这也是本年度,我作为团队leader取得的最主要成就之一。 在这一年中,带领团队在技术上也涉猎了许多新的领域。如ElasticSearch,ClickHouse,MQTT和SECS通讯。 本年度技术上的收获主要有: 1.深入学习Python,包括数据分析、爬虫、自动化运维领域。 2.了解上位机和工业互联网。 2.任何困境都有合适的解决方案,不一定是最佳方案。陷入困境后,要在绝望中寻找希望。限之困境而后存,置之死地而后生。陷入困境之后,焦虑、担心、害怕不解决任何问题。 以上是本年度从技术到管理上的一些收获和心得。凡事预则立,不预则废。面对即将到来的2024年,在这里先给自己立个flag,也是未来几年持续要做的事情。 2.管理上,继续向500强CEO学习战略管理,持续修炼成事之道。相关的学习资料都已准备充分,本年度学了3个月,学习了很小的一部分。 3.与时俱进。研究个人IP、新媒体、AI应用、私域运营。
以下,笔者将带你回顾社区的几项关键技术进展。 回顾 集群规模: 3000节点 -> 5000节点 在Kubernetes 1.6版本中,单集群的规模终于达到5千节点15万Pod的水平,而出于诸多因素的影响及考虑,社区没有急于在数值上继续突破。 其好处显而易见:1)用户可以使用一致的yaml文件定义并创建Kubernetes集群,2)通过声明式的API定义Kubernetes控制面及kubelet升级过程,3)使用声明式的API操作节点OS镜像升级
下面,就带大家一起回顾一下腾讯WeTest的2021。 01 持续精进 推陈出新 自2015年问世以来,腾讯WeTest始终期望以技术创新、科学研发赋能行业多维发展。 点击下列文章,了解更多详情: • 大会回顾丨游戏用户体验优化如何实践,看大咖怎么说 • WeTest与腾讯安全联合推出小程序质量方案 MTSC2021 11月,中国互联网测试开发大会(MTSC2021)
这一年回顾确实很忙我原计划是每一个环节都上一张图片。后来发现太多了。实在太长了。 (三)行业活动参与2025 年 7 月 16-17 日,参与 “来聊会崖” 系列访谈第一期录制;2025 年 7 月 20 日,参与腾讯云架构师同盟专访第一期录制;2025 年 8 月 1-2 日,参加第 (二)行业奖项获得2025 年,荣获(ITPUB & 数盟会)年度优秀影响力奖;2025 年,荣获(ITPUB & 数盟会)年度十佳;2025 年,在开放原子基金会开发者大赛中获得 KWDB 核心贡献挑战赛优秀奖
上周,百度搜索公布了一份年度搜索榜单,对2017年中文搜索热词进行了盘点。人工智能自然是年度科技事件中的热中之热,共计3项AI相关事件进入年度前十,其中“AlphaGo对战柯洁”一项排名科技榜第一。 日前开发AlphaGo程序的谷歌旗下DeepMind团队在官方网站上撰文,回顾了2017年团队在新的 AI 技术研发方面取得的发展,以及在 AI 技术的社会影响方面的作为。 DeepMind 还投入了大量的时间创造新的、有挑战性的环境用来测试他们开发出的 AI 系统,其中就包含了和暴雪合作,把星际 2 游戏开放成为研究平台。 社会责任 但我们也知道技术不是价值中立的。 DeepMind 也曾经撰文介绍,政府信息专员在 DeepMind 与皇家自由医院的合作中有一些发现,以及 DeepMind 保健的独立评审员首次对 DeepMind 的工作发布了公开年度报告,DeepMind
0x00.前言本文首发自《云 + 社区》,并仅投稿至《云 + 社区》云 + 社区发布了「2023最后1期话题征文」征文活动,决定参与【年度回顾】选题赛道,本文属于【考试经验分享】主要给大家介绍自己是如何接触到 知道如果有 K8s 就可以实现指定某节点不可用,驱逐容器至其他节点上这也是自己为什么想引入 K8s 的原因之一,于是就开始学习起了 K8s0x02.资料推荐在公司订阅了 Oreilly 课程,只推荐如下 2
