=1&sn=72e77940abd250906cf42e03c8027c18&chksm=fbd7a943cca020551709b8e89bfc1c5c494fae68beb2d87d14cbea17f83455524443539469f6&scene=27#wechat_redirect) | 多目标&多任务 | 2021-11-02 |
| 百度         | [基于用户出行意图建模的百度异地POI推荐](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247555532&idx=1&sn=df29d507d23d2431687d85b3ac865763&chksm=fbd7aba0cca022b615356a849cc9b60c32e0461d8d50328f5024408e0a4acda5ecb688600234&scene=27#wechat_redirect) | 推荐          | 2021-10-29 |
| 阿里飞猪     | [阿里飞猪推荐算法探索实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247554796&idx=1&sn=e96ad50dfbf4e2b54cfff9ee3ee122b7&chksm=fbd7a480cca02d96c66772353c5e4b54fc80d2577775337a53b6d916e753c2cf08af9d858be3&scene=27#wechat_redirect) | 推荐          | 2021-10-21 |
| 腾讯         | [一文搞懂CTR建模](http://mp.weixin.qq.com/s?__biz=MjM5ODYwMjI2MA==&mid=2649765103&idx=1&sn=7da591618dfacca5314f77634861bd1e&chksm=becca79489bb2e82f1d4bb047b759a75c98257980e09514ebf83f72177a5aafec7945e340f8c&scene=27#wechat_redirect) | 精排&CXR预估  | 2021-10-18 |
| 58同城       | [多目标排序在58同城房源推荐中的实践探索](http://mp.weixin.qq.com/s?__biz=MjM5MzY4NzE3MA==&mid=2247496575&idx=1&sn=ea69970e5ce1e56683c0dfb5491e4c63&chksm=a691809291e60984f7e09ea5912be01f732fad486f8c1439152d6744b745c0989c8a5a38c713&scene=27#wechat_redirect) | 多目标&多任务 | 2021-10-18 |
| 蜻蜓FM       | [蜻蜓FM实时推荐系统的发展和演进](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247554470&idx=1&sn=2ff40b9e09a4424c850059053a065178&chksm=fbd7a7cacca02edca60d87ea1be7ec4ec489d1688a67e4451e8c8cb42f8d4da0027cbc4abe8e&scene=27#wechat_redirect) | 推荐          | 2021-10-14 |
| 美团         | [广告深度预估技术在美团到店场景下的突破与畅想](http://mp.weixin.qq.com/s?__biz=MjM5NjQ5MTI5OA==&mid=2651765021&idx=1&sn=3ac05ac64f650bcedd4f75d5aa715771&chksm=bd1260508a65e9462f356aab0fc0df37e4860628f3f404db9099b8195991bfd9a4542c35dd80&mpshare=1&scene=1&srcid=0117FB6mPZqwGWEVytjcUxEH&sharer_sharetime=1673957236741&sharer_shareid=c032e8bde4d276951619cca1ff0debb1#rd) | 精排&CXR预估  | 2021-10-14 |
| 阿里妈妈     | [阿里广告技术新突破：面向最终目标的全链路一致性建模](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247554157&idx=1&sn=cec38d80b7d75845c6af5bca7bf9087b&chksm=fbd7a601cca02f17ff5c1c5baee827ca106761579fdacc03e082e8034978a4860bf7d4c63dc3&scene=27#wechat_redirect) | 广告          | 2021-10-11 |
| 58同城       | [广义多目标算法探索实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247553674&idx=1&sn=93fd72425a2e1fc8a1aaaa48075a7f09&chksm=fbd7a0e6cca029f099db1ee7f6d44e0bc32ad91f21d661573be58e8e2d323aa822c37fa0219d&scene=27#wechat_redirect) | 多目标&多任务 | 2021-10-04 |
| 58同城       | [多目标排序在二手房推荐系统的实践探索](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247551834&idx=2&sn=98052911088d340991cec0c6c804f389&chksm=fbd7b936cca03020aaae4b4c5820e678017589affa19dedfe4fea56059c10c6922380ea65a6c&scene=27#wechat_redirect) | 多目标&多任务 | 2021-09-19 |
| 阿里淘系     | [淘宝直播全屏页重排算法实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247550322&idx=2&sn=5f46d888ca18541b9b3d9929cdbb369f&chksm=fbd7b71ecca03e089c2a6c7996fef0b640af5f8ea79c000418847847e69276d07035bc483370&scene=27#wechat_redirect) | 重排          | 2021-09-04 |
| 阿里妈妈     | [阿里妈妈广告创意优选](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247549101&idx=2&sn=08fab37f73d47f7215e0a5f8fd1ad24c&chksm=fbd7b2c1cca03bd716dcd437fabd34bdf9fb802dbef59e18039dede88511ff113864352b1172&scene=27#wechat_redirect) | 广告          | 2021-08-27 |
| 阿里淘系     | [SIGKDD2021   \| 淘宝搜索向量化召回实践](http://mp.weixin.qq.com/s?__biz=MzAxNDEwNjk5OQ==&mid=2650433549&idx=1&sn=7e352d215146a445ea47a566a4aa8411&chksm=8396a015b4e12903e30ea108bb8fd4c963d4b0af6bd691a869ec77220211427084a60ce57cf1&scene=27#wechat_redirect) | 召回          | 2021-08-25 |
| 腾讯微信     | [微信看一看如何过滤广告文章？](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247547626&idx=2&sn=3954ffc136544fd683b1629c9df8a978&chksm=fbd78886cca0019084a7b35ed0fa21e5f753a22d172c4b63dbe756d2b5581242fdf8c7280fe8&scene=27#wechat_redirect) | 广告          | 2021-08-14 |
| 阿里妈妈     | [朱小强｜屠龙少年与龙：漫谈深度学习驱动的广告推荐技术发展周期](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247547435&idx=1&sn=d629f799eb85ac8e90c6962cd424d7ee&chksm=fbd78847cca00151fdd192d1152aaae4cc7ec1b7a1a67487f4e5619070475020b8fc0fb83de1&scene=27#wechat_redirect) | 广告          | 2021-08-10 |
| 阿里淘系     | [淘宝视频的跨模态检索](http://mp.weixin.qq.com/s?__biz=MzAxNDEwNjk5OQ==&mid=2650433132&idx=1&sn=d3d9df3adbb8533eaa2f60f80dd8fc2f&chksm=8396ae74b4e12762ac17b45a41e0e4b98d2cb3493eb6e44b0e338d3b594f685efa43bff5a4ce&scene=27#wechat_redirect) | 搜索          | 2021-08-09 |
| 阿里妈妈     | [阿里妈妈展示广告预估校准技术演进之路](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247547345&idx=1&sn=343a931f247a2ebc0e53b40298b0bb17&chksm=fbd78bbdcca002abce76f5c4bf6aca9d44e45bf9e16ee219ac33620521b9e2c81186c1933ad8&scene=27#wechat_redirect) | 广告          | 2021-08-09 |
| 京东         | [多类目MoE模型在京东电商搜索中的应用](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247547245&idx=1&sn=e5d4731f4b0b665057786318c6fac68c&chksm=fbd78b01cca00217b66667d41cdbee41ebce14a58d8c9f99ce48838ffd4713560e78919e6ede&scene=27#wechat_redirect) | 搜索          | 2021-08-07 |
| 阿里淘系     | [淘宝视频内容标签的结构化分析和管理](http://mp.weixin.qq.com/s?__biz=MzAxNDEwNjk5OQ==&mid=2650433059&idx=1&sn=7282fc6987a94b5d32d88ffc513dcc15&chksm=8396ae3bb4e1272d3cc9a73ce8b2cd7aa6914c80958e57b13bcdba379fdbe755ac7d304547f3&scene=27#wechat_redirect) | 内容理解      | 2021-08-06 |
| 微拍堂       | [深度召回在文玩个性化推荐中的实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247547145&idx=1&sn=de1b92402bf93a5777ab0e7faac3dd57&chksm=fbd78b65cca0027348e33d8be4c044b190a25129cbd12cad5dedef08f90c87e42796a1fd14f5&scene=27#wechat_redirect) | 召回          | 2021-08-04 |
| 阿里妈妈     | [FAE：阿里广告归因分析与用户增长分析引擎](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247547084&idx=1&sn=7bcfbba74623c84bcc850bd042c279b6&chksm=fbd78aa0cca003b6726344ce152f7ddcb1fae15932c262c042b43783260b1b7b69ce15524cdc&scene=27#wechat_redirect) | 广告          | 2021-08-03 |
| 美团         | [美团商品知识图谱的构建及应用](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247546914&idx=1&sn=b553a4d0cb60b9220b967970f9b54b13&chksm=fbd78a4ecca00358b84bd7d41eda415ea50169fe7b23bb27009bc526ccabe7dd9cdbf1707411&scene=27#wechat_redirect) | 知识图谱      | 2021-07-31 |
| 阿里         | [阿里1688直播推荐算法实践](http://mp.weixin.qq.com/s?__biz=MjM5MzY4NzE3MA==&mid=2247495242&idx=1&sn=c739912e3f2116eb000255ae368b3c07&chksm=a6919da791e614b17afc52b99157ac735a66990946b42ca9ae437f96c112f8cd08d4cbfca128&scene=27#wechat_redirect) | 推荐          | 2021-07-28 |
| 阿里淘系     | [2021年，算法工程师必备的能力是什么？](http://mp.weixin.qq.com/s?__biz=MzAxNDEwNjk5OQ==&mid=2650432692&idx=1&sn=db725557ba260b82ca2601d578687916&chksm=8396acacb4e125baa2f9fb61e7b30015e9bfaf7cc327734ce6193e0e6378dcc9637486eb6935&scene=27#wechat_redirect) | 其他          | 2021-07-26 |
| 阿里淘系     | [淘宝详情页分发推荐算法总结：用户即时兴趣强化](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247546474&idx=2&sn=ada65eaa15c7beef9c2f70f586d8dfbf&chksm=fbd78406cca00d10b2532ffe6c937ef216cfa96c90efaf91901233d8dbd1be11aa396a5bfafd&scene=27#wechat_redirect) | 推荐          | 2021-07-24 |
| 阿里妈妈     | [阿里妈妈流量反作弊算法实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247546358&idx=2&sn=b8b5605be6321a2e3291733aafc45053&chksm=fbd7879acca00e8c8f1891dbc01322991153e72a45a7b468a2c5a160acb1300ecc44843be1cf&scene=27#wechat_redirect) | 广告          | 2021-07-23 |
| 58同城       | [58同城CRM多目标排序算法](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247545833&idx=1&sn=9feb4b0a4b6ab469a434df7696efaadd&chksm=fbd78185cca00893a23e1a61d49c0d5e86e291450a1d8444c171fbd0a07d9365ae358d021175&scene=27#wechat_redirect) | 多目标&多任务 | 2021-07-17 |
| 阿里妈妈     | [阿里妈妈在线分流   AB Test](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247545777&idx=2&sn=bf9ee1e9d70148449f0643532fca9db6&chksm=fbd781ddcca008cbbec49ba2d0a31fd36f7390828ac5e9ebce831a2a787d29f18cdd38c93732&scene=27#wechat_redirect) | 数据科学      | 2021-07-16 |
| 腾讯音乐     | [全民K歌直播推荐算法实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247545585&idx=1&sn=d45b4e3909c2f1677d9900d8f07718a1&chksm=fbd7809dcca0098b70f8213ac4c86badf8921cc680a462d98fd52ee3a84f5d2ffb23187a49ec&scene=27#wechat_redirect) | 推荐          | 2021-07-12 |
| 美团         | [多业务建模在美团搜索排序的实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247545317&idx=2&sn=acbd7df8a7554d92cb086febf4f3c0bd&chksm=fbd78389cca00a9f3fd3d3bbca7b61447c82566a5185db052cbac8241adc1164bc81685e2701&scene=27#wechat_redirect) | 搜索          | 2021-07-10 |
| 丁香园       | [丁香园基于Milvus的向量召回应用](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247544207&idx=2&sn=4adac4d8c43122374905f236634e2b0e&chksm=fbd79fe3cca016f5f2896aa33cebd1442569f73aa8c807d4c0a0ac8753898e42fa736552bf1d&scene=27#wechat_redirect) | 召回          | 2021-07-02 |
| 美团         | [美团外卖美食知识图谱的迭代及应用](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247543721&idx=2&sn=c4a4a98515f9f33be4b505977acb4499&chksm=fbd799c5cca010d3f62d23492016a42221f2cad319507541e6ce52a6d4c41bd19608ab267979&scene=27#wechat_redirect) | 知识图谱      | 2021-06-20 |
| 阿里飞猪     | [拼接召回在飞猪交通域的实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247543682&idx=1&sn=49bb76a0dd3eb1263a1e5e204c95857e&chksm=fbd799eecca010f8fd2ec7376d7b304f6bf88c7dee9cd7305c9c9bcf7fdc3e6bc3ad22184207&scene=27#wechat_redirect) | 召回          | 2021-06-18 |
| 腾讯微信     | [针对多目标推荐任务，微信看一看用PAPERec框架逼近帕累托最优](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247543460&idx=2&sn=833b99ad67ff1914b94453aaa1e752c8&chksm=fbd798c8cca011de8743b244e2a39159e26691a963d6a046280b6dbdd6bd7e6f38ae4df53e33&scene=27#wechat_redirect) | 多目标&多任务 | 2021-06-15 |
| 阿里妈妈     | [阿里妈妈搜索广告CTR模型的“瘦身”之路](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247543441&idx=2&sn=2d283f1e03d1731d8a06a8f7b2115872&chksm=fbd798fdcca011eb3135738e25b4aef91b2a7305641c2ae505268a01e665014c1a77fe30583a&scene=27#wechat_redirect) | 精排&CXR预估  | 2021-06-14 |
| 腾讯微信     | [用于看一看list-wise推荐系统的HRL-Rec模型简述   \| AAAI-2021](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247543407&idx=2&sn=5ef8d7ada9e6060d0f88c303602b3db5&chksm=fbd79803cca01115ac9ea59e34afb653d3d9f1f7fd2857f77d6252cd0cd62aa1f47d7434a93e&scene=27#wechat_redirect) | 推荐          | 2021-06-13 |
| 阿里淘系     | [工业界常用的推荐系统模型有哪些？](http://mp.weixin.qq.com/s?__biz=MzAxNDEwNjk5OQ==&mid=2650431219&idx=1&sn=0b66e25d6693363d34cafbb6abc72fa8&chksm=839696ebb4e11ffd2dc45c654d5e6b254625719b6a4e01ce4186218c3f147dd3dd5398590680&scene=27#wechat_redirect) | 推荐          | 2021-06-07 |
| 京东         | [大规模图算法在京东广告的实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247542308&idx=1&sn=822ad9c80b39f9fd281573f2deb610ac&chksm=fbd79448cca01d5e9697b7a943cb550483685ddfe10222abf4612aa29007481d35b11a461b85&scene=27#wechat_redirect) | 广告          | 2021-06-02 |
| 阿里妈妈     | [阿里妈妈搜索广告CTR模型演进](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247542213&idx=2&sn=d0708ac37e8805c8ff385600bc3888e1&chksm=fbd797a9cca01ebfccee12ef66cf7b9dc19753e960dbf1de254520c050e7131740b382f34ac8&scene=27#wechat_redirect) | 精排&CXR预估  | 2021-06-01 |
| 阿里飞猪     | [阿里飞猪个性化搜索排序探索实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247542183&idx=1&sn=4f844163c99f7ee554554b4be1e31512&chksm=fbd797cbcca01edde5bd80a9ab67ff22a250ab98d473694105a83b9ae242f8867fcbf11a4d38&scene=27#wechat_redirect) | 搜索          | 2021-05-31 |
| 阿里淘系     | [5大经典排序算法在淘宝“有好货”场景的实践](http://mp.weixin.qq.com/s?__biz=MzAxNDEwNjk5OQ==&mid=2650430647&idx=1&sn=de550537683d9444813a16703d60780e&chksm=839694afb4e11db952c355a6b1f6f9bad00e713de7a5f9bbe847a5dbc0cddd4cabc3c604ca47&scene=27#wechat_redirect) | 推荐          | 2021-05-28 |
| 蜻蜓FM       | [蜻蜓FM信息流推荐探索与实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247541942&idx=1&sn=60eeeb4a69f817d2cff29750f8b7fbdb&chksm=fbd796dacca01fcc8ff53c481fb219368b24b48b4e44c068f588b9d1921742ef973663cf23c6&scene=27#wechat_redirect) | 推荐          | 2021-05-26 |
| 阿里淘系     | [分钟级在线深度学习在手淘信息流排序模型中的探索与实践](http://mp.weixin.qq.com/s?__biz=MzAxNDEwNjk5OQ==&mid=2650430600&idx=1&sn=313876949aa19b5d38e4f9363abf7b27&chksm=83969490b4e11d86ca19aea8c1e9034577051dac13f5ce04a3e241b3732dbc75d65f35cc1be2&scene=27#wechat_redirect) | 推荐          | 2021-05-26 |
| 腾讯微信     | [微信视频号推荐算法挑战赛baseline分享](http://mp.weixin.qq.com/s?__biz=MjM5MzY4NzE3MA==&mid=2247494303&idx=1&sn=b1d8d66bd590e66158b5ce745f2dc6ea&chksm=a691997291e610645cd6962a33c83945ddbc42a1630ac48bbef53bad9f22239a6db81a20a7cd&scene=27#wechat_redirect) | 推荐          | 2021-05-23 |
| 阿里妈妈     | [你真的懂点击率（CTR）建模吗？](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247541722&idx=2&sn=828032935a3f384d75fbc54a1396cf12&chksm=fbd791b6cca018a021c5e53221b684aba588f03176e3b9cc2b839b6820f8c8766b79a074e4fc&scene=27#wechat_redirect) | 精排&CXR预估  | 2021-05-20 |
| 阿里飞猪     | [因果推断在阿里飞猪广告算法中的实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247541692&idx=1&sn=478e62d4865aa51a84f1d89ef0d862c0&chksm=fbd791d0cca018c6e5445ee84e6bccfc698d72d68e23e8b989ce3ff428c722ce019254ad6281&scene=27#wechat_redirect) | 因果推断      | 2021-05-19 |
| 爱奇艺       | [爱奇艺短视频推荐：多兴趣召回篇](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247541265&idx=1&sn=5446849bfdf0f0ce571e5eac412dd04b&chksm=fbd7907dcca0196bb199142242773bf89fb3393c6a9e594a8ecead15ef20b86d2456faa05280&scene=27#wechat_redirect) | 召回          | 2021-05-15 |
| 滴滴         | [滴滴连续因果森林模型的构造与实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247541235&idx=2&sn=eeb61de139b90caa87add3aacf39ed29&chksm=fbd7939fcca01a89391bc124f54ccf8e58baca2b597b54b39ba3c9dbd3c5b9bdac6e5fb6809f&scene=27#wechat_redirect) | 因果推断      | 2021-05-13 |
| 美团         | [Query理解在美团搜索中的应用](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247541036&idx=1&sn=136c52347a6e6fde29d9f7604df4d0e8&chksm=fbd79340cca01a5618af600e66f2dd392cdd0fe8615cacf3d20ec55e0167a7108dfd6c0859f1&scene=27#wechat_redirect) | 搜索          | 2021-05-07 |
| 阿里淘系     | [MIND   - 基于动态路由的用户多向量召回](http://mp.weixin.qq.com/s?__biz=MzAxNDEwNjk5OQ==&mid=2650428919&idx=1&sn=2a687d967536d65d31f026243b74479a&chksm=83969defb4e114f9ecf975a4b55836e0be86748cd76cc1cf3e3e2db6344478925c4c454ace32&scene=27#wechat_redirect) | 召回          | 2021-04-26 |
| 阿里淘系     | [SIGIR2021   \| 超越I2I和向量内积，淘宝新一代召回范式：PDN模型](http://mp.weixin.qq.com/s?__biz=MzAxNDEwNjk5OQ==&mid=2650428918&idx=1&sn=3d1b828d0bc685a357a13a607cad365c&chksm=83969deeb4e114f81484cb3c0216c0a6cdf55ae2d6dc824963fd7ee2cb2b09978a906aabda1c&scene=27#wechat_redirect) | 召回          | 2021-04-25 |
| 阿里妈妈     | [阿里定向广告智能投放技术体系](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247540489&idx=1&sn=56258f5ebcff70e17e6d026aba8fd059&chksm=fbd7ed65cca06473cd2ff831b68672ec1b19f43b993c6bcd8d7fd5c3bfbffe6898f2a6a79855&scene=27#wechat_redirect) | 广告          | 2021-04-24 |
| 阿里淘系     | [没什么是一次排序解决不了的，如果有，那就One   more time](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247539967&idx=2&sn=6c386bbb663d5c15432c4b319e7cab15&chksm=fbd7ee93cca06785618c0a96e69fb9ec45af73e9a1bcfa4cf03e33c2e14b81409702676b878e&scene=27#wechat_redirect) | 推荐          | 2021-04-17 |
| 腾讯看点     | [腾讯   QQ 看点图文多目标推荐实践经验](http://mp.weixin.qq.com/s?__biz=MjM5ODYwMjI2MA==&mid=2649757741&idx=1&sn=b77ae57ee2c7ab4c9621ec4cfbca1a85&chksm=becc8b5689bb0240959c0bbd40a104f0646b235f09e89cf20a01099d9d4bdc8843bd499f3d8c&scene=27#wechat_redirect) | 多目标&多任务 | 2021-04-09 |
| 腾讯微信     | [微信看一看实时相关推荐介绍](http://mp.weixin.qq.com/s?__biz=MjM5ODYwMjI2MA==&mid=2649757740&idx=1&sn=51e5809fcf1b2f148dfd284d4628c57a&chksm=becc8b5789bb0241136a70f726c94007f8b61d62bc87a6d4f09ca8d8d80eff5382c735fae685&scene=27#wechat_redirect) | 推荐          | 2021-04-08 |
| 腾讯音乐     | [全民K歌推荐后台架构](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247538234&idx=1&sn=8626d27fd350c9f3008fdb5944cfb608&chksm=fbd7e456cca06d40a769a4241877a3beb494e94a6a548687ca3b449510a7320f26d30db979ab&scene=27#wechat_redirect) | 工程相关      | 2021-04-02 |
| 腾讯音乐     | [全民K歌内容挖掘与召回](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247537974&idx=1&sn=116f1bcaa683ea35587b0483d9599d4d&chksm=fbd7e75acca06e4c560519cac81cb324be3737b524beca1a249ac114dbfa99109e1fb71361f7&scene=27#wechat_redirect) | 召回          | 2021-04-01 |
| 陌陌         | [模型化召回在陌陌社交推荐的应用和探索](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247536974&idx=1&sn=77201e9ee0390fa0652424e67e6b2b2e&chksm=fbd7e322cca06a34698caf1c601871fcfd3e39f19e947fc871fb57760fc6d8f9f00c0e5e9c8b&scene=27#wechat_redirect) | 召回          | 2021-03-20 |
| 阿里淘系     | [超长用户行为建模在躺平家居内容推荐中的应用实践](http://mp.weixin.qq.com/s?__biz=MzAxNDEwNjk5OQ==&mid=2650423941&idx=1&sn=de554547923b2a5bed291727600c6756&chksm=83968a9db4e1038ba8f117a02555969fd1d5c8999c988219a64de43ab300ca838ead9520ab73&scene=27#wechat_redirect) | 推荐          | 2021-03-18 |
| 阿里淘系     | [深度排序模型在淘宝直播的演进与应用](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247536094&idx=1&sn=b5fa05a617b40d0af80f5d2c13933e26&chksm=fbd7ffb2cca076a4139ee592d1bc6884cc3e778f588c89048ebbe0ac1b07f3e659013e230842&scene=27#wechat_redirect) | 推荐          | 2021-03-17 |
| 腾讯音乐     | [腾讯音乐：全民K歌推荐系统架构及粗排设计](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247534298&idx=1&sn=21ad88daaedaf33566862e27efc29f5e&chksm=fbd7f4b6cca07da043296b689ededb9923057f68e551c2af0f73a805bf4b38f6c9279b019d84&scene=27#wechat_redirect) | 粗排          | 2021-03-08 |
| 阿里飞猪     | [阿里飞猪主题与交互式推荐技术实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247533960&idx=2&sn=6c73cfb81818554c26add442a3fc92af&chksm=fbd7f7e4cca07ef24457e2a9894e99204c895785202d72257d531b773760b8d1e21df9f08858&scene=27#wechat_redirect) | 推荐          | 2021-03-04 |
| 京东         | [京东搜索在线学习探索实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247533885&idx=1&sn=4bacb967f194d00e69798f9a3b0eeed2&chksm=fbd7f751cca07e47e466094605201bfcc5feff89e273a1aa59b64d5aeb6ffb0b2aaee9a99678&scene=27#wechat_redirect) | 搜索          | 2021-03-01 |
| 爱奇艺       | [爱奇艺短视频推荐：粗排篇](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247533568&idx=1&sn=2b8c694ff43bb451ff1e70b49a7bd97b&chksm=fbd7f66ccca07f7a29d0eb0389cd4231707d6588219af0fff94b22e43d8106161172aff9f16c&scene=27#wechat_redirect) | 粗排          | 2021-02-27 |
| 快手         | [多目标排序在快手短视频推荐中的实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247533308&idx=1&sn=f25852e94c1f0c3535312961342b2933&chksm=fbd7f090cca07986161d65abbf1f8bdc7858775a75de302f591c31ed992e9816682d44e6b311&scene=27#wechat_redirect) | 多目标&多任务 | 2021-02-24 |
| 阿里         | [阿里粗排技术体系与最新进展](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247530926&idx=1&sn=43527db30cd5d0584a8f112426d8720f&chksm=fbd7cbc2cca042d4c0620396c3acc6752c8b6a9f5c7980a9f7ac44a72c040e0d0763ced31606&scene=27#wechat_redirect) | 粗排          | 2021-02-21 |
| 阿里淘系     | [EdgeRec：边缘计算在推荐系统中的应用](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247529736&idx=1&sn=d24b824c6ff0841a851f123800b87ea4&chksm=fbd7c764cca04e722b39cc29e05eb4e5009ea9f66a5b0e502653c8086a56defb1dec257893aa&scene=27#wechat_redirect) | 推荐          | 2021-02-17 |
| 阿里淘系     | [阿里深度树匹配召回体系演进](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247529654&idx=1&sn=77b68c348d19685b57523056b8762c8c&chksm=fbd7c6dacca04fcc3edf402e37fef4bc7eacfad21a99c37e28131501fbbe3a74033ded30732b&scene=27#wechat_redirect) | 召回          | 2021-02-15 |
| 58同城       | [多目标推荐场景下的深度学习实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247529612&idx=1&sn=57e147d705ba3faebb8acb91e18c5bc6&chksm=fbd7c6e0cca04ff616575d710a545f98e79db90394e76b9d5f5f3589124efa8a88d6f99aaed1&scene=27#wechat_redirect) | 多目标&多任务 | 2021-02-13 |
| 阿里淘系     | [5大经典排序算法在淘宝“有好货”场景的实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247529074&idx=1&sn=877e42d49b4474eb488a32ec3b5e9108&chksm=fbd7c01ecca04908f40d3907a719b850cbf1cfb87afb83e4cc62e8255b7714bd65504d639e54&scene=27#wechat_redirect) | 推荐          | 2021-02-11 |
| 58同城       | [深度学习在搜索排序业务中的应用](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247528876&idx=2&sn=717b0426ccbcc168d0fa9fbad3fc2c8a&chksm=fbd7c3c0cca04ad662db295c96894f85b89a36d074565a326a53ad9d8870944bce48da2be748&scene=27#wechat_redirect) | 搜索          | 2021-02-10 |
| 蘑菇街       | [基于ESMM模型的MTL多目标优化实践——用户活跃度影响排序机制——蘑菇街首页信息流推荐](https://zhuanlan.zhihu.com/p/344165004) | 多目标&多任务 | 2021-02-08 |
| 阿里淘系     | [MMoE算法在家居内容推荐中的应用与实践](http://mp.weixin.qq.com/s?__biz=MzAxNDEwNjk5OQ==&mid=2650418474&idx=1&sn=6b1e3ff914e68607c006a07a5b880296&chksm=8396e532b4e16c24734511e21872e995f5191943628eca791eb819a3899cfd6904996d09f461&scene=27#wechat_redirect) | 多目标&多任务 | 2021-02-05 |
| 阿里飞猪     | [阿里飞猪搜索技术的应用与创新](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247523713&idx=1&sn=06a41fb141e2fcdd0b723874f5090481&chksm=fbd72fedcca0a6fbb4f4b89720e379bde71a9f25579e2886b7629ad3e7f4f7eb7b550ca9e9f5&scene=27#wechat_redirect) | 搜索          | 2021-02-03 |
| Hulu         | [Hulu在Content   Embedding的探索与实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247522939&idx=1&sn=8dfedad371667ef3ebd5621cbb882a25&chksm=fbd72817cca0a1015e484b805bd5ef5c9442b47e1f45a9643cfc56bbc7a5787bad19ae4d1351&scene=27#wechat_redirect) | 召回          | 2021-01-29 |
| 阿里妈妈     | [想为特征交互走一条新的路](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247522902&idx=1&sn=55111acdfdc00dc59fc0fb10dfe9e0dc&chksm=fbd7283acca0a12c23a5b77a2413c25956a63c348c48f9fe01787d3d155d5fbcd183a0f09e90&scene=27#wechat_redirect) | 精排&CXR预估  | 2021-01-27 |
| Facebook     | [Facebook’s   News Feed ranking algorithm](https://zhuanlan.zhihu.com/p/348595873) | 推荐          | 2021-01-26 |
| 知乎         | [知乎搜索排序模型的演进](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247522599&idx=1&sn=24ab674235a3bc1a3b9944894bb6715f&chksm=fbd72b4bcca0a25d7287bf4ad0ec5becdb1ceb800966c9f7cf1ecacf807187f3a5a9d13f71a0&scene=27#wechat_redirect) | 搜索          | 2021-01-25 |
| 知乎         | [知乎搜索文本相关性与知识蒸馏](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247520759&idx=1&sn=4aaab934ad388ce03d3af0a3e812ce9e&chksm=fbd7239bcca0aa8d37d22880608f7704c51104f79b5bee016a7b4692dc3340e983dae0c0fa31&scene=27#wechat_redirect) | 搜索相关性    | 2021-01-15 |
| 蘑菇街       | [基于ESMM模型的多目标优化实践——蘑菇街商城篇](https://zhuanlan.zhihu.com/p/338515054) | 多目标&多任务 | 2021-01-08 |
| 贝壳         | [贝壳用户偏好挖掘的思考与实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247519854&idx=2&sn=b373b930f2409b56c3d27193f8b7fd1f&chksm=fbd73c02cca0b514bf784919121c46963cdca4aa944336dfeb8c5b7f5b5211de0b746f4eee23&scene=27#wechat_redirect) | 偏好挖掘      | 2021-01-07 |
| 阿里妈妈     | [算力经济时代：阿里展示广告引擎的"柔性"变形之路](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247519343&idx=1&sn=4f23cfbc240fcaac5d05a6411362a3fa&chksm=fbd73e03cca0b715ff529d524b1d36efc4a7c52c904fdc07f5858ce06943de1e4acd381b0ae5&scene=27#wechat_redirect) | 广告          | 2021-01-04 |
| 腾讯         | [Angel图神经网络算法在推荐场景下的实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247518591&idx=2&sn=483cec95afbfc61aa0b6736ebae47b3c&chksm=fbd73b13cca0b205887dfa2e03a092cb9bda9b2f22e823ea378ef96cf24a9a75775c47f9f170&scene=27#wechat_redirect) | 推荐&图网络   | 2020-12-31 |
| soul         | [灵魂匹配：陌生社交Soul的增长机制](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247518142&idx=1&sn=6c7484ca8f4d55fc96e2e8a87ab4cbb5&chksm=fbd735d2cca0bcc4d56252639dd615aee574a520cc37ce7d6401cc7ef44f7e8f9b79739e78f9&scene=27#wechat_redirect) | 用增          | 2020-12-26 |
| 腾讯         | [Angel推荐算法在游戏推荐中的应用](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247517980&idx=2&sn=bc82b69449a005f76284a475c46a7ec2&chksm=fbd73570cca0bc66302d7bdb893e4c391197004baf376a0fa3e52ad68052ba7bc66ee0e0a723&scene=27#wechat_redirect) | 推荐          | 2020-12-24 |
| 阿里淘系     | [序列检索系统在淘宝首页推荐重排中的实践（附重排经典论文合集）](http://mp.weixin.qq.com/s?__biz=MjM5MzY4NzE3MA==&mid=2247489906&idx=2&sn=ef3edb0c5ea102b92beaf3731f928af3&chksm=a6926a9f91e5e389230aa102870b24102d73e7073c75c5bfd997f8d8b8d6b9b14808326ff011&scene=27#wechat_redirect) | 重排          | 2020-12-18 |
| 蘑菇街       | [蘑菇街增量学习番外篇三：deepFM的动态正则实践](https://zhuanlan.zhihu.com/p/337649676) | 推荐          | 2020-12-18 |
| 阿里淘系     | [序列检索系统在淘宝首页信息流重排中的实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247517708&idx=1&sn=d44835c9bc1099aeb6b6c40b8c32fad5&chksm=fbd73460cca0bd769dfa2a3379649c14b78528cfb8e9df0fa3807bbcf6cef3f9324a52a83a97&scene=27#wechat_redirect) | 重排          | 2020-12-17 |
| 蘑菇街       | [蘑菇街增量学习番外篇一：动态正则之tensorflow中div转mod设计（含代码实现）](https://zhuanlan.zhihu.com/p/270354109) | 推荐          | 2020-12-17 |
| 蘑菇街       | [蘑菇街增量学习番外篇二：优化器设计理论篇（AdamW、AdaDeltaW、FTRL）](https://zhuanlan.zhihu.com/p/329877052) | 推荐          | 2020-12-17 |
| 丁香园       | [再谈搜索中的Query扩展技术](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247517070&idx=2&sn=367376c143ca8f5e526b33d93518ea16&chksm=fbd731e2cca0b8f4c97ea4f22464c6ee101e853f2a95b8159763c72e723d8902843a13970bf9&scene=27#wechat_redirect) | 搜索          | 2020-12-14 |
| 贝壳         | [贝壳商业化算法中台架构实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247516794&idx=1&sn=a3f2243dfba429f3956514c2e00aca1b&chksm=fbd73016cca0b900bce56933e86d12237c7ca5e7ada3532d104e18e5a03d60167683b23aaa38&scene=27#wechat_redirect) | 工程相关      | 2020-12-10 |
| 美团         | [ICDM论文：探索跨会话信息感知的推荐模型](http://mp.weixin.qq.com/s?__biz=MjM5NjQ5MTI5OA==&mid=2651755958&idx=2&sn=bb2a7e9e3817d9993a9137dfeb6b5ec4&chksm=bd124cfb8a65c5ed3453a6473b556df1968e9f983da94bcab6610f718bfed2b37be5bd3ad7ae&mpshare=1&scene=1&srcid=0117wmg82Cvm9SxD2roqqbzV&sharer_sharetime=1673957290926&sharer_shareid=c032e8bde4d276951619cca1ff0debb1#rd) | 推荐          | 2020-12-10 |
| 腾讯微信     | [浅谈微信AI在通用图像搜索领域的探索](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247516481&idx=2&sn=fe9b5f5d0caaa8c142abdb1803336c8f&chksm=fbd7332dcca0ba3b3d27055d9325be56b0fc54106cd0d36ad3a3ac88ce1c3d0e49ff1ebb5c33&scene=27#wechat_redirect) | 搜索          | 2020-12-09 |
| 腾讯微信     | [微信AI从识物到通用图像搜索的探索揭秘](http://mp.weixin.qq.com/s?__biz=MjM5ODYwMjI2MA==&mid=2649754988&idx=1&sn=e1d382f8337b5b29085f7e495e85cd0d&chksm=becc9e1789bb1701c6dffa631ae135217240fb436bbc542b36af7a8b6a64b2c7c6f3bb988ce8&scene=27#wechat_redirect) | 搜索          | 2020-12-04 |
| 阿里         | [信息流推荐的用户增长机制](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247513875&idx=1&sn=75f718e9c7a27e37a753bd7d7e3c1fd1&chksm=fbd7057fcca08c690d7b5aab77ff92a374e8f88b722815c421e0d69d1fecad73fec888969a7c&scene=27#wechat_redirect) | 用增          | 2020-12-02 |
| 腾讯         | [主流Embedding技术解析](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247513629&idx=2&sn=afba7c17c3f59a9ad04598584aaf181a&chksm=fbd70471cca08d67fd0a4feb6febf613746e1bce6b03e72f6a47c82886f9008e4d1a0dec2683&scene=27#wechat_redirect) | 召回          | 2020-12-01 |
| NVIDIA       | [Merlin：基于深度学习的推荐系统框架](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247513593&idx=2&sn=376de870c28403fa35087e438a4e6279&chksm=fbd70795cca08e838ee482038a321031db6f4725accb631d92587f111a856ea7217a7727b083&scene=27#wechat_redirect) | 推荐          | 2020-11-29 |
| 美团         | [美团本地生活场景的短视频分析](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247512282&idx=2&sn=7174703572f4609d8cc471de41f84762&chksm=fbd702b6cca08ba085c7c2e84b47c4cea10be3400790a6ada49bf1e19e6dd2f996b89685a534&scene=27#wechat_redirect) | 其他          | 2020-11-22 |
| 网易         | [网易云音乐推荐中的用户行为序列深度建模](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247512229&idx=1&sn=fe8430b49e6d5fd73e0f9c5cd9d0aaf6&chksm=fbd702c9cca08bdf665cb5628d380e25073dd18366372ff75243f0d9491760f6030a10aebc01&scene=27#wechat_redirect) | 精排&CXR预估  | 2020-11-20 |
| 阿里文娱     | [阿里文娱深度语义搜索相关性探索](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247512107&idx=2&sn=ce7ce209d594b0574518e5b62a60998a&chksm=fbd70247cca08b5190e1b06ed87f036fc71c17bdda40fb80cbe69420ac7fe22f4eda2c554398&scene=27#wechat_redirect) | 搜索相关性    | 2020-11-16 |
| 腾讯微信     | [搜索query意图识别的演进](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247512053&idx=2&sn=0ab4ade5ee6c83f1f53a0e03583dc822&chksm=fbd71d99cca0948f7fb6e29943d559214fb55373287ee66cd7c786986f673b9d587ef1d6a3f2&scene=27#wechat_redirect) | 搜索          | 2020-11-15 |
| 蘑菇街       | [蘑菇街首页推荐多目标优化之reweight实践：一把双刃剑？](https://zhuanlan.zhihu.com/p/271858727) | 多目标&多任务 | 2020-11-13 |
| 腾讯微信     | [要提升微信看一看推荐混排的长期收益？试试深度强化学习](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247511450&idx=2&sn=57ce9b8d1493fa72f4255dc9b0b866f2&chksm=fbd71ff6cca096e0f798537bcb9e75b88dd777013b7a9fc94b42fa5e7f7368347fb2c566643d&scene=27#wechat_redirect) | 推荐          | 2020-11-12 |
| 爱奇艺       | [TensorFlow   Ranking框架在爱奇艺海外推荐的实践与应用](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247511245&idx=2&sn=06e8909f8955594394daef5c43f1b538&chksm=fbd71ea1cca097b7373fa24f9d398b58747ef06c408bd798c1995a37a11132e66809306a2ba0&scene=27#wechat_redirect) | 工程相关      | 2020-11-09 |
| 腾讯         | [ZeroSearch：腾讯新一代搜索引擎](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247511217&idx=2&sn=021d8fba7ab6decca283d95e5da00600&chksm=fbd71eddcca097cb5da1b73eee9cac0b07277be93fd08cadda170726459fa2a385d376c733bd&scene=27#wechat_redirect) | 工程相关      | 2020-11-08 |
| 蘑菇街       | [文本相关性在蘑菇街搜索推荐排序系统中的应用](https://zhuanlan.zhihu.com/p/265522400) | 搜索相关性    | 2020-10-30 |
| 360          | [360展示广告智能化演进](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247509951&idx=1&sn=04462583ebe942a12dc8260f7d909ae2&chksm=fbd715d3cca09cc52f5a2aff66e08ad655eb4dd6b7e035d9134a4afceca2c76d19feacf501ce&scene=27#wechat_redirect) | 广告          | 2020-10-30 |
| 网易         | ["全能选手"召回表征算法实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247509607&idx=1&sn=341212c60824f8c636ee7e8b64a63d62&chksm=fbd7140bcca09d1d52dfb1c10c180feffe3641d2611b46497f08f9722a66cbd6b08436013be4&scene=27#wechat_redirect) | 召回          | 2020-10-28 |
| 腾讯         | [腾讯增长技术：智能投放篇](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247509524&idx=1&sn=a65fb689f9b013fe06c44f1e4b2e1b84&chksm=fbd71478cca09d6eadfa3c06c921a47681339c0fa42bd960d66057f07e436e31ed08e92dfeda&scene=27#wechat_redirect) | 广告          | 2020-10-26 |
| 阿里淘系     | [阿里深度召回模型实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247509261&idx=1&sn=17a4b327f46ea40bdf4f7481f8739311&chksm=fbd71761cca09e778f3e05860d2e1333c0ba9e32c6854f1040991478f5965262ef1a0f849b4c&scene=27#wechat_redirect) | 召回          | 2020-10-23 |
| 爱奇艺       | [爱奇艺视频精彩度分析算法及应用](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247509245&idx=2&sn=e32f855fa4bcabdd98aef05acc540c17&chksm=fbd71691cca09f878448bf905db8e11119d4ad2482ab48132145ef3ba51fd868448499d73047&scene=27#wechat_redirect) | 其他          | 2020-10-22 |
| 阿里淘系     | [阿里新突破！动态网络表征学习在推荐领域的创新与实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247509060&idx=1&sn=be61e643a3de80d8b0bd028cdb5b6827&chksm=fbd71628cca09f3e637db58ce5fc43254fa18ad16779cd6eaf6f1c2d70bbf9e787b420d4116e&scene=27#wechat_redirect) | 推荐&图网络   | 2020-10-17 |
| 腾讯         | [Angel：深度学习在腾讯广告推荐系统中的实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247509016&idx=1&sn=aa4c859d268ca02ff869d0930f154463&chksm=fbd71674cca09f62c62bcc8fa9704df9d041c2c5271bdf4eb4bb9cf7e12bb407469e07868017&scene=27#wechat_redirect) | 推荐          | 2020-10-14 |
| 丁香园       | [医疗搜索中的query词权重算法探索](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247508936&idx=2&sn=78be7e9852a78ddf0da07198b6c7978b&chksm=fbd711a4cca098b245bcdba6932d42927a95ebf01fb949f3e4dbf8d74efc63e6c619357fc702&scene=27#wechat_redirect) | 搜索          | 2020-10-13 |
| 阿里淘系     | [推荐算法三视角:矩阵，图，时间线](http://mp.weixin.qq.com/s?__biz=MzAxNDEwNjk5OQ==&mid=2650411171&idx=1&sn=b05ff627563bb01d6d29e9482e7e5cc3&chksm=8396d8bbb4e151ad9353e25ab55df7dcb42181c74841db869b9b742994f97109cf423b998685&scene=27#wechat_redirect) | 推荐          | 2020-10-13 |
| 阿里淘系     | [阿里强化学习重排实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247508674&idx=1&sn=098ce77e2947f6e7bb28e56f320d7633&chksm=fbd710aecca099b8e4facf74dc0de9c6023d022c701d012e181c6286295c7578601b5cf78979&scene=27#wechat_redirect) | 重排          | 2020-10-04 |
| 网易         | [Embedding在网易严选搜索推荐中的应用](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247508638&idx=1&sn=97aa5c7ee4a7981942f40eed91853645&chksm=fbd710f2cca099e45307f0622d243ba543164c14131bbc8cb5a410b4a8ea974f9e1562b34cde&scene=27#wechat_redirect) | 召回          | 2020-10-01 |
| 阿里淘系     | [内容推荐算法：异构行为序列建模探索](http://mp.weixin.qq.com/s?__biz=MzAxNDEwNjk5OQ==&mid=2650411013&idx=1&sn=de621be8767a9e4e9c8de312ecfd5702&chksm=8396d81db4e1510b4a88441595810d48d6ab6c4a4d295fd7b543152603820e93deeba9b52c22&scene=27#wechat_redirect) | 推荐          | 2020-09-27 |
| 美图         | [美图个性化推送的 AI   探索之路](https://zhuanlan.zhihu.com/p/259668668) | 推荐          | 2020-09-26 |
| 蘑菇街       | [蘑菇街推荐算法之迷——self   attention不如traditional attention？](https://zhuanlan.zhihu.com/p/256252184) | 推荐          | 2020-09-24 |
| 阿里淘系     | [向量召回在躺平APP的实践](http://mp.weixin.qq.com/s?__biz=MzAxNDEwNjk5OQ==&mid=2650410892&idx=1&sn=69a89072e83f6ff2b9333622ad390fdd&chksm=8396c794b4e14e829b625fa26568dd112f94edbdc97ec4984a2daf5ee5187e2283c397e36d48&scene=27#wechat_redirect) | 召回          | 2020-09-22 |
| 百度         | [同义变换在百度搜索广告中的应用](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247508089&idx=1&sn=456558fbe9754cb3b55c6af563504ed1&chksm=fbd71215cca09b03d3ea2fcc44fe511a44823ced8947375a3af9f925c41fbaafd9a38bddaba2&scene=27#wechat_redirect) | 广告          | 2020-09-21 |
| 阿里         | [阿里跨域点击率预估混合兴趣模型](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247507741&idx=2&sn=7d147d3db65d445cd6e17fd943643ebf&chksm=fbd76d71cca0e467a1d6add9d396f1722534d13c9a6c7bacb644c92105f5830bb04a240360ee&scene=27#wechat_redirect) | 精排&CXR预估  | 2020-09-18 |
| 腾讯         | [腾讯信息流热点挖掘技术实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247507652&idx=1&sn=9d3333523ef629aa4286c0bdc669ca22&chksm=fbd76ca8cca0e5be2c9bd7e5e59c5919a7a601eeb5d25ec913877f2827262fe96e0c9d56e6ce&scene=27#wechat_redirect) | 热点挖掘      | 2020-09-16 |
| 阿里淘系     | [阿里新一代Rank技术](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247507509&idx=1&sn=5f0db1f772d6d8c39016c54318bbc1b1&chksm=fbd76c59cca0e54f82bc64bd1480e1bf36eb1d3323eaf0ce48c9362cdf2665aaafde8c1943a2&scene=27#wechat_redirect) | 推荐          | 2020-09-14 |
| 360          | [TensorNet——基于TensorFlow的大规模稀疏特征模型分布式训练框架](http://mp.weixin.qq.com/s?__biz=MzkzNzI0MDMxNQ==&mid=2247487550&idx=1&sn=68af975e460637783d0a860bfb2d694d&chksm=c29323aaf5e4aabc45b4f705d6c69583960fdae2638f2b3a5252f507ecfa088c92e1f72c6ad8&mpshare=1&scene=1&srcid=0117tJyokgtmE6m24zBKj7kA&sharer_sharetime=1673957367314&sharer_shareid=c032e8bde4d276951619cca1ff0debb1#rd) | 工程相关      | 2020-09-14 |
| Airbnb       | [搜索推荐广告排序艺术-Airbnb搜索结果多样性优化](https://zhuanlan.zhihu.com/p/239824669) | 搜索          | 2020-09-13 |
| Airbnb       | [搜索推荐广告排序艺术-Airbnb搜索深度学习排序算法进化](https://zhuanlan.zhihu.com/p/238095817) | 搜索          | 2020-09-12 |
| 腾讯看点     | [腾讯看点投放系统介绍：推荐系统的进化伙伴](http://mp.weixin.qq.com/s?__biz=MjM5ODYwMjI2MA==&mid=2649749269&idx=2&sn=deabfe04574815220abad87d9dc9d415&chksm=bed3646e89a4ed782643c014b20e5fb4b2fa114ba8280e168c9f9fbeeef85f6cf758c56fef4e&scene=27#wechat_redirect) | 推荐          | 2020-09-07 |
| BIGO | [万亿模型参数的训练](https://mp.weixin.qq.com/s/xC2eT_15Rtqc6Rri8p9xLQ) | 排序 | 2020-09-07 |
| BIGO | [万亿模型参数的在线服务](https://mp.weixin.qq.com/s/u5wiTKXyBic_ri4fvEDKqA) | 排序 | 2020-09-07 |
| 蘑菇街       | [蘑菇街首页推荐视频流——增量学习与wide&deepFM实践（工程+算法）](https://zhuanlan.zhihu.com/p/212647751) | 推荐          | 2020-09-04 |
| 阿里妈妈     | [阿里妈妈深度树匹配技术演进：TDM->JTM->BSAT](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247507022&idx=1&sn=aa4a99562a274b5fd07e5f987a5dc807&chksm=fbd76e22cca0e734f4bc319ec3b908b9b3f200bda80e20b8f65836aac4445bc6a14675aa174e&scene=27#wechat_redirect) | 召回          | 2020-09-04 |
| 58同城       | [深度学习在商业排序的应用实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247506940&idx=2&sn=df6d88efa9f45dc7e2e4592018979692&chksm=fbd76990cca0e08637035afb74fb94cfaec3250c81c8744f41ac6be316d2bee96db16c9fc56c&scene=27#wechat_redirect) | 推荐          | 2020-09-03 |
| 京东         | [CSCNN：新一代京东电商广告排序模型](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247506872&idx=1&sn=26b673e5594ec07b3e56b94983d04741&chksm=fbd769d4cca0e0c24f0f96ce2f1eb995065dfbdb17f99cb8bcaa15cbb878673040854a0c0b1b&scene=27#wechat_redirect) | 广告          | 2020-09-02 |
| 腾讯微信     | [微信「看一看」   朋友在看的增强推荐系统](http://mp.weixin.qq.com/s?__biz=MjM5ODYwMjI2MA==&mid=2649749174&idx=1&sn=ba2bc3de97799879b186feb66e60ec1c&chksm=bed365cd89a4ecdbefb2cf3b631090947788c02fa42323cd19a943aeaa6363ce4bca85e93a4d&scene=27#wechat_redirect) | 推荐          | 2020-08-31 |
| 阿里淘系     | [淘宝搜索模型核心技术：用户建模篇](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247506444&idx=1&sn=48bc7d6d70b336237137a3191894d711&chksm=fbd76860cca0e176d6ba80ef7b7815634578b8468d7e9177158f2426b6d1a27f7b701fbfa940&scene=27#wechat_redirect) | 搜索          | 2020-08-29 |
| 腾讯         | [10   分钟快速入门海量数据搜索分析引擎 Elasticearch](http://mp.weixin.qq.com/s?__biz=MjM5ODYwMjI2MA==&mid=2649749100&idx=2&sn=7b35927876b101deee529bdb2649b8fb&chksm=bed3651789a4ec017c9a7f563ab7e5aab406a5a75aa87a2b89851755605d9c0784ce1099d8cb&scene=27#wechat_redirect) | 工程相关      | 2020-08-28 |
| 阿里淘系     | [从阿里的User   Interest Center看模型线上实时serving方法](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247506358&idx=2&sn=0736cc1bc0d11f4f1ce99979697c29d6&chksm=fbd76bdacca0e2cc405e0f7b689a17f3d752b9fbd5087b0f06b14e24fb2008b6dd43bdd8153f&scene=27#wechat_redirect) | 工程相关      | 2020-08-27 |
| 阿里飞猪     | [阿里飞猪个性化推荐：召回篇](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247506153&idx=1&sn=6ce4840ec9642deb8e1c97efdc727390&chksm=fbd76a85cca0e393c44815b55af12ceca91546d32b5aa6b6340cfb3bb4dbed94d88c5f741cb0&scene=27#wechat_redirect) | 召回          | 2020-08-23 |
| 微博         | [微博推荐算法实践与机器学习平台演进](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247505895&idx=1&sn=d449cd607a21e01805db245be8289de6&chksm=fbd7658bcca0ec9d27eb71a01e8b08711802f59cb0c04aa6059eb0d60b895212de8b8e0b5a38&scene=27#wechat_redirect) | 推荐          | 2020-08-20 |
| 阿里妈妈     | [阿里定向广告最新突破：面向下一代的粗排排序系统COLD](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247505774&idx=1&sn=63efc686d3dda67fa4631e5550560476&chksm=fbd76502cca0ec141440482e048196119101abd0a56dd5dba7c9a18f46ba8f0358e3a458408b&scene=27#wechat_redirect) | 粗排          | 2020-08-18 |
| 阿里妈妈     | [阿里妈妈：基于动态背包的多场景广告序列投放算法](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247505578&idx=1&sn=bc6f551bc83039cebe016ba87cdf8a46&chksm=fbd764c6cca0edd0befcbb887b5b15f10296de6cd6d92ed3382221fcb367c92079b99c895914&scene=27#wechat_redirect) | 广告          | 2020-08-15 |
| 阿里淘系     | [EdgeRec：边缘计算在淘宝推荐系统中的大规模应用](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247504918&idx=1&sn=d4cb633276121dc4f09329cf9d231539&chksm=fbd7667acca0ef6cc9d0f21d309b5b28b15f0452f43d33055a1b9562a9519ad36c032ab961f0&scene=27#wechat_redirect) | 工程相关      | 2020-08-05 |
| BIGO | [内容流多目标排序优化](https://mp.weixin.qq.com/s/3AMW-vUr2S9FBSDUr_JhpA) | 排序 | 2020-08-03 |
| 58同城       | [多业务融合推荐策略实践与思考](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247504377&idx=1&sn=7ca002dd3bfd00a14c93a519b3765a04&chksm=fbd76395cca0ea83b55807543fde6e8fd7879af67d5a4079365493669752cdff06fac5d632c5&scene=27#wechat_redirect) | 多目标&多任务 | 2020-07-29 |
| BIGO | [Graph Embedding在直播推荐召回的应用](https://mp.weixin.qq.com/s/364uvoiVmUrXhlM6W3yeGg) | 召回 | 2020-07-23 |
| 腾讯微信     | [微信"看一看"个性化推荐：排序篇](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247504009&idx=2&sn=c3d07faaf34416790456eac5be094049&chksm=fbd762e5cca0ebf33eb7f3de1f9c1539ef5bf9fd7c8196bb85a9012ac7472f9c197b80ef8d56&scene=27#wechat_redirect) | 推荐          | 2020-07-21 |
| 腾讯         | [推荐系统   Embedding 技术实践总结](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247503968&idx=1&sn=d8fac671af39a87c9a74fb1aff327e41&chksm=fbd7620ccca0eb1aab16ab0e7d06e9c8975749808ca8d1191b442458280ea227b8ce4d90d865&scene=27#wechat_redirect) | 召回          | 2020-07-20 |
| 腾讯微信     | [微信"看一看"多模型内容策略与召回](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247503484&idx=2&sn=e2a2cdd3a517ab09e903e69ccb1e9f94&chksm=fbd77c10cca0f50642dde47439ed919aa2e61b7ff57bc4cbaacc3acaac3c620a1ed6f92684ab&scene=27#wechat_redirect) | 召回          | 2020-07-17 |
| 腾讯微信     | [微信「看一看」   推荐排序技术揭秘](http://mp.weixin.qq.com/s?__biz=MjM5ODYwMjI2MA==&mid=2649747457&idx=1&sn=abfbd9e1c0889dda8c8511b44bbd6416&chksm=bed3637a89a4ea6c9be8915449ad6922da619d8ff0366272787bc93f149d7f36ae9e3ac2cc68&scene=27#wechat_redirect) | 推荐          | 2020-07-10 |
| 58同城       | [跨域推荐技术在58部落内容社区的实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247502918&idx=1&sn=b461d08b22a9fd8ca2e711bb501b7d7a&chksm=fbd77e2acca0f73ccb2e2dad23ce817a968a9d83fcb0f5c8edda7d6566e77c2ff8bdcd1145a7&scene=27#wechat_redirect) | 推荐          | 2020-07-09 |
| 美团         | [BERT在美团搜索核心排序的探索和实践](http://mp.weixin.qq.com/s?__biz=MjM5NjQ5MTI5OA==&mid=2651752296&idx=1&sn=6c20fd97bfd9cc7e5557e40e867f123b&chksm=bd125e258a65d7335e7b649796248908d5a19c7d64f6f8935ab162c11539397feac3d830c3aa&mpshare=1&scene=1&srcid=0117uG6dCdQzn6ZP43n4Sclw&sharer_sharetime=1673957001505&sharer_shareid=c032e8bde4d276951619cca1ff0debb1#rd) | 推荐          | 2020-07-09 |
| 阿里文娱     | [优酷视频元素内容召回系统：多级多模态引擎探索](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247502849&idx=1&sn=a9d6b7f727f99e877cb2a4a601773725&chksm=fbd77e6dcca0f77bb63e12273c5befbe00c24fed18525ee0d040acdb95a84f3a8def26707277&scene=27#wechat_redirect) | 召回          | 2020-07-08 |
| 阿里智能信息 | [机器学习在高德搜索建议中的应用优化实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247502251&idx=1&sn=19eb9bd0a7ad487e12af897c38115783&chksm=fbd77bc7cca0f2d178792a9ab4e1468f9f2179a81dbdfb3f6c96b30bea5e25d6bd01b10faf9a&scene=27#wechat_redirect) | 推荐          | 2020-06-27 |
| 腾讯         | [推荐系统   embedding 技术实践总结](http://mp.weixin.qq.com/s?__biz=MjM5ODYwMjI2MA==&mid=2649747190&idx=1&sn=e850fae5360b7f1f4ee472dec70d5039&chksm=bed37d8d89a4f49b15da1394dbeb2f2934a1a2bb27aaa4e765fa6730a5658d5df2d076936122&scene=27#wechat_redirect) | 召回          | 2020-06-24 |
| 腾讯         | [一文搞懂   SQL：基础知识和业务实践总结](http://mp.weixin.qq.com/s?__biz=MjM5ODYwMjI2MA==&mid=2649747167&idx=1&sn=8020e285502d9f47c77dd0c257364580&chksm=bed37da489a4f4b2c7d7e4082f8c05d42ac3ebdf2a49027c60ab603e9d65871aecbb6bb786e2&scene=27#wechat_redirect) | 工程相关      | 2020-06-22 |
| 阿里文娱     | [一文详解面向多级多模态场景的召回引擎](http://mp.weixin.qq.com/s?__biz=MzU5Mjc0MTM4NA==&mid=2247486983&idx=2&sn=f4b78f5507d299e34d8c0bc3fb73332d&chksm=fe1a5b60c96dd2763899db6db7a24a274593b4916732b8ddda97a40d2e37b4a476ab42baa18e&mpshare=1&scene=1&srcid=0117uqLWjE0PrSJaXfwrGQHE&sharer_sharetime=1673957934144&sharer_shareid=c032e8bde4d276951619cca1ff0debb1#rd) | 召回          | 2020-06-17 |
| 58同城       | [深度召回在招聘推荐中的挑战和实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247501908&idx=1&sn=2478b53f5a28eb4002bbfc9bef62001e&chksm=fbd77a38cca0f32ed9b04e6a2b38c3ce08c47f126863b1dafedefa5aa4d662d25d5537c384e2&scene=27#wechat_redirect) | 召回          | 2020-06-17 |
| 微博         | [内容理解在新浪微博广告中的应用](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247501693&idx=1&sn=da35a37ce1bfc8b43a26572acb5792d3&chksm=fbd77511cca0fc07beabb02dc15cd0f2f7f5ee9f0840ba512a4b3a373f4a676cb7156692bf5f&scene=27#wechat_redirect) | 内容理解      | 2020-06-12 |
| 腾讯         | [仅需少量视频观看记录，就可以精准推断你的习惯](http://mp.weixin.qq.com/s?__biz=MjM5ODYwMjI2MA==&mid=2649747086&idx=1&sn=5d08665635003d57eba7bf9c2717fa66&chksm=bed37df589a4f4e35cac85f37c13cc30675c3285fba639bd657fd2dd7edbf35169de9777bcc1&scene=27#wechat_redirect) | 用户挖掘      | 2020-06-10 |
| 58同城       | [Embedding技术在房产推荐中的应用](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247501599&idx=1&sn=10c0eaa021ef4d7b39a82819bf4b0f66&chksm=fbd77573cca0fc658535625c70a550c297d10d8efcf6ca5640851d76e4cb0b051a9f5f6da62e&scene=27#wechat_redirect) | 召回          | 2020-06-10 |
| 阿里文娱     | [视频搜索太难了！阿里文娱多模态搜索算法实践](http://mp.weixin.qq.com/s?__biz=MzU5Mjc0MTM4NA==&mid=2247486719&idx=1&sn=48936c1a140f25a374ea5eb12807e636&chksm=fe1a5998c96dd08e39875af88eded481ade7e8f555a01b4dd9df06ea7156cc2e29381bc3e2b5&mpshare=1&scene=1&srcid=0117uXZesx2FgCB5y1sCUTNd&sharer_sharetime=1673957837931&sharer_shareid=c032e8bde4d276951619cca1ff0debb1#rd) | 搜索          | 2020-06-08 |
| 京东         | [京东电商搜索中的语义检索与商品排序](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247501196&idx=1&sn=978b373e1278c709fc53036614a240ab&chksm=fbd777e0cca0fef630da6ed55518775e22afba1e74cd2e09701e055533146f29c71876ba77c4&scene=27#wechat_redirect) | 搜索          | 2020-06-03 |
| 阿里文娱     | [PPT+视频\|   优酷视频元素内容召回系统：多级多模态引擎探索](http://mp.weixin.qq.com/s?__biz=MzU5Mjc0MTM4NA==&mid=2247486551&idx=1&sn=940a80be200e7fe0c1682405974039fc&chksm=fe1a5930c96dd026c1fa979b3989b13e21cecf8d451fd1448b0c534ff8f320ac41d48d0eba3a&mpshare=1&scene=1&srcid=01176HIzgCam1OfiESJDEnZd&sharer_sharetime=1673957847876&sharer_shareid=c032e8bde4d276951619cca1ff0debb1#rd) | 召回          | 2020-05-28 |
| 爱奇艺       | [爱奇艺深度语义表示学习的探索与实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247500273&idx=1&sn=c8cf8e7a0515e1aeb0022417a6aeda9f&chksm=fbd7739dcca0fa8b8e4fdef2e1d669118de87c1ce1f2f1444bfe314610423fa2a3cf0c8c214c&scene=27#wechat_redirect) | 召回          | 2020-05-23 |
| 丁香园       | [搜索中的Query扩展技术](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247500267&idx=2&sn=0a38ea1f7d4a96a632b129ffbabc2d2c&chksm=fbd77387cca0fa91abbd69ad1885c44d05ab578886102d36e9ea11d9c7c529ebc47dbfa36d61&scene=27#wechat_redirect) | 搜索          | 2020-05-21 |
| 滴滴         | [搜索相关性算法在   DiDi Food 中的探索](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247499792&idx=1&sn=59b8acac6ea9abe508825146983a4910&chksm=fbd7727ccca0fb6a56c5d677b7b6737bef02c7715b67d368ee551677a4110e241a14e66cf012&scene=27#wechat_redirect) | 搜索相关性    | 2020-05-16 |
| 阿里妈妈     | [深度时空网络、记忆网络与特征表达学习在   CTR 预估中的应用](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247499645&idx=1&sn=a4d1e29381ab912861c3827399e22312&chksm=fbd74d11cca0c407e9149d5d80fba8b6b60e91b66a0688611dcbf6be2b89c2d136da181e0243&scene=27#wechat_redirect) | 精排&CXR预估  | 2020-05-11 |
| 滴滴         | [基于强化学习的   Contextual Bandits 算法在推荐场景中的应用](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247499525&idx=1&sn=638746fcd82ed8ebadb947c5848d8363&chksm=fbd74d69cca0c47fe102231f40b946c7bb0ae968c44061592bf161eb722f6fa71ee6a40b8fdb&scene=27#wechat_redirect) | 推荐          | 2020-05-09 |
| 腾讯         | [搜索中的   Query 理解及应用](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247499470&idx=1&sn=6a6e80673353fb485a854ed2cffc5dcb&chksm=fbd74ca2cca0c5b4fb0622140eb9fa3cd15c860d06b24a4c7fc37e8b3db614af8c4ad9cbe0d3&scene=27#wechat_redirect) | 搜索          | 2020-05-07 |
| 华为         | [华为高级研究员谢凌曦：下一代人工智能计算模型探索](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247499412&idx=1&sn=4bde0cbcf1d35fac55bda4733b0be356&chksm=fbd74cf8cca0c5ee48fd9e6448dddb2d885df8dffc11b4f9bce8952b4773a98ee7987b68ba7b&scene=27#wechat_redirect) | 其他          | 2020-04-30 |
| 阿里文娱     | [因果推断在阿里文娱用户增长中的应用](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247499255&idx=1&sn=a7a6427c6c2bd74c728ef2d53c736814&chksm=fbd74f9bcca0c68d203296277c23e42f5a218d522bac4e23bfcfcde591be98e334e9f5cb67c8&scene=27#wechat_redirect) | 因果推断      | 2020-04-23 |
| 阿里文娱     | [阿里文娱搜索算法实践与思考](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247499175&idx=1&sn=1c398e92f0712e4e5f545759d0a85692&chksm=fbd74fcbcca0c6dd11a04b493827ffdda06c69f6013b95c74c54c14f596cab0f303751f9e14d&scene=27#wechat_redirect) | 搜索          | 2020-04-20 |
| 携程         | [Bandit算法在携程推荐系统中的应用与实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247499139&idx=1&sn=c187e0108e9bd55b69e48d0c8de1887d&chksm=fbd74fefcca0c6f9290da7221b0d4b02a1d6a84913cf4950052b2050cd73e52b906d489f824e&scene=27#wechat_redirect) | 推荐          | 2020-04-19 |
| 美团         | [Transformer   在美团搜索排序中的实践](https://mp.weixin.qq.com/s/Oixc46P9rQeiMDjI-0j0cw) | 搜索          | 2020-04-16 |
| 阿里妈妈     | [广告CTR预估中用户行为学习和记忆建模](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247499010&idx=1&sn=138e92d3c22202b7b86c40d8f1bddd07&chksm=fbd74f6ecca0c678b3925526a0c1e4460521263444996eabe0e3224c2e38a243331520ad6f28&scene=27#wechat_redirect) | 精排&CXR预估  | 2020-04-13 |
| 阿里飞猪     | [阿里飞猪“猜你喜欢”推荐排序实践](https://mp.weixin.qq.com/s?__biz=MzI1MzY0MzE4Mg==&mid=2247486489&idx=2&sn=e03b23d476d9864cd417f81c02f6e62e&chksm=e9d01cd8dea795ceb3d95d80ddab98f689d18ded9c0adc2f8175c665666a1d252c8db1d40f3c&scene=27) | 推荐          | 2020-04-08 |
| 阿里妈妈     | [CTR预估在动态样式建模和特征表达学习方面的进展](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247498872&idx=1&sn=c7eb8e9147cb106b4122174981dce0b9&chksm=fbd74e14cca0c7027a2db1641d0e4e7bc16846035359684b702d462abdda8926ee7626bf4505&scene=27#wechat_redirect) | 精排&CXR预估  | 2020-04-08 |
| 腾讯微信     | [热点挖掘技术在微信看一看中的应用](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247498811&idx=1&sn=b138758fe26502935492f0411b5cf66e&chksm=fbd74e57cca0c741e1a51c21aa66c6117df5afe400d1656ea58a153e9f0b5a5bcba0233a42df&scene=27#wechat_redirect) | 热点挖掘      | 2020-04-05 |
| 阿里文娱     | [让广告算法做你的增长黑客！阿里文娱工程师这么做](http://mp.weixin.qq.com/s?__biz=MzU5Mjc0MTM4NA==&mid=2247485289&idx=1&sn=6b7edf8bc492bedeb51bb4677bb7d890&chksm=fe1a520ec96ddb18448cdb6c94c13e8ea642c887dd107705a9e00bfa07027a1afcbe29aecdb1&mpshare=1&scene=1&srcid=0117KL0KphjR4Mu3kvl0fOWG&sharer_sharetime=1673957914555&sharer_shareid=c032e8bde4d276951619cca1ff0debb1#rd) | 广告          | 2020-04-03 |
| 腾讯微信     | [揭秘微信"看一看"是如何为你推荐的](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247498766&idx=2&sn=6169f19552682cc582746f6cf852905b&chksm=fbd74e62cca0c7745fdf1c6443f87e18dd85ecc943c7338b2cc1e6c06cd8bb6bae54444b397b&scene=27#wechat_redirect) | 推荐          | 2020-03-31 |
| 360          | [智能推荐算法在花椒直播中的应用](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247498637&idx=1&sn=a91d76109129fa42e5910c2e2b5f68ef&chksm=fbd749e1cca0c0f75c8a9dc06c16b8d9a53cdf57eb370c07424d88eefd1ddb66928dd1bf2f7f&scene=27#wechat_redirect) | 推荐          | 2020-03-26 |
| 腾讯         | [搜索中的深度匹配模型](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247498613&idx=1&sn=77f53f7e1edd2dc579cc49b5db803ad4&chksm=fbd74919cca0c00fdae51accb916b42a29d98bf3eb745f42bd9f17d9c4352ef9129ad13a0e5d&scene=27#wechat_redirect) | 搜索          | 2020-03-24 |
| 360          | [深度学习在花椒直播中的应用—推荐系统冷启动算法](http://mp.weixin.qq.com/s?__biz=MzkzNzI0MDMxNQ==&mid=2247487492&idx=1&sn=ba82daf0353c5eac7f6d9279e333546c&chksm=c2932390f5e4aa861692198be94febdac6fb05fc9909e4adc392f28e15b4dea9cf984f7579c9&mpshare=1&scene=1&srcid=0117ZsWh7O6AM8nXAR8xUfd0&sharer_sharetime=1673957379385&sharer_shareid=c032e8bde4d276951619cca1ff0debb1#rd) | 冷启动        | 2020-03-24 |
| 阿里淘系     | [深度学习在阿里B2B电商推荐系统中的实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247498610&idx=1&sn=803bff13e7f663a63358ffef96b4525e&chksm=fbd7491ecca0c008f45e48180991ff7f2ccb70b6640ea9d9534c9cb6c2ddc4346bc848c4a3f3&scene=27#wechat_redirect) | 推荐          | 2020-03-23 |
| 美图         | [美图个性化推送的   AI 探索之路](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247498181&idx=1&sn=f3ee8fc793cc47d069913017f5aa7c74&chksm=fbd74ba9cca0c2bfef5fd5a07805b35cc90d15146899125e6bf21be2294a811e42d851cd2c06&scene=27#wechat_redirect) | 推荐          | 2020-03-18 |
| 凤凰         | [信息流推荐在凤凰新闻的业务实践 ](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247498125&idx=1&sn=52efbe5876151b48a917640f5f56c589&chksm=fbd74be1cca0c2f7b2f378a1b15339ef8697544c2b43bb9b51c7c9eaa79b6aea119d943786a9&scene=27#wechat_redirect) | 推荐          | 2020-03-16 |
| 省钱快报     | [深度学习在省钱快报推荐排序中的应用与实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247498064&idx=1&sn=66db655be0bcc5e6ee0dc58f869ef6eb&chksm=fbd74b3ccca0c22aacea4a7aca9e803f4044f78ad056983484ebc5ab0c718773ebd4ee8204ea&scene=27#wechat_redirect) | 推荐          | 2020-03-12 |
| 阿里文娱     | [广告算法在阿里文娱用户增长中的实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247498041&idx=1&sn=5c8b880a2be4075ee48388b27ce1a6e0&chksm=fbd74b55cca0c24382f3f10e6f2a8423e228c390339dc086d5f1fec034350e0574302587834a&scene=27#wechat_redirect) | 广告          | 2020-03-11 |
| 汽车之家     | [汽车之家推荐系统排序算法迭代之路](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247497757&idx=1&sn=fe521ea5a746be9ba0aa208506d716b8&chksm=fbd74a71cca0c3676f2681bb7917a12e77562d2c5b3d1e5def4a3eac3fc40bd57e12ef2548e5&scene=27#wechat_redirect) | 推荐          | 2020-02-28 |
| 阿里         | [阿里B类电商用户增长实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247497685&idx=1&sn=4af16b3d4d79ce2850b29717f7de1121&chksm=fbd745b9cca0ccaf7ab41fa2760befc0f0831d74e77c8ff430c4d31016efc1b21d27ac0cea1e&scene=27#wechat_redirect) | 用户增长      | 2020-02-26 |
| 阿里文娱     | [视频   \| 广告算法在阿里文娱用户增长中的实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247497357&idx=2&sn=9991d229219e36be78c954b46da1f3e3&chksm=fbd744e1cca0cdf764c33163c35b524299a13d78e803abfcb5e4f88fbb72c26c7dfdf00547dd&scene=27#wechat_redirect) | 用户增长      | 2020-02-11 |
| 阿里         | [阿里B2B：融合Matching与Ranking的个性化CTR预估模型](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247497190&idx=1&sn=c210c40cd365312038c5248752f9e187&chksm=fbd7478acca0ce9c3848d2e699ee4193b9cf08473a3f700d04f8514fa247594cded254aee600&scene=27#wechat_redirect) | 精排&CXR预估  | 2020-02-05 |
| 阿里文娱     | [视频   \| 阿里文娱搜索算法实践和思考](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247497109&idx=2&sn=41f16c9b2a9513596553fcd9ff4bb6e2&chksm=fbd747f9cca0ceefffe34a2973623745034e7e94ee48b920b14282da022c9a30682e5dcdc7f5&scene=27#wechat_redirect) | 搜索          | 2020-02-03 |
| 腾讯         | [推荐系统中的深度匹配模型](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247496713&idx=1&sn=07bb184081bf8590db12e63ccda6bf22&chksm=fbd74665cca0cf73e625c403d61bb3f1f0fdfe680566927f1b1cda7cb54a7b9ce17418c9690b&scene=27#wechat_redirect) | 推荐          | 2020-01-13 |
| 腾讯         | [一种全新的点击率建模方案](http://mp.weixin.qq.com/s?__biz=MjM5ODYwMjI2MA==&mid=2649745235&idx=1&sn=d6031b0d45d1db8c61398e2d3b231bed&chksm=bed3742889a4fd3e3032cab8b95656b441d013d7b988a06f77d72aeb98315f4012bfd9b92b47&scene=27#wechat_redirect) | 精排&CXR预估  | 2020-01-10 |
| 阿里淘系     | [让机器读懂视频：亿级淘宝视频背后的多模态AI算法揭秘](http://mp.weixin.qq.com/s?__biz=MzAxNDEwNjk5OQ==&mid=2650405126&idx=1&sn=91a9e73ed4f2cc34ca1dac64144ae4d3&chksm=8395311eb4e2b808c516c1b4c9aac24ffe5e6ced9641370e73e6b13fc69512d6bb452a4bb1ba&scene=27#wechat_redirect) | 召回          | 2020-01-09 |
| 阿里淘系     | [阿里淘外商业化广告工程架构实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247496498&idx=1&sn=058af2101d4a1ceda1ec04b30daf4d69&chksm=fbd7415ecca0c8488706ee79480560df06943ede862fc76e0917f29b663b3f30b220c37fee78&scene=27#wechat_redirect) | 工程相关      | 2020-01-08 |
| 爱奇艺       | [个性化海报在爱奇艺视频推荐场景中的实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247496497&idx=2&sn=46afd0c464186e75ffb90b2af25bc3d6&chksm=fbd7415dcca0c84b056ed3b2aaa71c4469307e3a02e2766ae8f97f16c0bfe78b40e293868eaf&scene=27#wechat_redirect) | 推荐          | 2020-01-07 |
| 微博         | [机器学习在微博   O 系列广告中的应用](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247496432&idx=1&sn=209510d8695aed74c65b2693d300e97b&chksm=fbd7409ccca0c98af6db5aaf452dd81b070f440326bdda5e505069608ddc3b448560c045a2f3&scene=27#wechat_redirect) | 广告          | 2020-01-06 |
| 知乎         | [Query   理解和语义召回在知乎搜索中的应用](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247496409&idx=1&sn=7b2f5984d71454e1a2812321f6018cf8&chksm=fbd740b5cca0c9a37723c8c05b4e1cf95fd8678bc54e9b4591c09a7af06f2acf79e28276a502&scene=27#wechat_redirect) | 召回          | 2020-01-02 |
| 腾讯         | [腾讯在信息流内容理解技术上的解决方案](http://mp.weixin.qq.com/s?__biz=MjM5ODYwMjI2MA==&mid=2649745156&idx=1&sn=744c59bceef156f5b9f84a28e3073708&chksm=bed3747f89a4fd69840a9c52dc8909d86c8f45ff7f634df48fc478860e43c62e1751ef04668e&scene=27#wechat_redirect) | 内容理解      | 2019-12-31 |
| 贝壳         | [DeepFM在贝壳房源详情页推荐场景的实践](https://mp.weixin.qq.com/s/bPjk1Rq19KmlPcfkYvVJVw) | 推荐          | 2019-12-30 |
| 阿里淘系     | [MMoE算法在淘宝躺平推荐中的应用实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247496280&idx=1&sn=870b45e0f9bfda51a093ceabb9b51df2&chksm=fbd74034cca0c922893be32402905954f87d98ffa55aa879b45d9974870f29e15e2a1f5a1429&scene=27#wechat_redirect) | 多目标&多任务 | 2019-12-27 |
| 360          | [ElasticSearch   介绍及使用方法](http://mp.weixin.qq.com/s?__biz=MzkzNzI0MDMxNQ==&mid=2247487444&idx=1&sn=21618afb5aacc0ea224afdbb1e4fa155&chksm=c2933c40f5e4b5569ab5b0dd73d9a5233eee75dab93b53d23b9541e9230193a2560ce90869a8&mpshare=1&scene=1&srcid=0117mZBwP4XZjMn1x1cMkohc&sharer_sharetime=1673957427902&sharer_shareid=c032e8bde4d276951619cca1ff0debb1#rd) | 工程相关      | 2019-12-27 |
| 贝壳         | [wide&deep   在贝壳推荐场景的实践](https://mp.weixin.qq.com/s/rp6H_HydTbKiSanijDZwBQ) | 推荐          | 2019-12-18 |
| 阿里妈妈     | [阿里妈妈点击率预估中的长期兴趣建模](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247496080&idx=1&sn=70f79a37a6000965fa96bccf893b9c40&chksm=fbd743fccca0caeadb59820801597c51353b0a4ba080d2caf66eccb6644102c2fe674ffcb378&scene=27#wechat_redirect) | 精排&CXR预估  | 2019-12-18 |
| 阿里文娱     | [优酷   DSP 广告投放系统架构实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247495736&idx=1&sn=080c985a2e373e04496bce5db3cb1069&chksm=fbd74254cca0cb42324938685381d67217f3cb14cb6da64576cac58238264605b5f7e64d34a6&scene=27#wechat_redirect) | 广告          | 2019-12-06 |
| 腾讯微信     | [浅谈微视推荐系统中的特征工程](http://mp.weixin.qq.com/s?__biz=MjM5ODYwMjI2MA==&mid=2649744942&idx=1&sn=7efd84c1371d785d719de481e3e6d44a&chksm=bed3755589a4fc43a2caa01c6579f6d10e65959c529a3be90da6e3938a09886eb8bcbd607ef1&scene=27#wechat_redirect) | 推荐&特征工程 | 2019-12-06 |
| 美图         | [多任务学习在美图个性化推荐的近期实践](https://zhuanlan.zhihu.com/p/89401911) | 多目标&多任务 | 2019-12-06 |
| 阿里妈妈     | [阿里妈妈新一代算法   JTM：如何优化大规模推荐？](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247495660&idx=1&sn=21a5b7e811d104162609d5fef993be79&chksm=fbd75d80cca0d496995ab1135ceb4734b90553a8fd82f4c970ed48212f3d0abd98f58e4e0864&scene=27#wechat_redirect) | 召回          | 2019-12-04 |
| 百度         | [MOBIUS：百度凤巢新一代广告召回系统](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247495618&idx=1&sn=42b06177dec45f33c29ab25d73b639a9&chksm=fbd75daecca0d4b8a6ae5c4854c40cc05bd6c7b67ac6ab45f74c05d425aafae9d54699a09c19&scene=27#wechat_redirect) | 召回          | 2019-11-29 |
| 腾讯         | [新一代海量数据搜索引擎   TurboSearch 来了！](http://mp.weixin.qq.com/s?__biz=MjM5ODYwMjI2MA==&mid=2649744896&idx=1&sn=ac4361272c2d027631bbca9673b6dc10&chksm=bed3757b89a4fc6da6c516fde28c79c936e7b8dc4647fccebad77c616231c15a48102f28dd7e&scene=27#wechat_redirect) | 工程相关      | 2019-11-28 |
| 腾讯微信     | [RALM:   实时 Look-alike 算法在微信看一看中的应用](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247495507&idx=1&sn=a1e0cf988d2e366be58faf1110e4d885&chksm=fbd75d3fcca0d429b33c5a49053dd99a03e603b3230e950d0109f3c9dbe7ede21e1fa2a86752&scene=27#wechat_redirect) | 推荐          | 2019-11-25 |
| 360          | [向量化召回在360信息流广告的实践](https://zhuanlan.zhihu.com/p/93060649) | 召回          | 2019-11-23 |
| 腾讯         | [Bing搜索核心技术BitFunnel原理](http://mp.weixin.qq.com/s?__biz=MjM5ODYwMjI2MA==&mid=2649744830&idx=1&sn=950d79ac145ba6682fcfe096e0398c95&chksm=bed376c589a4ffd348ae826b7a855e034184629b798de48192443e727199ddb7a7c6bd594545&scene=27#wechat_redirect) | 工程相关      | 2019-11-19 |
| 腾讯         | [推荐系统中模型训练及使用流程的标准化](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247495039&idx=1&sn=35905df6cd4ef33d2ce505d284d3c8ad&chksm=fbd75f13cca0d605c17bf7a8b3b899b7798a590008625fcffbf00d77c2451249bbdc086d6b18&scene=27#wechat_redirect) | 工程相关      | 2019-11-04 |
| 360          | [360展示广告召回系统的演进](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247494825&idx=2&sn=92f59195e8e4e6b33af6dfa63df6a2b3&chksm=fbd75ec5cca0d7d36752d787d7fc0191b0ecccdb56bda335fa553635f241c20af1f768983f7d&scene=27#wechat_redirect) | 召回          | 2019-10-24 |
| 爱奇艺       | [爱奇艺效果广告的个性化探索与实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247494579&idx=1&sn=b5274f98c5cfae81d1af68944d3252df&chksm=fbd759dfcca0d0c9f8ab04bebee04b0d7fd6fdd3eae87d3ef475fb26e03b402999c31621d034&scene=27#wechat_redirect) | 广告          | 2019-10-17 |
| 美图         | [深度学习技术在美图个性化推荐的应用实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247494558&idx=1&sn=10a6332147d713230d0fa4dbf9cdc897&chksm=fbd759f2cca0d0e4f5d39887a86b1d6efae13ad0540dc191fdbc8bb29120d0081a90c97b35f6&scene=27#wechat_redirect) | 推荐          | 2019-10-16 |
| 阿里智能信息 | [UC   信息流推荐模型在多目标和模型优化方面的进展](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247494398&idx=1&sn=cd08a71c4a7ec9a2d81107603fc4c437&chksm=fbd75892cca0d184585075b3315fe0386d37c174995a5a4b27e02db4117a13897678dbcb52ed&scene=27#wechat_redirect) | 多目标&多任务 | 2019-10-14 |
| 阿里智能信息 | [UC   国际信息流推荐中的多语言内容理解](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247494295&idx=1&sn=1218bfa026994967939fa676ed7dd5f9&chksm=fbd758fbcca0d1ede59b225e98add36cae74e9fd3006d42a054c73aaa4a87c75ef46684b9733&scene=27#wechat_redirect) | 内容理解      | 2019-10-09 |
| 凤凰         | [OCPC   广告算法在凤凰新媒体的实践探索](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247494020&idx=1&sn=df65908cdaf57d02eee8280d86d66949&chksm=fbd75be8cca0d2fe2d69d89a70eced34ba467acbf26fefe1bf40edea36a07e76406612383fd5&scene=27#wechat_redirect) | 广告          | 2019-09-25 |
| 阿里智能信息 | [浅谈   UC 国际信息流推荐](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247493952&idx=1&sn=f32e43f0e834d12649a3a6272b85ede0&chksm=fbd75b2ccca0d23a224032d999dd52ca3fa53529abf78c2cf3d4f5e9d52ef3a691bcf76bbdd1&scene=27#wechat_redirect) | 推荐          | 2019-09-23 |
| 58同城       | [58同镇下沉市场中的推荐技术实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247493807&idx=1&sn=7d0b5d89e6fb604794049ac29ccf6ecd&chksm=fbd75ac3cca0d3d526d65b0b55f9f34f2b2ca6d086a4222440b817a4434c359e979331a75917&scene=27#wechat_redirect) | 推荐          | 2019-09-18 |
| 微博         | [微博广告策略工程架构体系演进](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247493747&idx=1&sn=3288e75a42a8e93bc7ce34b47b811b9b&chksm=fbd75a1fcca0d3092046e1c3b0d961ef99edc8323426fdd78eae3693119a726328db7f0dd246&scene=27#wechat_redirect) | 工程相关      | 2019-09-16 |
| 快看漫画     | [快看漫画个性化推荐探索与实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247493714&idx=1&sn=146ca2efa604b71b20ae166fb0cd6b85&chksm=fbd75a3ecca0d3280f88577c843d7ebf7c4b66f00134f2802e3863e17fa811eb8e328ca030a2&scene=27#wechat_redirect) | 推荐          | 2019-09-12 |
| 滴滴         | [解读：滴滴“猜你去哪儿”功能的算法实现](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247493496&idx=1&sn=16a9495c9a0452ef60e38bb129105b02&chksm=fbd75514cca0dc020fa508aa34e01a3c17949e70cbccd5531122556f14c7351d15da93775f17&scene=27#wechat_redirect) | 推荐          | 2019-09-04 |
| 阿里淘系     | [推荐系统走向下一阶段最重要的三个问题](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247493262&idx=1&sn=c5c2b9827c5de1d1311673523c96e3e7&chksm=fbd754e2cca0ddf47163df7559a20bb85a45633ecdc57f168874819225dffb4db19449c00cdc&scene=27#wechat_redirect) | 推荐          | 2019-08-28 |
| 360          | [深度学习在花椒直播的应用——Tensorflow   原理篇](http://mp.weixin.qq.com/s?__biz=MzkzNzI0MDMxNQ==&mid=2247487361&idx=2&sn=36cb82dd07dafa41ddd7b983f2c44649&chksm=c2933c15f5e4b503af0ac18437085f8928b09261e379e4d5a0628a386f2cefd4cbccb110ab60&mpshare=1&scene=1&srcid=0117dqnVg0mxFOFbynlpzCf9&sharer_sharetime=1673957459189&sharer_shareid=c032e8bde4d276951619cca1ff0debb1#rd) | 工程相关      | 2019-08-28 |
| 阿里妈妈     | [阿里妈妈深度树检索技术（TDM）及应用框架的探索实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247492994&idx=1&sn=6a787521ad85f37339f880bba0cc5d63&chksm=fbd757eecca0def8ac32a1c60f49ec933096833b5b55860074fd5d305499adc85d9f833fa333&scene=27#wechat_redirect) | 召回          | 2019-08-16 |
| 京东         | [京东电商推荐系统实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247492901&idx=1&sn=e0241e72bb057ed300fef994721a2a3b&chksm=fbd75749cca0de5f029b880bbe53914dfd789452d35cde78097f00a75f789f2508e452bf1805&scene=27#wechat_redirect) | 推荐          | 2019-08-08 |
| 阿里淘系     | [极测未来\|淘宝"千人千面"内容下的智能评测技术与实践](http://mp.weixin.qq.com/s?__biz=MzAxNDEwNjk5OQ==&mid=2650403666&idx=1&sn=96be637d3fd89472d326f09596a48e2d&chksm=83953b4ab4e2b25c514fd36904d0bad493aab91bcd4f30c4b59762b6b1fbd0b2aaa0509a0d4b&scene=27#wechat_redirect) | 推荐          | 2019-08-06 |
| 360          | [360搜索的百亿级网页搜索引擎架构实现](http://mp.weixin.qq.com/s?__biz=MzkzNzI0MDMxNQ==&mid=2247487340&idx=1&sn=e96e5e1034462b3fed38c98aef1627ca&chksm=c2933cf8f5e4b5ee13fd52fbaeda37679d5766aea514099c720a4bb131340521583ba2fd2582&mpshare=1&scene=1&srcid=0117LVG4Py92aQ9dr3ohqsMG&sharer_sharetime=1673957323507&sharer_shareid=c032e8bde4d276951619cca1ff0debb1#rd) | 工程相关      | 2019-07-31 |
| Hulu         | [Hulu   在视频内容理解上的应用和最佳实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247492462&idx=1&sn=4f770371f0493448fab48af8750adb66&chksm=fbd75102cca0d81418aca45fe714c80838b5de34555cd561aec4d87cda710e56b744f953bbbc&scene=27#wechat_redirect) | 内容理解      | 2019-07-26 |
| 360          | [深度学习在360搜索广告   NLP 任务中的应用](https://mp.weixin.qq.com/s?__biz=MzI1MzY0MzE4Mg==&mid=2247484855&idx=2&sn=f0032b7a1611be3d87615f3aecc334de&chksm=e9d01576dea79c60aed6633bd1ff386a376c2bdb50aeaa35834644068f76a2a7f23649500fe1&scene=27#wechat_redirect) | 搜索          | 2019-07-18 |
| 阿里         | [阿里零售通智能导购推荐技术实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247492047&idx=1&sn=7db1f1eaadfdac75c5a0ae0e3a7beea1&chksm=fbd753a3cca0dab5fe09c091fb36c0ae9ba9ae83af38593d333bbdf61d97ee137b1577611ec0&scene=27#wechat_redirect) | 推荐          | 2019-07-11 |
| 网易         | [网易新闻推荐：深度学习排序系统及模型](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247491955&idx=1&sn=8d6258dd5330a86608191088ec5444a2&chksm=fbd7531fcca0da0945008445177aaaf07b72b61e990fd847e36a8f516eed0f0c93123409dddd&scene=27#wechat_redirect) | 推荐          | 2019-07-08 |
| 居理新房     | [低频少样本长验证周期场景下的算法设计](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247491927&idx=1&sn=5454d891f68f7c2d49cb453cf4c40f2d&chksm=fbd7533bcca0da2dc093950f0b2b95c4d525a6caf60fec117228be52afd2a498bb74812c0e92&scene=27#wechat_redirect) | 推荐          | 2019-07-05 |
| Hulu         | [基于行列式点过程的推荐多样性提升算法](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247491883&idx=1&sn=9a28cb03a2e34ec380cd5ff789b8f48d&chksm=fbd75347cca0da51e1257f4de6824e77546f3eeb1e78090cd11ec71841f31cc4cf8562ab3151&scene=27#wechat_redirect) | 推荐          | 2019-07-03 |
| 途家网       | [Embedding   技术在民宿推荐中的应用](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247491647&idx=1&sn=787f20dad8e613c0f72142df6789d91d&chksm=fbd75253cca0db45abed1a13b555f358ce059b4e9477afaeb872cab12d4fc310f119d65f797a&scene=27#wechat_redirect) | 召回          | 2019-06-25 |
| Airbnb       | [深度学习在   Airbnb 中的探索与应用](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247491541&idx=1&sn=cd70f902ac265bfb36e95deac352f797&chksm=fbd4adb9cca324afc840c189ddae4f25ae5c1ee1b8405bd3d0c78c0293d87d85a516e1cfa1c0&scene=27#wechat_redirect) | 搜索          | 2019-06-21 |
| 阿里         | [当你打开天猫的那一刻，推荐系统做了哪些工作？](https://mp.weixin.qq.com/s?src=11&timestamp=1675783003&ver=4336&signature=JXo7DrRlU7Hx9WJP0r7ozT7S1eVkuUt-AiIg21XL7Nz3OkHBzLWECkq4hTwtGtYY0NUnl5gLihW3hGnfr8dqXJIydi1e5uty4VX58eYccDtQI-jUVPhyMU9VvBdkCWkV&new=1) | 推荐          | 2019-06-04 |
| 小米         | [小米移动搜索中的AI技术](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247490461&idx=1&sn=84a010d7fa0b0d29f25d87b57e2a29ee&chksm=fbd4a9f1cca320e721ab7c0f167ae5e56f0b00aae7995f8d5a9ad49125ae8d46e86095afd120&scene=27#wechat_redirect) | 搜索          | 2019-05-23 |
| 阿里妈妈     | [阿里妈妈：电商预估模型的发展与挑战](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247490293&idx=1&sn=4dcd1cf5f945c03c98ed3401afb7983d&chksm=fbd4a899cca3218f328a661da553b470e018eeeef2ca3bf2696140ef045f1805f89b8c3a596a&scene=27#wechat_redirect) | 精排&CXR预估  | 2019-05-20 |
| 阿里飞猪     | [POI   识别在飞猪搜索的探索与实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247490057&idx=1&sn=d676c16816c16a27abe5ce69c15feafa&chksm=fbd4a865cca321735c0c0a700e6210f80fa10cfa16aed6e8068dd601853a6285aa7f4601f2ad&scene=27#wechat_redirect) | 搜索          | 2019-05-10 |
| 达观数据     | [达观数据个性化推荐系统实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247488752&idx=1&sn=aaaed48b319d572990c93dc1e60a7ba2&chksm=fbd4a69ccca32f8a636b600a77504ab7689f8e90279ace41ae669268dba533e5b8ece9e7b2d3&scene=27#wechat_redirect) | 推荐          | 2019-03-11 |
| Hulu         | [Hulu：视频广告系统中的算法实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247488177&idx=1&sn=ce32c5e9eaf50c9d7f5f3f075d632fc3&chksm=fbd4a0ddcca329cbc93e4fded3b83d59c7ab30d64206a1cf80e63289f925635bcf7eba6651a5&scene=27#wechat_redirect) | 广告          | 2019-02-25 |
| 阿里妈妈     | [「回顾」阿里妈妈：定向广告新一代点击率预估主模型——深度兴趣演化网络](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247487620&idx=1&sn=b3162fec93608788430f7e52236d998e&chksm=fbd4a2e8cca32bfea69c4e418e38d0c8709d2fe3395f74f73aaf48815ec8a41fc0d130ae4a1e&scene=27#wechat_redirect) | 精排&CXR预估  | 2019-01-28 |
| 搜狗         | [「回顾」深度学习新技术在搜狗搜索广告中的深化应用](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247487590&idx=1&sn=792f7c3a1cb05bd3c89660c2ceff3fed&chksm=fbd4a20acca32b1c3a9eff018b9e3e96a31425cab16d4a7241e0258221320266007e9c3e70f0&scene=27#wechat_redirect) | 广告          | 2019-01-23 |
| 美团         | [大众点评搜索基于知识图谱的深度学习排序实践](https://tech.meituan.com/2019/01/17/dianping-search-deeplearning.html) | 搜索          | 2019-01-17 |
| 知乎         | [「回顾」知乎推荐页Ranking经验分享](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247487240&idx=1&sn=f38e4a5cd73a2d2f1d52ee5eda418528&chksm=fbd4bd64cca334720629ba997aca98642bc1e1b25c422623ddf07e30cb9a5f5068cf22af0048&scene=27#wechat_redirect) | 推荐          | 2018-12-28 |
| 爱奇艺       | [「回顾」爱奇艺搜索排序模型迭代之路](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247487111&idx=1&sn=0466151a7745795694ee6b66838ef263&chksm=fbd4bcebcca335fd6038ab853b9a73ce1147c953594df2aea6fd1c1db013191086f4c656f5d2&scene=27#wechat_redirect) | 搜索          | 2018-12-21 |
| Airbnb       | [Airbnb:   深度学习在搜索排序业务中的探索与演进（二）](https://zhuanlan.zhihu.com/p/52287783) | 搜索          | 2018-12-13 |
| Airbnb       | [Airbnb:   深度学习在搜索排序业务中的探索与演进（一）](https://zhuanlan.zhihu.com/p/52146789) | 搜索          | 2018-12-11 |
| 51信用卡     | [「回顾」51信用卡的个性化推荐体系](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247486677&idx=1&sn=8fba1b390945dea3d15574f1465575f0&chksm=fbd4beb9cca337afbfc433e2873efb13ae87ec226bdd7dd9e1bee159a82a0201a9186c0a8449&scene=27#wechat_redirect) | 推荐          | 2018-11-21 |
| 饿了么       | [「回顾」饿了么推荐算法演进及在线学习实践](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247486538&idx=1&sn=32498d028a74dce05ffa4a4eee66e4b5&chksm=fbd4be26cca33730d988a9bd19e5bcd8034fc3388ff468853bfcf5367a4dc446c1ffcff355f8&scene=27#wechat_redirect) | 推荐          | 2018-11-07 |
| 饿了么       | [回顾·外卖推荐算法中有哪些机制与手段？](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247486253&idx=1&sn=5730d5ab24b87a5985ffa5ff10d34c79&chksm=fbd4b941cca330577e3755aea84d9026aca36a55490e7f71c447d613fca0ba5be77c00067490&scene=27#wechat_redirect) | 推荐          | 2018-10-12 |
| 阿里淘系     | [7种经典推荐算法模型的应用](https://mp.weixin.qq.com/s/gaNs9Qg3j68034HDBRw0PA) | 推荐          | 2018-09-16 |
| 阿里智能信息 | [回顾·神马搜索技术演进之路](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247485830&idx=1&sn=621393b30e179660de9b35d57da60752&chksm=fbd4bbeacca332fcfe9733a126f07386ad66c3a0381b5e0c2daa81c70d88d0d19048fad645c1&scene=27#wechat_redirect) | 搜索          | 2018-08-17 |
| 搜狗         | [回顾·搜狗信息流推荐算法交流](http://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247485411&idx=1&sn=3ac29da8b7a81869bd33679531e2cfe3&chksm=fbd4b58fcca33c998652a1e1a84b4dee7b825df919e1c68702938ee24728121617ac30f85878&scene=27#wechat_redirect) | 推荐          | 2018-07-02 |
| 美团         | [深度学习在美团点评推荐平台排序中的运用](http://mp.weixin.qq.com/s?__biz=MjM5NjQ5MTI5OA==&mid=2651746611&idx=1&sn=c9bf49b74c52ba3a091051772828fb54&chksm=bd12a87e8a6521689690ea992fe69ab4b37cbb3f77942e2900314033fdda361d9993af6698fa&mpshare=1&scene=1&srcid=0117WfBjqkaqVXB9LUCBJpti&sharer_sharetime=1673957092409&sharer_shareid=c032e8bde4d276951619cca1ff0debb1#rd) | 推荐          | 2017-07-28 |
| 美团         | [美团点评旅游搜索召回策略的演进](http://mp.weixin.qq.com/s?__biz=MjM5NjQ5MTI5OA==&mid=2651746412&idx=1&sn=885e98dd829dabbe3858d6b2ea9f954f&chksm=bd12a9218a652037b31b32188ff61258bdae61b3ab8bc5d326ac6f9d199cb1d83260701ff3ec&mpshare=1&scene=1&srcid=0117bKvljgSQqp4W9Kz9mPdU&sharer_sharetime=1673957061139&sharer_shareid=c032e8bde4d276951619cca1ff0debb1#rd) | 召回          | 2017-06-16 |

---

### Paperbotv2 Arxiv Daily Review (`docs/paperbotv2-arxiv-daily-review.md`)

# paperBotV2.arxiv_daily 逻辑 Review 报告

## 结论摘要

`paperBotV2.arxiv_daily` 已经是当前 arXiv 每日论文链路的主线实现，负责从 arXiv API 抓取论文、调用 DeepSeek 做粗排和精排、写入 JSON、生成 GitHub Pages 页面，并通过独立 workflow 发送飞书通知。整体链路可运行，工作流入口也已经从旧脚本迁移到 `paperBotV2`。

本次 review 未发现 P0 阻断问题，但发现 3 个 P1 和 2 个 P2 风险。最优先需要处理的是：跨日去重路径拼错、HTML 渲染未启用转义、`generate_arxiv_html.py --output` 参数必然报错。其次建议补强飞书失败观测和 arXiv 请求超时控制。

## 当前主线入口

| 入口 | 触发方式 | 主要职责 | 输出或副作用 |
| --- | --- | --- | --- |
| `.github/workflows/arxiv_daily_full.yml` | 每天 UTC 04:00 定时，或手动触发 | 安装依赖，执行 arXiv 抓取与排序，生成 HTML，提交数据并部署 Pages | `paperBotV2/arxiv_daily/data/*.json`、`paperBotV2/arxiv_daily/output/*.html`、`gh-pages/arxiv_daily` |
| `.github/workflows/arxiv_feishu_msg.yml` | `arxiv_daily_full` 成功后触发，或手动触发 | 读取当天 JSON，筛选精排论文，发送飞书模板卡片 | 飞书 webhook 消息 |
| `legacy/workflows/push_arxiv_daily.yml` | 已移入 `legacy/workflows/` | 旧 arXiv workflow 归档 | 不会被 GitHub Actions 自动识别为线上 workflow |
| `legacy/workflows/push_arxiv_daily_cl.yml` | 已移入 `legacy/workflows/` | 旧 arXiv CL workflow 归档 | 不会被 GitHub Actions 自动识别为线上 workflow |

## arxiv.py 当前逻辑

文件：`paperBotV2/arxiv_daily/arxiv.py`

### 配置读取

`arxiv.py` 在模块加载阶段读取以下环境变量：

| 环境变量 | 默认值 | 作用 |
| --- | --- | --- |
| `FEISHU_URL` | 空 | 旧内置飞书函数仍会读取，但当前主流程不再调用该函数 |
| `DEEPSEEK_API_KEY` | `None` | DeepSeek Chat Completion API Key |
| `TARGET_CATEGORYS` | `cs.IR,cs.CL,cs.CV` | arXiv 分类列表，逗号分隔 |
| `MAX_PAPERS` | `100` | 每个分类最多拉取论文数 |
| `ROUGH_SCORE_THRESHOLD` | `4` | 粗排过滤阈值 |
| `RETURN_PAPERS` | `20` | 精排和飞书通知数量上限 |

### 主处理流程

`process_papers()` 是主入口，执行顺序如下：

1. `get_papers_from_all_categories()`：遍历 `TARGET_CATEGORYS`，调用 arXiv API 获取论文，并初始化 `is_filtered=False`、`is_fine_ranked=False`。
2. `perform_rough_ranking()`：调用 `rough_rank_papers()`，基于标题使用 `PRERANK_PROMPT` 进行粗排，过滤低于 `ROUGH_SCORE_THRESHOLD` 的论文。
3. `perform_fine_ranking()`：调用 `fine_rank_papers()`，对粗排前 `RETURN_PAPERS` 篇论文使用标题和原始摘要做精排，写入 `summary`、`translation`、`rerank_relevance_score`、`rerank_reasoning` 等字段。
4. `save_results_to_json()`：将当天结果写入 `paperBotV2/arxiv_daily/data/YYYYMMDD.json`，并增量合并到 `paperBotV2/arxiv_daily/data/results.json`。

### 抓取逻辑

`get_daily_arxiv_papers()` 查询 `http://export.arxiv.org/api/query`，使用 `cat:<category> AND submittedDate:[yesterday_utc TO now_utc]` 作为搜索条件，按 `submittedDate` 降序排序。每篇论文会被转成以 `arxiv_id` 为 key 的字典，核心字段包括：

- `title`
- `url`
- `arxiv_id`
- `authors`
- `categories`
- `pub_date`
- `ori_summary`
- `summary`
- `translation`
- `relevance_score`
- `reasoning`
- `rerank_relevance_score`
- `rerank_reasoning`

### LLM 调用逻辑

`call_deepseek_api()` 使用 OpenAI SDK 兼容 DeepSeek API，请求 `deepseek-chat`，并设置 `response_format={'type': 'json_object'}`。函数通过 `tenacity` 对 `APIConnectionError`、`RateLimitError`、`APIStatusError` 做最多 5 次指数退避重试。

当前行为特点：

- 没有 `DEEPSEEK_API_KEY` 时直接返回 `None`，不会发起 API 请求。
- LLM 返回非 JSON 或字段缺失时，函数会捕获异常并返回 `None`。
- 粗排或精排单篇失败时，该论文不会进入对应成功列表。

### 数据落盘逻辑

`save_results_to_json()` 只在 `all_papers` 非空时写文件。输出包括：

- 天级文件：`paperBotV2/arxiv_daily/data/YYYYMMDD.json`
- 全量文件：`paperBotV2/arxiv_daily/data/results.json`

全量文件只新增不存在的 `arxiv_id`，不会覆盖已有论文字段。这能降低历史数据被重写的风险，但也意味着 LLM prompt 或评分策略升级后，历史数据不会自动刷新。

## generate_arxiv_html.py 当前逻辑

文件：`paperBotV2/arxiv_daily/generate_arxiv_html.py`

### 输入选择

`main()` 默认从 `paperBotV2/arxiv_daily/data/` 中选择最新日期 JSON，排除 `results.json`。也支持：

- `--date YYYYMMDD`：指定某一天的 `data/YYYYMMDD.json`。
- `--output path`：指定 HTML 输出文件路径。

### 页面生成流程

`generate_html()` 的主要步骤：

1. 计算展示日期、论文总数、精选论文数量、平均分。
2. 准备 `paperBotV2/arxiv_daily/output/` 与 `output/static/templates/`。
3. 复制 `frontend` 下的 `styles.css`、`tailwind.config.js`、`app.js`、`index.html` 和模板文件到 `output/static/`。
4. 调用 `generate_papers_html()` 渲染精选和普通论文卡片。
5. 将统计数据、日期选择器、论文 HTML 注入页面模板。
6. 注入折叠/展开逻辑、日历逻辑和 cache-busting 时间戳。
7. 写入 `output/arxiv_YYYYMMDD.html` 和 `output/index.html`。

### 卡片排序和展示逻辑

`generate_papers_html()` 会先按是否精选排序，再按 `rerank_relevance_score` 或 `relevance_score` 降序排序。精选论文使用 `selected_paper_template.html`，普通论文使用 `normal_paper_template.html`。

非精选论文会按分数折叠：

- 精选论文：默认完全展开。
- 普通论文且分数 > 1：默认只展示标题，详情折叠。
- 普通论文且分数 <= 1：默认隐藏在低分区域后。

## arxiv_feishu_msg.py 当前逻辑

文件：`paperBotV2/arxiv_daily/arxiv_feishu_msg.py`

### 输入和跳过条件

`main()` 读取 `paperBotV2/arxiv_daily/data/` 下最新日期 JSON，且要求文件名日期等于运行当天日期。若最新文件不是当天，会直接退出，避免手动或后置触发时重复发送历史论文。

飞书发送前还会检查：

- `FEISHU_URL` 是否为空。
- 是否加载到论文数据。
- 是否存在 `is_fine_ranked=True` 且包含 `rerank_relevance_score` 的论文。

### 消息选择和格式

脚本筛选精排论文后按 `rerank_relevance_score` 降序排序，最多发送 `RETURN_PAPERS` 篇。飞书卡片使用模板：

- `template_id`: `AAqxH62u1uNko`
- `template_version_name`: `1.0.8`

模板变量包括：

- `paper`: Markdown 论文链接
- `translation`: 中文标题或翻译
- `score`: 星级和分数标签
- `summary`: 论文总结
- `date`: 当前日期

## Workflow 当前逻辑

### arxiv_daily_full.yml

当前主流程如下：

1. `actions/checkout@v3`，已开启 `lfs: true`。
2. 设置 Python 3.8。
3. 安装 `requirements.txt`。
4. 执行 `python -m paperBotV2.arxiv_daily.arxiv`。
5. 进入 `paperBotV2/arxiv_daily` 执行 `python generate_arxiv_html.py`。
6. 检查 `output/` 和 `data/`。
7. 如有 diff，提交并 push。
8. 使用 `peaceiris/actions-gh-pages@v3` 部署 `paperBotV2/arxiv_daily/output` 到 `gh-pages` 的 `arxiv_daily` 目录。

### arxiv_feishu_msg.yml

当前通知流程如下：

1. 在 `arxiv_daily_full` workflow 成功后自动触发，也支持手动触发。
2. `actions/checkout@v3`，已开启 `lfs: true`。
3. 设置 Python 3.8 并安装依赖。
4. 进入 `paperBotV2/arxiv_daily` 执行 `python arxiv_feishu_msg.py`。

## 问题清单

### P1: 前一天数据路径拼错，跨日去重实际失效

- 位置：`paperBotV2/arxiv_daily/arxiv.py` 的 `get_papers_from_all_categories()`。
- 证据：`current_dir` 已经是 `paperBotV2/arxiv_daily`，但 `yesterday_file` 拼成了 `current_dir/arxiv_daily/YYYYMMDD.json`。
- 实际保存路径：`paperBotV2/arxiv_daily/data/YYYYMMDD.json`。
- 影响：前一天论文 ID 集合几乎永远为空，跨日重复论文不会被过滤。
- 风险：重复推送、重复 LLM 调用、成本增加、用户体验下降。
- 建议：改成 `os.path.join(current_dir, "data", f"{yesterday:%Y%m%d}.json")`，并补一个临时前一天 JSON 的去重测试。

### P1: HTML 渲染未启用自动转义，存在页面注入风险

- 位置：`paperBotV2/arxiv_daily/generate_arxiv_html.py` 的 `render_template()` 和 `generate_papers_html()`。
- 证据：代码使用 `Template(template_content)`，Jinja2 默认 `autoescape=False`。
- 输入来源：arXiv feed 的标题、作者、摘要、分类，以及 DeepSeek 生成的 summary/reasoning/translation。
- 影响：如果上游文本含 HTML、事件属性或恶意 URL，可能被原样写入 GitHub Pages 页面。
- 验证：构造包含 `<img src=x onerror=alert(1)>` 和 `javascript:alert(1)` 的论文样本时，渲染结果中 payload 未被转义。
- 建议：使用 `jinja2.Environment(autoescape=select_autoescape(['html', 'xml']))`；对手工拼接的 `CATEGORY_TAGS` 使用 `html.escape`；对 URL 做协议白名单校验，只允许 `https://arxiv.org/`、`https://www.alphaxiv.org/` 等可信域名。

### P1: `generate_arxiv_html.py --output` 会触发 `output_dir` 未定义

- 位置：`paperBotV2/arxiv_daily/generate_arxiv_html.py` 的 `generate_html()`。
- 证据：只有 `output_file is None` 时才定义 `output_dir`，但后续无条件执行 `static_dir = os.path.join(output_dir, "static")`。
- 影响：CLI 暴露了 `--output` 参数，但任何指定输出路径的调用都会触发 `UnboundLocalError`。
- 风险：手动生成指定路径页面、调试脚本或未来 workflow 使用该参数时失败。
- 建议：函数开头统一计算 `output_dir`：如果指定 `output_file`，使用 `os.path.dirname(os.path.abspath(output_file))`；否则使用默认 `script_dir/output`。

### P2: 飞书 webhook 非 2xx 或业务失败不会让 workflow 失败

- 位置：`paperBotV2/arxiv_daily/arxiv_feishu_msg.py` 的 `send_papers_to_feishu()`。
- 证据：`requests.post()` 后只打印 `status_code`，没有 `raise_for_status()`，也没有解析飞书业务错误码。
- 影响：webhook 失效、限流、模板变量错误、权限错误时，workflow 仍可能显示成功，但用户收不到消息。
- 建议：对 HTTP 非 2xx 调用 `raise_for_status()`；记录响应体摘要；解析飞书返回的业务 code；汇总失败 webhook 数量，必要时以非 0 退出。

### P2: arXiv HTTP 请求没有 timeout

- 位置：`paperBotV2/arxiv_daily/arxiv.py` 的 `get_daily_arxiv_papers()`。
- 证据：`requests.get(base_url, params=query_params)` 未设置 `timeout`。
- 影响：arXiv API 网络半开或服务长时间无响应时，GitHub Actions 任务可能挂到默认超时，阻塞后续 HTML 部署和飞书通知。
- 建议：设置 `timeout=(5, 30)`，并配合有限重试；workflow 层增加 `timeout-minutes` 和 `concurrency`，避免定时任务堆积。

## 改进建议

### 必须优先修复

1. 修复前一天去重路径，避免重复论文跨日进入 LLM 和飞书链路。
2. 修复 HTML 转义和 URL 白名单，避免公开页面注入风险。
3. 修复 `--output` 参数，保证 CLI 行为与帮助说明一致。

### 建议尽快优化

1. 飞书发送失败应显式失败或至少汇总失败数，避免“workflow 成功但消息没发出”。
2. arXiv API 请求设置 timeout 和 retry，workflow 设置 `timeout-minutes` 与 `concurrency`。
3. 将 `arxiv.py` 内已废弃的 `send_papers_to_feishu()` 删除或迁移到公共通知模块，避免两个飞书模板版本并存。
4. 对 LLM 返回字段做 schema 校验，缺字段时保留原论文并标记失败原因，而不是静默丢失到成功列表之外。

### 可暂缓优化

1. `save_results_to_json()` 当前不会刷新历史全量结果，可后续增加手动 refresh 模式。
2. `generate_arxiv_html.py` 中大量内联 CSS/JS 可以后续拆回前端资源，降低维护成本。
3. `get_latest_json_file()` 仅按文件名排序，建议后续对 `YYYYMMDD.json` 做格式过滤，避免误选非日期 JSON。

## 验证记录

本次 review 使用无线上副作用方式验证，不使用真实 `DEEPSEEK_API_KEY`、不使用真实 `FEISHU_URL`、不触发真实飞书发送。

### 已执行验证

```bash
python3 - <<'PY'
import os, py_compile, tempfile
files = [
    'paperBotV2/arxiv_daily/__init__.py',
    'paperBotV2/arxiv_daily/prompts.py',
    'paperBotV2/arxiv_daily/arxiv.py',
    'paperBotV2/arxiv_daily/arxiv_feishu_msg.py',
    'paperBotV2/arxiv_daily/generate_arxiv_html.py',
]
with tempfile.TemporaryDirectory(prefix='arxiv_daily_pycompile_') as td:
    for path in files:
        cfile = os.path.join(td, path.replace('/', '__') + '.pyc')
        py_compile.compile(path, cfile=cfile, doraise=True)
        print(f'OK py_compile {path}')
PY
```

结果：5 个 arXiv daily Python 文件均可编译。

```bash
env -u FEISHU_URL -u DEEPSEEK_API_KEY RETURN_PAPERS=1 PYTHONPATH="$PWD" python3 - <<'PY'
from pathlib import Path
from paperBotV2.arxiv_daily import arxiv, arxiv_feishu_msg, generate_arxiv_html

post_calls = []
def fail_post(*args, **kwargs):
    post_calls.append((args, kwargs))
    raise AssertionError('requests.post should not be called in empty-key smoke')

arxiv.requests.post = fail_post
arxiv_feishu_msg.requests.post = fail_post
assert arxiv.call_deepseek_api('{"ping": true}', api_key='') is None
arxiv.send_papers_to_feishu([{'title':'T','url':'https://www.alphaxiv.org/abs/1','rerank_relevance_score':1,'summary':'S'}], feishu_urls=[])
arxiv_feishu_msg.send_papers_to_feishu([{'title':'T','url':'https://www.alphaxiv.org/abs/1','rerank_relevance_score':1,'summary':'S'}], feishu_urls=[])
arxiv_feishu_msg.main()
script_dir = Path('paperBotV2/arxiv_daily').resolve()
papers = generate_arxiv_html.load_paper_data(script_dir / 'data' / '20260526.json')[:1]
html = generate_arxiv_html.generate_papers_html(papers, str(script_dir / 'frontend'), str(script_dir / 'output' / 'static'))
assert html and '<script id="papers-data"' not in html
assert not post_calls, post_calls
print('OK empty-key smoke')
PY
```

结果：空 DeepSeek key 会短路；空飞书 URL 不发送；最新 JSON 非当天时飞书主流程退出；HTML 论文列表可只读渲染。

```bash
env -u FEISHU_URL -u DEEPSEEK_API_KEY PYTHONPATH="$PWD" python3 - <<'PY'
from pathlib import Path
from paperBotV2.arxiv_daily import generate_arxiv_html, arxiv_feishu_msg
root = Path('paperBotV2/arxiv_daily')
static_dir = root / 'output' / 'static'
malicious = '<img src=x onerror=alert(1)>'
paper = {
    'title': malicious,
    'translation': malicious,
    'summary': malicious,
    'ori_summary': malicious,
    'authors': malicious,
    'reasoning': malicious,
    'categories': ['cs.CL'],
    'url': 'javascript:alert(1)',
    'arxiv_id': '2501.00001',
    'rerank_relevance_score': 9,
    'is_fine_ranked': True,
}
html = generate_arxiv_html.generate_papers_html([paper], str(root / 'frontend'), str(static_dir))
print('HTML_UNESCAPED_PAYLOAD', malicious in html)
print('HTML_JAVASCRIPT_HREF', 'href="javascript:alert(1)"' in html)
PY
```

结果：`HTML_UNESCAPED_PAYLOAD=True`，`HTML_JAVASCRIPT_HREF=True`，确认 HTML 转义风险存在。

### 未执行验证

- 未运行真实 `python -m paperBotV2.arxiv_daily.arxiv` 全流程，因为会访问 arXiv、调用 DeepSeek 并写入当天 JSON。
- 未使用真实 `FEISHU_URL`，避免误发飞书。
- 未在 GitHub Actions Python 3.8 环境中复测，仅在本地 Python 环境完成静态和 smoke 验证。

## 修复记录

截至 2026-05-28，已按本报告的问题清单完成第一轮修复：

- 已修复跨日去重路径：`arxiv.py` 现在从 `paperBotV2/arxiv_daily/data/YYYYMMDD.json` 读取前一天数据。
- 已为 arXiv API 请求增加 `timeout=(5, 30)`，避免外部服务长时间无响应时拖垮 workflow。
- 已为 HTML 模板渲染启用 Jinja2 autoescape，并对分类标签做显式转义。
- 已增加论文 URL 白名单和 fallback；不可信 URL 会回退到 `https://arxiv.org/abs/<arxiv_id>`。
- 已修复 `generate_arxiv_html.py --output <path>`，指定输出目录时可正常生成页面、静态资源目录和 `index.html`。
- 已增强飞书 webhook 失败处理：HTTP 非 2xx、非 JSON 响应或飞书业务错误会汇总并抛出 `RuntimeError`。
- 已为 `arxiv_daily_full.yml` 和 `arxiv_feishu_msg.yml` 增加 workflow concurrency 与 job `timeout-minutes`。
- 已增强 arXiv 抓取完整性：抓取窗口改为最近 36 小时，按 `ARXIV_PAGE_SIZE` 分页抓取到空页或 `ARXIV_MAX_PAGES`，避免单页 `max_results=100` 漏论文。
- 已增强 arXiv 限流处理：请求增加 User-Agent，遇到 429/5xx 会按 `Retry-After` 或指数退避长时间重试；重试耗尽后会让流程失败，避免静默生成 0 篇结果。
- 已将内部 arXiv 重试策略调整为“少次数、长间隔”：单页请求最多 4 轮，默认等待约 10 分钟、20 分钟、40 分钟，最大等待 2400 秒，并增加 0-120 秒随机抖动，避免短时间重复请求无效消耗。
- 已进一步降低 arXiv 限流概率：分页间隔默认 60 秒，分类间隔默认 120 秒，并增加随机抖动，避免 GitHub Actions 固定节奏触发限流。
- 已增加分类级页数上限：`cs.IR:5,cs.CL:8,cs.CV:20`，低产分类减少不必要请求，高产 `cs.CV` 保留更大抓取深度。
- 已增加备用 API endpoint：主源 `https://export.arxiv.org/api/query` 失败时，同一轮会尝试 `https://arxiv.org/api/query`。
- 已将定时任务从北京时间 12:00 调整到 13:20，避开整点和常见自动任务高峰。
- 已增加同日缓存复用：手动重跑时若当天 JSON 已包含某分类结果，会复用缓存并跳过该分类 arXiv 请求。
- 已关闭额外分类级二次重试：单页请求内部已经使用长间隔退避，分类层不再重复放大等待时间；若某分类最终失败，workflow 会 fail，避免提交空结果。
- 已增加 workflow 外层重试：`arxiv.py` step 最多执行 3 次，失败后分别等待 30 分钟和 60 分钟再重试；最终失败会保留非 0 退出，阻止后续 HTML 生成、提交、部署和飞书成功触发。
- 已增加运行状态持久化：每次运行会写入 `paperBotV2/arxiv_daily/status/YYYYMMDD.json` 详细状态，并追加/更新 `paperBotV2/arxiv_daily/status/arxiv_daily_runs.csv` 汇总表，记录抓取、粗排、精排、平均分、输出和错误信息。
- 已增加晚间 recovery workflow：北京时间 18:05 检查当天状态，只有状态缺失、失败、抓取未成功、JSON 未写入或 HTML 未生成时才补跑；成功则直接跳过。
- 已扩展飞书触发条件：`arxiv_feishu_msg.yml` 同时监听 `arxiv_daily_full` 和 `arxiv_daily_recovery`，确保晚间补跑成功后也会发送当天 Top20 飞书消息。
- 已增加 `PYTHONUNBUFFERED=1`：GitHub Actions 长抓取阶段会实时输出日志，避免看起来像卡住。
- 已在 `requirements.txt` 约束 `urllib3<2`：避免 macOS 系统 Python + LibreSSL 环境出现 `NotOpenSSLWarning`。

修复验证采用无线上副作用方式完成：

- `py_compile` 通过：`arxiv.py`、`generate_arxiv_html.py`、`arxiv_feishu_msg.py`。
- YAML 和 shell 语法解析通过：`arxiv_daily_full.yml`、`arxiv_daily_recovery.yml`、`arxiv_feishu_msg.yml`。
- 静态检查通过：确认 `requests.get(..., timeout=(5, 30))` 和 `data/YYYYMMDD.json` 去重路径存在。
- HTML 恶意样本验证通过：`<img src=x onerror=alert(1)>` 被转义，`javascript:` URL 不会进入 href。
- `--output` 验证通过：临时目录中成功生成 `arxiv_20260526.html`、`static/templates/` 和 `index.html`。
- 飞书 mock 验证通过：成功响应不抛错，HTTP 500 与业务错误码均会抛出 `RuntimeError`，空 URL 仍跳过发送。
- arXiv 抓取 mock 验证通过：429 会等待后重试，分页会继续抓取后续页面，并在空页停止。
- arXiv 慢抓策略验证通过：分类级页数、备用 endpoint、分页/分类间隔和随机抖动配置均可被代码和 workflow 读取。
- arXiv 缓存与分类重试 mock 验证通过：今日缓存存在时跳过请求，分类失败会单独等待后重试。
- 真实 arXiv 抓取层 smoke 验证通过：只请求 arXiv API，不进入 DeepSeek、不写 JSON/HTML、不发飞书。
- 状态持久化临时目录验证通过：JSON/CSV 写入、HTML 状态回写和 recovery 判断逻辑均符合预期。
- `git diff --check` 通过。

## 后续优化路线

首轮修复已覆盖本报告中的 5 个主要问题。后续可继续做以下增强：

1. 为去重路径、HTML 转义、URL 白名单、`--output` 和飞书失败处理补充正式单元测试。
2. 为 arXiv 请求增加分类级失败统计和抓取数量趋势监控。
3. 清理 `arxiv.py` 内废弃飞书函数，统一通知逻辑到 `arxiv_feishu_msg.py` 或公共模块。
4. 增加 `DRY_RUN` 或 `--dry-run` 参数，方便在 CI 和本地做无副作用验证。
5. 后续在 GitHub Actions Python 3.8 环境中手动触发一次 workflow，验证真实 secrets、Pages 部署和飞书模板兼容性。

---

### Paperbotv2 Arxiv Html Ui Review (`docs/paperbotv2-arxiv-html-ui-review.md`)

# PaperBotV2 arXiv HTML UI Review

## 结论摘要

本次 review 聚焦 `paperBotV2/arxiv_daily/generate_arxiv_html.py` 及其生成的 arXiv 每日 HTML 页面。当前链路已经具备每日论文展示、精选优先、普通论文折叠、低分论文隐藏、摘要详情、统计卡片、日期日历和静态资源 fallback 等能力，且输出路径支持 `--output`，可以用临时目录做无副作用验证。

主要风险集中在前端状态与后端注入逻辑交错：日历会被过期 `localStorage` 影响，筛选和折叠逻辑分散在 `app.js` 与内联脚本中，低分论文分割线位置不符合文案语义，部分空值 fallback 与评分展示仍有体验问题。建议优先修正日历选中态和交互职责边界，再逐步补充搜索、筛选、历史浏览和阅读状态能力。

## 当前逻辑梳理

### 输入与数据转换

- `main()` 从 `paperBotV2/arxiv_daily/data/` 读取指定 `--date` 的 `YYYYMMDD.json`，未指定时按文件名倒序选择最新 JSON。
- `get_latest_json_file()` 排除 `results.json`，直接按文件名排序选最新文件；`get_json_file_by_date()` 只接受 `YYYYMMDD`。
- `load_paper_data()` 将 JSON 字典转换为论文列表，并向每个 `paper_info` 原地写入 `arxiv_id`。
- `generate_html()` 统计总论文数、精选论文数和平均分；精选判断使用 `is_fine_ranked`，评分优先 `rerank_relevance_score`，否则 `relevance_score`。
- `generate_papers_html()` 先按精选优先排序，再按评分降序排序；精选论文使用 `selected_paper_template.html`，普通论文使用 `normal_paper_template.html`。

### 模板渲染与展示

- 模板渲染使用 Jinja2 `Environment` 和默认 autoescape，正文、标题、作者、摘要等文本会被转义。
- URL 只允许 `http/https` 且 host 属于 arXiv 白名单，路径必须以 `/abs/`、`/pdf/` 或 `/html/` 开头，异常 URL 回退到 `https://arxiv.org/abs/{arxiv_id}` 或 `https://arxiv.org`。
- 分类标签由 `build_category_tags()` 生成，分类文本逐项转义后以 `Markup` 注入模板。
- 作者超过 `MAX_AUTHORS_DISPLAY_LENGTH` 后截断，标题优先展示 `translation`，摘要优先 `abstract`，原始摘要优先 `ori_summary`。
- `summary` 非空时展示“核心总结”；推荐理由优先 `rerank_reasoning`，否则 `reasoning`，默认值为“无”。

### 静态资源与输出

- 默认输出为 `paperBotV2/arxiv_daily/output/arxiv_YYYYMMDD.html`，指定 `--output` 时会以输出文件所在目录作为临时 `output_dir`。
- 若 `frontend/` 存在则复制其中 `styles.css`、`tailwind.config.js`、`app.js`、`index.html` 和模板；当前仓库主要使用 `output/static/` 作为 fallback 来源。
- 输出页面中的 `../frontend/styles.css`、`../frontend/tailwind.config.js`、`../frontend/app.js` 会被改写为 `static/...`。
- 每次生成具体日期 HTML 后，会在同一输出目录写入 `index.html`，通过 meta refresh 指向 `arxiv_YYYYMMDD.html`。

### 日历逻辑

- 后端扫描 `script_dir/data/*.json`，注入 `availableDates` 数组，过滤 `results.json` 和非 `YYYYMMDD.json` 文件。
- 前端从 `#current-date` 文本解析当前日期，初始化 `displayYear` 和 `displayMonth`。
- 日历按钮控制 `#date-picker` 的 `hidden` class，支持上月和下月切换。
- 有数据日期可点击，点击后写入 `localStorage.selectedDate/selectedYear/selectedMonth`，并跳转到 `arxiv_YYYYMMDD.html`。
- 无数据日期置灰不可点击；当天日期使用 `bg-primary` 高亮，选中日期使用边框和阴影高亮。

### 页面交互

- 精选论文默认完全展开，普通论文按评分分为 `collapsed-level-1` 和 `collapsed-level-2`。
- `collapsed-level-1` 只隐藏 `.paper-details`，标题仍可见；`collapsed-level-2` 整卡默认隐藏。
- 内联 `collapse_js` 会插入“展开/折叠全部非精选论文”按钮，给普通论文标题加眼睛图标，并处理“全部论文/仅显示精选”的实际过滤。
- `app.js` 也绑定了 `show-all` 和 `show-selected`，但只更新按钮样式；摘要详情主要依赖原生 `<details>`。

## 问题清单

| 严重度 | 类型 | 问题 | 证据 | 影响 | 建议 |
| --- | --- | --- | --- | --- | --- |
| P1 | 日历状态 | 过期 `localStorage` 会覆盖当前页面日期和月份 | `initCalendar()` 只要存在 `savedDate` 就使用保存值设置 `selectedDateText`、`displayYear`、`displayMonth` | 从新日期页面进入时，按钮文本和日历选中态可能停留在上次点击日期，用户误以为当前页面不是实际日期 | 页面加载时应以 `currentDateStr` 为权威，只在打开日历或跨页回访时校验保存日期是否等于当前页面日期；不一致时清理或覆盖 `localStorage` |
| P2 | 日历兼容性 | 当前日期解析依赖 DOM 文本和 `new Date()` 宽松解析 | `currentDateStr` 通过替换中文字符得到 `YYYY-MM-DD`，再传入 `new Date(currentDateStr)` | 部分浏览器或异常模板空值下可能得到 `Invalid Date`，导致月份渲染异常 | 直接由后端注入安全的 `currentDate = {year, month, day, ymd}`，避免从展示文本反解析 |
| P2 | 页面交互 | 低分论文分割线插在普通论文最后之后，而不是低分论文之前 | `normalPapers[normalPapers.length - 1]` 后插入 divider；但低分论文默认 `display:none` | “点击展开更多论文（评分较低）”的位置可能出现在所有可见普通论文之后，低分论文展开后追加在分割线之前或附近，层级语义不清 | 按 `collapsed-level-2` 的第一个元素插入分割线，或将低分论文包进单独容器 |
| P2 | 可维护性 | `app.js` 与内联 `collapse_js` 同时绑定筛选按钮 | `app.js` 绑定 `show-all/show-selected` 仅更新样式，内联脚本再次绑定并执行实际显示/隐藏 | 双重监听增加未来改动时的竞态和认知成本，按钮 class 可能被两个来源覆盖 | 将筛选、折叠、日历统一迁移到静态 `app.js`，Python 只负责注入数据 JSON 或 `data-*` 配置 |
| P2 | 数据副作用 | `load_paper_data()` 原地修改 JSON 解析出的 `paper_info` | 循环中执行 `paper_info['arxiv_id'] = arxiv_id` | 当前影响有限，但函数调用方复用原始对象时会出现隐式变异，不利于测试和推理 | 改为 `paper = {**paper_info, "arxiv_id": arxiv_id}`，保持输入对象不可变 |
| P3 | 展示体验 | 评分展示直接 `int(score)` 会截断小数 | 评分 8.7 展示为 `8/10`，平均分却保留 1 位小数 | 高分论文的细粒度差异被抹平，用户可能不理解排序差异 | 评分 badge 建议保留 1 位小数或统一整数规则并说明 |
| P3 | 展示体验 | `summary` 为空时核心总结区直接缺失 | 模板仅 `{% if SUMMARY %}` 才展示核心总结 | 普通论文可能只剩推荐理由和摘要入口，信息层次不稳定 | 非精选论文可显示“暂无核心总结”，或将摘要首句作为兜底 |
| P3 | 历史导航 | `availableDates` 只用于日历，没有最近有数据日期快捷入口 | 用户必须逐月翻日历寻找可点击日期 | 历史浏览效率低，跨日回看成本高 | 增加最近 7/30 个有数据日期列表、月份热力图或历史 Top 入口 |

## 功能与体验改进

### 近期可做

| Idea | 收益 | 复杂度 | 风险 | 建议 |
| --- | --- | --- | --- | --- |
| 修复日历状态以当前页面日期为准 | 避免日期错乱，提升基础可信度 | 低 | 需要处理旧 `localStorage` 兼容 | 页面加载覆盖 stale 状态，跳转点击后再保存 |
| 分类筛选与分数区间筛选 | 快速定位 `cs.IR`、`cs.CL`、高分论文 | 中 | 需要维护计数和按钮状态 | 使用前端 DOM data 属性或后端注入 JSON 配置 |
| 搜索标题/摘要/作者 | 提升每日论文发现效率 | 中 | 大页面 DOM 搜索性能需关注 | 先做本页轻量搜索和关键词高亮 |
| 统一交互脚本到 `app.js` | 降低维护成本 | 中 | 迁移时可能影响现有页面 | Python 只注入 `window.__ARXIV_PAGE_DATA__` |
| 改善空状态与 fallback 文案 | 数据不完整时页面更稳定 | 低 | 文案需要统一 | 为 summary、reasoning、authors、categories 建立统一 fallback |

### 中期增强

| Idea | 收益 | 复杂度 | 风险 | 建议 |
| --- | --- | --- | --- | --- |
| 最近有数据日期列表 | 快速回看历史日报 | 中 | 需要控制列表长度 | 后端注入按日期倒序的最近 N 天 |
| 阅读状态：已读/未读/稍后看 | 适合每天持续阅读 | 中 | localStorage 数据结构需要迁移 | 用 arXiv ID 做 key，先本地保存 |
| 收藏论文与导出列表 | 支持二次阅读和分享 | 中 | 跨设备同步暂不可用 | 本地收藏 + 复制 Markdown/BibTex 入口 |
| 主题聚合与关键词聚类 | 降低大批量论文浏览成本 | 高 | 需要额外 NLP 或 LLM 结果 | 先基于 categories 和关键词做轻量聚合 |
| 跨日 Top 论文入口 | 提升历史发现能力 | 中 | 需要读取多日数据 | 静态生成 `history_top.html` 或本页链接 |

### 远期探索

| Idea | 收益 | 复杂度 | 风险 | 建议 |
| --- | --- | --- | --- | --- |
| 趋势面板 | 观察主题热度和评分变化 | 高 | 数据聚合与展示设计成本高 | 先生成周/月聚合 JSON |
| 个性化阅读队列 | 更贴合个人兴趣 | 高 | 需要用户偏好和隐私设计 | 本地偏好优先，不引入线上依赖 |
| 单篇分享页 | 方便传播重点论文 | 高 | 静态站路由和 SEO 需要设计 | 可先支持 hash 定位和复制链接 |
| 移动端沉浸阅读模式 | 提升手机阅读体验 | 中 | 需要重新组织卡片密度 | 增加一键展开摘要和粘性筛选栏 |

## 验证记录

验证均使用本地命令和临时目录完成，不触发 DeepSeek、不发送飞书、不依赖生产 secrets、不覆盖线上 JSON/HTML 输出。

| 验证项 | 命令或方式 | 结果 |
| --- | --- | --- |
| Python 语法检查 | `python3 -m py_compile paperBotV2/arxiv_daily/generate_arxiv_html.py` | 通过 |
| 临时目录 HTML 生成 | 直接导入 `generate_html()`，输出到 `/var/folders/.../arxiv_html_ui_task6_5kbafj9a/arxiv_20260526.html` | 通过 |
| 静态资源复制 | 检查临时目录存在 `static/app.js`、`static/styles.css`、`static/tailwind.config.js`、`static/templates/` | 通过 |
| 首页重定向 | 检查临时目录 `index.html` 指向 `arxiv_20260526.html` | 通过 |
| 日历数据注入 | 检查生成 HTML 包含 `const availableDates = ...` 和 `20260526` | 通过 |
| 折叠 class 注入 | 检查生成 HTML 包含 `collapsed-level-1` 与 `collapsed-level-2` | 通过 |
| URL 安全兜底 | 构造 `javascript:alert(1)` 样本，检查未出现在 HTML 且回退到 arXiv URL | 通过 |
| 线上输出保护 | 生成命令只写入系统临时目录；验证后 `git status --short` 未出现 `paperBotV2/arxiv_daily/output/` 变更 | 通过 |

## 修复记录

本轮已按报告中的高优先级问题修复，并回溯重生成历史 HTML。

| 修复项 | 变更 | 验证 |
| --- | --- | --- |
| 日历 stale `localStorage` | 当前页面日期改为后端注入的 `currentDateConfig`，页面加载时始终以当前 HTML 日期为权威；只有保存日期等于当前页面日期时才恢复保存的月份视图 | 临时目录 smoke 和 120 个历史 HTML 全量断言均通过 |
| 日期解析兼容性 | 前端不再从 `#current-date` 展示文本反解析日期，也不再使用 `new Date('YYYY-MM-DD')` | `py_compile` 通过，生成 HTML 包含 `const currentDateConfig = ...` |
| 可用日期顺序 | `availableDates` 改为按日期升序注入 | `--all` 按日期升序生成，`index.html` 最终指向最新日期 |
| 低分论文展开 | 移除 `.collapsed-level-2` 的 `!important`，展开态可以正常覆盖隐藏态 | 全量 HTML 断言确认不存在 `display: none !important` |
| 低分分割线位置 | 分割线改为插入到第一篇 `collapsed-level-2` 低分论文之前 | 全量 HTML 断言确认使用 `firstLowScorePaper` 插入逻辑 |
| 全局收起一致性 | “展开/折叠全部”和“全部论文”会清理单篇详情的 inline display 状态 | 临时目录 smoke 覆盖脚本注入 |
| 数据副作用 | `load_paper_data()` 改为复制 `paper_info` 后追加 `arxiv_id`，不原地修改 JSON 子对象 | 临时样本验证源 JSON 文件内容未被修改 |
| 展示 fallback | 推荐理由改为 `rerank_reasoning or reasoning or '无'`，评分 badge 保留一位小数并去掉多余 `.0` | 临时样本验证 `8.7/10` 和空理由 fallback |
| 重复事件绑定 | `output/static/app.js` 移除筛选按钮事件绑定，避免与生成页内联筛选逻辑重复 | `app.js` diagnostics 无报错 |
| 回溯生成 | 新增 `generate_arxiv_html.py --all`，可批量生成 `data/*.json` 对应历史页面 | 已执行 `python3 generate_arxiv_html.py --all`，成功生成 `120/120` 个日期 |

## 后续建议

1. 下一步建议将筛选、折叠和日历逻辑继续迁移到静态 `app.js`，后端只注入结构化 JSON 配置，减少 Python 拼接大段 JS。
2. 为 `load_paper_data()`、`sanitize_url()`、`generate_html(--output)`、`availableDates` 注入和模板 fallback 增加正式单元测试。
3. 近期产品增强优先做搜索、分类筛选、分数筛选和最近有数据日期列表，收益明确且不依赖线上服务。
4. 中期可评估阅读状态、收藏、导出 Markdown/BibTeX 和跨日 Top 论文入口。

---

### Paperbotv2 Refactor Report (`docs/paperbotv2-refactor-report.md`)

# PaperBotV2 项目梳理与重构报告

## 结论摘要

本仓库从“搜广推工业实践文章收集”起步，随后扩展出 arXiv 每日论文推送、顶会论文汇总、行业实践网页和 GitHub Actions 自动化。当前代码同时保留顶层旧脚本和 `paperBotV2/` 新结构，维护边界不清晰。

综合 README、脚本目录和工作流调用关系，当前主线应以 `paperBotV2` 为准：arXiv 每日处理、HTML 页面生成、飞书消息补发和行业实践页面更新均已迁入 `paperBotV2`；README 中顶会论文列表也指向 `paperBotV2/conf_summary/data/papers/`。但部分 GitHub Actions 仍会调用顶层旧脚本，说明旧代码尚未完全下线，后续重构需要分阶段迁移和验证，不能直接删除。

## 实施基础状态

Task 1 已从 `main...origin/main` 创建并切换到 `refactor/paperbotv2-safe-migration` 分支。创建前的 `git status --short --branch` 显示存在未跟踪的 `.trae/` 与 `docs/`，本次只记录状态并保留这些现有改动，不执行清理、重置或覆盖操作。

本次安全迁移的计划修改范围限定为 GitHub Actions 入口、`legacy/` 归档目录、实施报告和必要的最小验证记录。线上无损原则是：旧脚本只做目录级归档、不修改脚本内容，不删除历史数据，不改变已生效的 `paperBotV2` 输出目录，不触发真实线上 webhook，不让 README 顶会链接回退到顶层 `papers/`。

### 实施状态更新

截至 2026-05-28，Task 2 和 Task 3 已完成可安全迁移部分：旧 arXiv 手动工作流已归档到 `legacy/workflows/`，线上只保留 `arxiv_daily_full.yml` 与 `arxiv_feishu_msg.yml`；`update_confs.yml` 已迁移到 `paperBotV2/conf_summary` 链路；`push_conf_daily.yml` 因新版尚未完全替代旧飞书日推和私有 `CONF_URL` 摘要补全能力，暂时保留 `legacy/conf.py` 兼容调用，但已停止运行会把 README 链接回退到顶层 `papers/` 的旧 `legacy/render.py`。

Task 4 已调整完成：顶层旧脚本不再通过修改源文件添加提示，而是以原始内容归档到 `legacy/` 目录；`README.md` 已补充 legacy 入口说明，明确当前主线入口为 `paperBotV2/arxiv_daily/`、`paperBotV2/conf_summary/` 和 `paperBotV2/industry_practice/`。本次未删除顶层历史数据文件或 `papers/` 历史产物，保留回滚与复核能力。

## 仓库功能全景

### 主要功能

| 功能 | 当前承载位置 | 输入 | 输出 | 说明 |
| --- | --- | --- | --- | --- |
| 行业实践文章收集 | `paperBotV2/industry_practice/`、`README.md`、`source.xlsx` | GitHub Issue、文章元数据 | `README.md` 表格、`article.json`、`article.csv`、HTML 页面 | 原始能力来自顶层 `maintain.py` 和 `source.xlsx`，新实现已迁入 `paperBotV2/industry_practice/` |
| arXiv 每日论文 | `paperBotV2/arxiv_daily/` | arXiv API、DeepSeek、环境变量 | 日级 JSON、全量 `results.json`、HTML 页面、飞书卡片 | 新版以多分类抓取、粗排、精排、页面生成为主线 |
| 顶会论文汇总 | `paperBotV2/conf_summary/`、顶层旧脚本 | DBLP、会议配置、摘要源 | `data/results.json`、会议 Markdown、README 顶会表格 | 新目录已有爬取、摘要补全、Markdown 转换、README 更新工具，但部分工作流仍调用顶层旧脚本 |
| GitHub Pages | `paperBotV2/arxiv_daily/output/`、`paperBotV2/industry_practice/output/` | JSON 数据、Jinja2 模板、静态资源 | `gh-pages` 下 `arxiv_daily/` 和 `industry_practice/` | arXiv 和行业实践都有网页化产物 |
| 自动化入口 | `.github/workflows/` | schedule、workflow_dispatch、issues labeled、workflow_run | 数据提交、Pages 部署、飞书通知 | 入口混合了新旧脚本，是当前重构重点 |

### 顶层目录与文件

| 路径 | 用途判断 | 当前状态 |
| --- | --- | --- |
| `README.md` | 项目首页，包含仓库介绍、论文推送 Bot、顶会论文表和行业实践文章表 | 仍是核心展示文件，顶会链接已指向 `paperBotV2/conf_summary/data/papers/` |
| `requirements.txt` | Python 依赖，包含 `feedparser`、`openai`、`tenacity`、`tqdm`、`beautifulsoup4`、`aiohttp`、`requests`、`jinja2` | 新旧脚本共用 |
| `source.xlsx` | 早期行业实践文章数据源，README 提到可执行自定义排序 | 旧数据源，`paperBotV2/industry_practice` 已有 JSON/CSV 数据源 |
| `arxiv.json` | 顶层旧 arXiv 脚本缓存翻译结果 | 旧数据产物，仍可能被手动旧工作流使用 |
| `results.json` | 顶层旧顶会脚本缓存会议论文与摘要 | 旧数据产物，仍可能被旧会议工作流使用 |
| `papers/` | 顶层旧 `render.py` 生成的会议 Markdown | 历史产物，README 当前主链接转向 `paperBotV2/conf_summary/data/papers/` |
| `搜广推优质博主文章.md`、`搜广推算法系列串讲.md` | 手工维护的扩展内容 | 可保留为内容资产 |
| `.trae/specs/document-paperbotv2-refactor/` | 本次文档任务的 spec、checklist、tasks | 任务管理资料 |

### 顶层旧脚本

| 脚本 | 职责 | 被引用情况 | 与新版关系 |
| --- | --- | --- | --- |
| `legacy/arxiv.py` | 查询单个 arXiv 分类，翻译摘要，推送飞书或 ServerChan，并维护 `arxiv.json` | 原 `push_arxiv_daily.yml`、`push_arxiv_daily_cl.yml` 已归档到 `legacy/workflows/`，不在线触发 | 被 `paperBotV2/arxiv_daily/arxiv.py` 替代；新版支持多分类、LLM 粗排/精排、HTML 数据 |
| `conf.py` | 基于 `results.json` 补全顶会摘要、翻译并推送飞书 | `push_conf_daily.yml` 手动触发调用 | 被 `paperBotV2/conf_summary` 的数据结构和处理脚本逐步替代 |
| `crawler.py` | 从 DBLP 抓取会议论文列表并写入 `results.json` | `update.py` 间接调用 | `paperBotV2/conf_summary/crawler.py` 是增强版，支持更多会议与重试策略 |
| `citer.py` | 基于 DOI/Crossref 补充引用数 | `update.py` 间接调用 | 新版会议数据不再以引用数为核心字段，保留为历史能力 |
| `render.py` | 将顶层 `results.json` 渲染为 `papers/` 下 Markdown，并更新 README 顶会表 | `push_conf_daily.yml`、`update_confs.yml` 调用 | 新版应由 `paperBotV2/conf_summary/convert_to_md.py` 和 `update_readme_papers.py` 替代 |
| `update.py` | 解析 Issue 中的会议参数，触发 `crawler.py`、`citer.py` | `update_confs.yml` 调用 | 需要迁移到 `paperBotV2/conf_summary` 入口 |
| `maintain.py` | 早期行业实践 Issue 解析、更新 `source.xlsx`/README、飞书通知 | 未被当前工作流调用 | 被 `paperBotV2/industry_practice/maintain.py` 替代 |
| `translate.py` | DeepSeek/Caiyun 翻译客户端 | 顶层旧 `arxiv.py`、`conf.py` 使用 | 可迁移为公共工具，或限定为 legacy 依赖 |

## PaperBotV2 模块盘点

### `paperBotV2/arxiv_daily`

`arxiv.py` 是新版 arXiv 主处理入口。它从环境变量读取 `TARGET_CATEGORYS`、`MAX_PAPERS`、`ROUGH_SCORE_THRESHOLD`、`RETURN_PAPERS`、`DEEPSEEK_API_KEY` 和 `FEISHU_URL`，按分类查询 arXiv API，使用 DeepSeek 做粗排和精排，并将结果写入 `paperBotV2/arxiv_daily/data/YYYYMMDD.json` 与 `paperBotV2/arxiv_daily/data/results.json`。

`generate_arxiv_html.py` 读取 JSON 数据和静态模板，生成日级 HTML 与索引页面，输出到 `paperBotV2/arxiv_daily/output/`。输出目录含 `static/`、模板、样式与历史日级页面，是 GitHub Pages 发布源。

`arxiv_feishu_msg.py` 从 `data/` 中选择最新日级 JSON，校验日期为当天后，根据精排分数选取论文并发送飞书消息。它将“数据处理/网页生成”和“消息发送”拆成两个自动化阶段，避免页面未部署时提前推送。

`prompts.py` 保存粗排和精排提示词，是新版筛选逻辑的核心配置文件。

### `paperBotV2/conf_summary`

`crawler.py` 从 DBLP 按会议和年份抓取论文列表，当前字段更贴近推荐展示：论文名、链接、作者、摘要、作者机构、标题翻译、推荐分和推荐理由。相比顶层 `crawler.py`，新版支持 `nips/neurips` 路径、重试、随机延迟和更丰富的会议范围。

`get_free_abstract.py` 面向 ACL/NAACL/EMNLP/ICLR 等开放页面补全摘要，支持按会议模式和数量限制筛选空摘要论文，是对旧 `conf.py` 中通过私有 `CONF_URL` 补摘要方式的替代方向。

`convert_to_md.py` 将 `data/results.json` 转成 `data/papers/<conf>/<conf><year>.md`，生成包含序号、标题、推荐理由、推荐度、摘要、作者、组织的 Markdown 表格，并对部分会议摘要做动态截断，控制文件大小。

`update_readme_papers.py` 扫描 `data/papers/`，重建 README 的顶会论文矩阵。README 当前顶会链接已经指向该目录，说明展示层已向 `paperBotV2` 靠拢。

### `paperBotV2/industry_practice`

`maintain.py` 是当前行业实践 Issue 入口。它解析 Issue 文章元数据，更新 `data/article.json` 和 `data/article.csv`，向 README 的行业实践表插入新文章，发送飞书通知，并调用 `generate_industry_html.py` 刷新网页。

`generate_industry_html.py` 读取 `data/article.json`，转换中英文键名，按日期倒序排序，生成公司和标签筛选数据，再基于 Jinja2 模板输出 `paperBotV2/industry_practice/output/index.html`。该输出目录被 `update_content.yml` 部署到 GitHub Pages 的 `industry_practice/`。

`data/` 是结构化文章数据源，`output/` 是网页产物。相比顶层 `maintain.py` 依赖 `source.xlsx`，新版更适合自动化和网页化。

## GitHub Actions 调用关系

| 工作流 | 触发方式 | 当前调用 | 新旧归属 | 影响 |
| --- | --- | --- | --- | --- |
| `arxiv_daily_full.yml` | schedule 每天 UTC 4:00、手动 | `python -m paperBotV2.arxiv_daily.arxiv`，随后 `cd paperBotV2/arxiv_daily && python generate_arxiv_html.py`，提交并部署 Pages | 新版主线 | 当前 arXiv 日常处理和网页发布的实际主入口 |
| `arxiv_feishu_msg.yml` | `arxiv_daily_full` 成功后、手动 | `cd paperBotV2/arxiv_daily && python arxiv_feishu_msg.py` | 新版主线 | 当前 arXiv 飞书通知的实际主入口 |
| `update_content.yml` | Issue 标记 `require to update content`、手动 | `python paperBotV2/industry_practice/maintain.py --issue ...`，再部署 `paperBotV2/industry_practice/output` | 新版主线 | 当前行业实践更新入口 |
| `legacy/workflows/push_arxiv_daily.yml` | 已归档，不在 `.github/workflows/` 中触发 | `python -m paperBotV2.arxiv_daily.arxiv`，`TARGET_CATEGORYS=cs.IR` | legacy 归档 | 原旧 arXiv IR 手动入口已移出线上 workflow 目录 |
| `legacy/workflows/push_arxiv_daily_cl.yml` | 已归档，不在 `.github/workflows/` 中触发 | `python -m paperBotV2.arxiv_daily.arxiv`，`TARGET_CATEGORYS=cs.CL` | legacy 归档 | 原旧 arXiv CL 手动入口已移出线上 workflow 目录 |
| `push_conf_daily.yml` | 手动；schedule 已注释 | `python legacy/conf.py`，随后运行 `paperBotV2/conf_summary/convert_to_md.py` 与 `update_readme_papers.py` | 混合兼容 | 暂保留旧飞书日推能力，但不再运行 `legacy/render.py` 回写 README |
| `update_confs.yml` | Issue 标记 `require to update confs`、手动 | `python paperBotV2/conf_summary/update_from_issue.py --issue ...`，随后转换 Markdown 并更新 README | 新版主线 | Issue 触发的顶会新增/更新流程已迁入 `paperBotV2/conf_summary` |

自动化证据表明：arXiv 日常计划任务、arXiv 飞书后置通知、行业实践 Pages 部署和顶会 Issue 更新已经是 `paperBotV2` 路径；旧 arXiv 手动工作流已归档到 `legacy/workflows/`，不再作为线上可触发 workflow。会议日推送 `push_conf_daily.yml` 仍保留 `legacy/conf.py` 兼容调用，是后续需要补齐新版飞书日推能力后再完全迁移的遗留入口。

## 新旧代码关系

### arXiv 路径

旧 `arxiv.py` 以单分类查询、摘要翻译、飞书推送为中心，数据缓存写入顶层 `arxiv.json`。两个旧手动 workflow 已归档到 `legacy/workflows/`，不再位于 `.github/workflows/` 线上触发目录；当前线上 arXiv 主入口保留 `arxiv_daily_full.yml` 和 `arxiv_feishu_msg.yml`。

新版 `paperBotV2/arxiv_daily/arxiv.py` 支持 `cs.IR,cs.CL,cs.CV` 等多分类，使用 DeepSeek 对论文做相关性粗排和摘要精排，输出日级 JSON 和全量 JSON，再由 `generate_arxiv_html.py` 发布页面，由 `arxiv_feishu_msg.py` 发送消息。它是当前自动日更和页面发布的实际生效路径。

结论：旧 arXiv 脚本属于兼容遗留代码，已以原始内容归档到 `legacy/`，README 标注当前主线。后续可在确认无人工依赖后删除归档副本。

### 会议论文路径

旧会议路径由 `legacy/update.py`、`legacy/crawler.py`、`legacy/citer.py`、`legacy/conf.py`、`legacy/render.py` 和顶层 `results.json`/`papers/` 组成，侧重 DBLP 抓取、Crossref 引用数、私有摘要接口和 README 表格更新。Task 3 后，`update_confs.yml` 已迁入 `paperBotV2/conf_summary`；`push_conf_daily.yml` 暂保留 `legacy/conf.py` 用于旧飞书日推兼容，但不再调用会重写 README 的 `legacy/render.py`。

新版 `paperBotV2/conf_summary` 已具备 DBLP 抓取、开放摘要补全、Markdown 转换和 README 表格更新能力，README 顶会链接也已转向 `paperBotV2/conf_summary/data/papers/`。

结论：会议模块处于“Issue 更新和展示产物已迁入 `paperBotV2`，日推通知仍保留旧兼容脚本”的过渡态。下一步应补齐 `paperBotV2/conf_summary` 的飞书日推替代能力，再移除 `push_conf_daily.yml` 对 `legacy/conf.py` 的依赖。

### 行业实践路径

旧 `legacy/maintain.py` 依赖 `source.xlsx`，直接插入 README 表格并推送飞书。当前工作流没有调用该归档脚本。

新版 `paperBotV2/industry_practice/maintain.py` 以 `article.json`/`article.csv` 为结构化数据源，仍更新 README，同时生成 HTML 页面并部署 Pages。`update_content.yml` 已调用新版入口。

结论：行业实践模块已基本迁移完成，`legacy/maintain.py` 与 `source.xlsx` 可作为历史数据和回滚资产暂存，后续确认后删除归档副本或归档旧数据。

## 当前实际生效路径

当前应按以下路径理解仓库主线：

1. arXiv 日常任务：`arxiv_daily_full.yml` 调用 `paperBotV2/arxiv_daily/arxiv.py` 生成 JSON，再调用 `paperBotV2/arxiv_daily/generate_arxiv_html.py` 生成页面并部署。
2. arXiv 飞书通知：`arxiv_feishu_msg.yml` 在 `arxiv_daily_full` 成功后调用 `paperBotV2/arxiv_daily/arxiv_feishu_msg.py`。
3. 行业实践更新：`update_content.yml` 调用 `paperBotV2/industry_practice/maintain.py`，该脚本会更新数据、README、飞书消息和 HTML 页面。
4. 顶会展示：README 链接已指向 `paperBotV2/conf_summary/data/papers/`，说明展示产物以 `paperBotV2` 为准。
5. 顶会更新入口：`update_confs.yml` 已调用 `paperBotV2/conf_summary/update_from_issue.py`、`convert_to_md.py` 和 `update_readme_papers.py`；`push_conf_daily.yml` 暂时保留 `legacy/conf.py` 作为旧飞书日推兼容入口，但输出转换和 README 更新已使用 `paperBotV2/conf_summary`。

## 遗留风险

| 风险 | 影响 | 建议 |
| --- | --- | --- |
| 旧 arXiv 工作流归档后仍存在历史文件 | 维护者可能误以为 `legacy/workflows/` 内文件仍会在线触发 | 旧文件已移出 `.github/workflows/`，GitHub Actions 不会识别为线上 workflow |
| `push_conf_daily.yml` 仍调用 `legacy/conf.py` | 会议日推送仍可能写入顶层 `results.json`，与新版会议数据分叉 | 补齐 `paperBotV2/conf_summary` 飞书日推能力后再替换 `legacy/conf.py` |
| `legacy/render.py` 会重写 README 顶会区块 | 手工运行旧脚本可能覆盖 `paperBotV2/conf_summary` 生成的链接结构 | 工作流已停止调用 `legacy/render.py`，改用 `update_readme_papers.py` |
| 多套数据源并存 | `source.xlsx`、`article.json`、`arxiv.json`、多个 `results.json` 容易混淆 | 建立数据源归属表，保留一套 canonical 数据 |
| 工作流提交条件中存在旧式 `set-output` 和 shell 细节 | 后续 GitHub Actions 兼容性和可维护性较差 | 重构时同步升级为 `$GITHUB_OUTPUT` 并修正 shell 判断 |
| 脚本相对路径不一致 | 从仓库根或子目录运行时输出位置不同 | 为每个入口统一基于 `__file__` 的路径解析 |

## 重构升级方案

### 代码分类

| 类别 | 范围 | 处理策略 |
| --- | --- | --- |
| 保留主线 | `paperBotV2/arxiv_daily/`、`paperBotV2/industry_practice/`、`paperBotV2/conf_summary/`、`requirements.txt` | 作为唯一演进方向，补充入口文档和验证脚本 |
| 迁移入口 | `update_confs.yml`、`push_conf_daily.yml`、旧 arXiv 手动 workflow | 已将旧 arXiv workflow 归档到 `legacy/workflows/`；其余入口改为调用 `paperBotV2` 下模块，或改造成兼容 wrapper |
| 归档数据 | 顶层 `arxiv.json`、`results.json`、`papers/`、`source.xlsx` | 先冻结，确认无工作流写入后移到 `legacy/` 或文档注明只读 |
| 删除候选 | 顶层 `arxiv.py`、`conf.py`、`crawler.py`、`citer.py`、`render.py`、`update.py`、`maintain.py`、`translate.py` | 迁移完成且连续多轮自动化验证通过后删除 |
| 内容资产 | `搜广推优质博主文章.md`、`搜广推算法系列串讲.md` | 保留，必要时迁入 `docs/` 或 `paperBotV2/industry_practice` 内容目录 |

### 分阶段计划

第一阶段：文档与冻结。

将顶层旧脚本以原始内容移动到 `legacy/`，补充 README 或 `docs/` 入口说明，明确 `paperBotV2` 是主线。禁止新功能继续写入顶层 `arxiv.json`、`results.json` 和 `papers/`。将旧手动工作流名称或描述改为 deprecated，避免误触发。

第二阶段：迁移会议自动化。

`update_confs.yml` 已迁移为 `paperBotV2/conf_summary/update_from_issue.py`、`convert_to_md.py` 和 `update_readme_papers.py` 链路，输出保持在 `paperBotV2/conf_summary/data/`。`push_conf_daily.yml` 暂时保留 `legacy/conf.py` 用于日推兼容，但已改用 `paperBotV2/conf_summary` 生成 Markdown 和 README，避免链接回退到顶层 `papers/`。

第三阶段：统一 arXiv 与行业实践入口。

`push_arxiv_daily.yml`、`push_arxiv_daily_cl.yml` 已移出 `.github/workflows/` 并归档到 `legacy/workflows/`。线上 arXiv 入口仅保留 `arxiv_daily_full.yml` 和 `arxiv_feishu_msg.yml`；行业实践继续以 `paperBotV2/industry_practice/maintain.py` 为主入口。

第四阶段：数据归档与兼容窗口。

对顶层历史数据做一次只读归档，记录最新迁移日期、数据来源和是否仍被 README 引用。保留一个发布周期的回滚分支或 tag，确认 Pages、README 和飞书无异常后移除旧脚本。

第五阶段：清理依赖和质量提升。

统一 Python 包结构，补齐 `paperBotV2` 根包初始化，抽取通用飞书发送、日期处理、文件路径和 LLM 客户端。升级 GitHub Actions 的 checkout/setup-python 版本，替换废弃的 `::set-output`。

## 验证清单

| 场景 | 验证命令或方式 | 期望结果 |
| --- | --- | --- |
| arXiv 数据处理 | 手动运行 `arxiv_daily_full.yml` 或本地以测试环境变量执行 `python -m paperBotV2.arxiv_daily.arxiv` | `paperBotV2/arxiv_daily/data/YYYYMMDD.json` 与 `results.json` 更新 |
| arXiv 页面生成 | 在 `paperBotV2/arxiv_daily` 下运行 `python generate_arxiv_html.py` | `output/` 下生成最新 `arxiv_YYYYMMDD.html` 和索引页 |
| arXiv 飞书消息 | 手动运行 `arxiv_feishu_msg.yml`，使用测试 webhook | 仅在最新 JSON 日期为当天时发送，不重复发送旧数据 |
| 行业实践更新 | 使用测试 Issue body 调用 `python paperBotV2/industry_practice/maintain.py --issue ...` | `article.json`、`article.csv`、README 和 `output/index.html` 更新 |
| 顶会 Markdown | 在 `paperBotV2/conf_summary` 下运行转换脚本 | `data/papers/<conf>/<conf><year>.md` 生成且 README 链接稳定 |
| README 稳定性 | 对迁移前后 README diff 做人工审查 | 顶会表、行业实践表不被旧格式覆盖 |
| Pages 发布 | 检查 `peaceiris/actions-gh-pages` 发布目录 | `arxiv_daily/` 与 `industry_practice/` 页面可访问 |

### Task 5 最小化验证记录

验证日期：2026-05-28。本次只做本地静态检查、依赖安装后的导入/编译检查和空密钥分支验证，未使用真实 webhook 或生产密钥，未触发 GitHub Actions、Pages 发布、arXiv/DeepSeek 线上抓取或飞书真实发送。

| 检查项 | 命令 | 结果 |
| --- | --- | --- |
| 本地解释器确认 | `python - <<'PY' ...` | 失败，`zsh:1: command not found: python`；本机仅使用 `python3` 继续验证 |
| YAML 语法 | `python3 - <<'PY' ... yaml.safe_load(.github/workflows/*.yml) ... PY` | 原验证通过；归档旧 arXiv workflow 后需重新验证线上 `.github/workflows/` 剩余 5 个 YAML |
| 旧脚本引用 | `python3 - <<'PY' ... scan python arxiv.py/conf.py/update.py/crawler.py ... PY` | 通过：旧脚本已归档到 `legacy/`，当前仅保留 `.github/workflows/push_conf_daily.yml -> python legacy/conf.py` 的兼容调用 |
| 输出路径 | `python3 - <<'PY' ... check paperBotV2/... output/data paths ... PY` | 通过，`paperBotV2/arxiv_daily/output`、`paperBotV2/industry_practice/output`、`paperBotV2/conf_summary/data/papers` 均存在引用，README 未回退到顶层 `papers/` 链接 |
| 依赖准备 | `python3 -m pip install -r requirements.txt` | 通过，按 `requirements.txt` 安装到用户 site-packages；pip 提示脚本目录不在 `PATH`，不影响本次 Python 模块验证 |
| Python 编译 | `python3 -m py_compile paperBotV2/arxiv_daily/arxiv.py paperBotV2/arxiv_daily/arxiv_feishu_msg.py paperBotV2/arxiv_daily/generate_arxiv_html.py paperBotV2/industry_practice/maintain.py paperBotV2/conf_summary/update_from_issue.py paperBotV2/conf_summary/update_readme_papers.py paperBotV2/conf_summary/convert_to_md.py` | 通过，无语法错误 |
| Python 导入 | `python3 - <<'PY' ... importlib.import_module(...) ... PY` | 通过，`paperBotV2.arxiv_daily.arxiv`、`arxiv_feishu_msg`、`generate_arxiv_html`、`industry_practice.maintain`、`conf_summary.update_readme_papers` 均可导入 |
| 入口帮助与空密钥分支 | `python3 paperBotV2/industry_practice/maintain.py --help && python3 paperBotV2/conf_summary/update_from_issue.py --help && python3 - <<'PY' ... call_deepseek_api('', api_key=''); send_papers_to_feishu([], feishu_urls=[]) ... PY` | 通过，两个 CLI 帮助可运行；空 API key 返回错误提示且不请求 DeepSeek，空 webhook 列表打印跳过发送 |

残余风险：

- `push_conf_daily.yml` 仍保留对 `legacy/conf.py` 的兼容调用，虽然后续 Markdown/README 已转向 `paperBotV2/conf_summary`，但日推入口仍可能写入顶层会议中间数据。
- 本次未真实运行 GitHub Actions、Pages 发布、arXiv 抓取、DeepSeek 调用或飞书 webhook，仅覆盖静态和最小化本地分支。
- 本地为 Python 3.9，workflow 配置为 Python 3.8；依赖安装和导入在本机通过，但仍建议在 CI 的 Python 3.8 环境复核。
- 导入时出现 `urllib3` 关于 LibreSSL 的 `NotOpenSSLWarning`，未阻断验证，但线上运行环境如升级 urllib3/OpenSSL 仍需关注。
- `paperBotV2/conf_summary/convert_to_md.py` 含顶层文件读取/写入逻辑，本次仅做 `py_compile`，未在真实 `data/results.json` 输入上执行转换。

### Legacy 目录归档调整记录

按“冻结旧脚本不用改动源文件，直接放进 `legacy/` 文件夹”的要求，已撤销脚本头部 `LEGACY NOTICE` 方案，改为将 8 个旧脚本以 `HEAD` 中原始内容归档到 `legacy/`：`arxiv.py`、`conf.py`、`crawler.py`、`citer.py`、`render.py`、`update.py`、`maintain.py`、`translate.py`。顶层同名脚本已移除，`push_conf_daily.yml` 的兼容调用改为 `python legacy/conf.py`。

补充验证结果：`missing_legacy=[]`、`still_top=[]`、`legacy_notice=[]`；7 个 workflow YAML 均可解析；`legacy/conf.py`、`legacy/translate.py`、`paperBotV2/conf_summary/update_from_issue.py` 均通过 `py_compile`。

### Legacy Workflow 归档调整记录

按“已有 `arxiv_daily_full.yml`，其他 arXiv workflow 也变成 legacy”的要求，已将 `.github/workflows/push_arxiv_daily.yml` 与 `.github/workflows/push_arxiv_daily_cl.yml` 移动到 `legacy/workflows/`。线上 `.github/workflows/` 中当前仅保留两个 arXiv 相关 workflow：`arxiv_daily_full.yml` 和 `arxiv_feishu_msg.yml`。

补充验证结果：`active_arxiv_workflows=['arxiv_daily_full.yml', 'arxiv_feishu_msg.yml']`；`legacy_workflows=['push_arxiv_daily.yml', 'push_arxiv_daily_cl.yml']`；线上 5 个 workflow YAML 与 legacy 下 2 个归档 YAML 均可解析。

### 全量命令复测记录

按“所有改动都测试跑一次，包括之前老的 YAML 命令”的要求，已完成无线上副作用复测：

- 当前 `.github/workflows/` 下 5 个 workflow 和 `legacy/workflows/` 下 2 个归档 workflow 均通过 YAML 解析。
- 所有项目 Python 脚本均通过 `py_compile`，共 22 个脚本。
- `python -m paperBotV2.arxiv_daily.arxiv` 使用 `MAX_PAPERS=0`、空 `DEEPSEEK_API_KEY`、空 `FEISHU_URL` 完成 smoke test；未写入新 JSON。
- `paperBotV2/arxiv_daily/generate_arxiv_html.py` 可执行；测试生成的 HTML 时间戳副作用已恢复。
- `paperBotV2/arxiv_daily/arxiv_feishu_msg.py` 在无 webhook 且最新数据非当天时正确退出，未发送飞书。
- `paperBotV2/conf_summary/conf_daily.py` 使用临时 results JSON 和 `DRY_RUN=true` 通过，不请求 `CONF_URL`、不写生产数据、不发送飞书。
- `paperBotV2/conf_summary/convert_to_md.py` 使用临时有效 results JSON 通过，并生成测试 Markdown。
- `paperBotV2/conf_summary/update_from_issue.py --help` 通过。
- `paperBotV2/industry_practice/maintain.py` 的 issue parser 通过，`generate_industry_html.py` 可执行；测试生成的 HTML 时间戳副作用已恢复。
- `git diff --check` 通过，`GetDiagnostics` 无诊断问题。

本机环境没有 `git-lfs`，因此 `paperBotV2/conf_summary/data/results.json` 在本地仍是 LFS pointer，不能直接对真实大文件运行 `convert_to_md.py`。已在所有 active workflow 的 `actions/checkout` 中设置 `lfs: true`，确保 GitHub Actions 环境拉取真实 LFS 内容后再执行会议链路。

## 后续实施建议

后续优先处理 `push_conf_daily.yml` 对 `legacy/conf.py` 的兼容依赖，因为它仍可能写入顶层会议数据。旧 arXiv 手动 workflow 已归档，`update_confs.yml` 已转向 `paperBotV2`，下一阶段应补齐真实 CI 验证记录，再归档旧数据，避免在自动化入口尚未完全替换前破坏回滚能力。

每次迁移只改一个自动化入口，并在 PR 中附上运行日志、关键产物 diff 和 README 链接检查结果。若需要保留人工兼容入口，建议将旧脚本改成薄 wrapper，只打印迁移提示并转调 `paperBotV2`，而不是继续维护两套逻辑。

---

--- METRICS ---
- Files Extracted: 4
- Estimated Token Budget: ~48541 tokens
- Canonical Reference: https://codewiki.google/github.com/Doragd/Algorithm-Practice-in-Industry