事情就变得有趣了, 各种各样的 Windows 10 版本开始出现了, 从最开始的 1507 代号 Threshold 1, 到 1607 代号 Redstone 1, 再到后面的 21H1, 21H2。 终于在 2021 年底,这种疯狂结束了,微软放弃了发布 Windows 10X 版本的计划,将其重新命名为 Windows 11, 并推出了一系列新功能, winget, WSLg, WebView2, 2.不久之后,受人尊敬的基金会执行董事 Claire Novotny 引发了更大的争议, 当她将一个 PR 合并到开源项目时, 没有和其他项目维护者讨论, 这个行为引起了较大的争议,并且持续数日, 最后她被迫辞职
----回顾 2022 年,Cloud Studio 产品经历了很多的迭代,给大家带来了很多亮点,在此辞旧迎新之际,与大家一起分享 Cloud Studio 的亮点时刻。 2022 年产品亮点回顾DeployKit 云部署套件今年初,我们结合腾讯云 Serverless 技术,把前端开发项目、静态建站项目开发的部署复杂度降到最低。 端口智能探针,自动识别新端口;2. 快速从端口处找到进程号、快速打开预览地址;3. 针对预览地址,我们做了手机适配效果。 新增微信登陆手机掏出来扫一下,你就可以进行登陆。
最近在开源中国举办的开源年终盛典上,开源项目TARS 获得了年度最佳原创开源软件奖。 ? 谈到微服务,人们往往会提起Spring Cloud和Service Mesh。 总结 回顾了 TARS 开源近两年以来的种种,可以概括为几个方面:项目独有优势、创新能力、开源态度及贡献精神。开源是一件小事,但是如何做好开源却是一件大事。
使用 在全球范围内,近一半的 Web 请求使用 HTTP/2,其中 20.5% 使用 HTTP/3。与 2023 年相比,这两个版本的使用量都略有上升。
本文作者:IMWeb coolriver 原文出处:IMWeb社区 未经同意,禁止转载 本文为 《 2015 in review》 一文的中文译文,希望通过这篇译文,回顾和记录在2015年, 除了对那些认为Node 4+比Ruby2和Python3更叼的人外。一个月后Node.js要进化到v5版本了,超越了.NET4,快要赶上PHP7啦!(版本号升级比赛么。。。) 除去所有这些第三方的开发工具不算,一个web页面的平均体重达到了2MB,包含100多个文件请求。你觉得这是一种进步吗?可能真的不是,如果你看了 Klint Finley的那篇文章的话。
本文作者:IMWeb coolriver 原文出处:IMWeb社区 未经同意,禁止转载 本文为 《 2015 in review》 一文的中文译文,希望通过这篇译文,回顾和记录在2015年, 除了对那些认为Node 4+比Ruby2和Python3更叼的人外。一个月后Node.js要进化到v5版本了,超越了.NET4,快要赶上PHP7啦!(版本号升级比赛么。。。) 除去所有这些第三方的开发工具不算,一个web页面的平均体重达到了2MB,包含100多个文件请求。你觉得这是一种进步吗?可能真的不是,如果你看了 Klint Finley的那篇文章的话。
容器技术是虚拟机的一次革命性飞跃,并且在之后的几年里,它持续变得更快、更轻量级、更安全。
Serverless、微服务、FinOps……共同参与2022年度云原生行业回顾,同字节跳动、阿里云、腾讯云工程师探讨云原生发展,一起探讨未来的趋势和技术!2月16日线上会议,欢迎报名! 为工程师提供顶级交流平台 CCF TF第93期 主题 云原生年度回顾与展望 2023年2月16日 19:00-21:00 长按识别或扫码报名 报名链接:https://conf.ccf.org.cn/ 本次活动让我们来回顾一下2022年云原生行业的重大进展和发展,以及未来发展的可能性。 会议安排 TF93:云原生年度回顾与展望主持人:CCF TF架构SIG主席 杨卫华 时间 主题 讲者 19:00-19:10 活动介绍及致辞 杨卫华 19:10-19:40 《字节跳动Serverless 2023年2-3月TF活动安排 TF93 2023/2/16 云原生年度回顾与展望 TF94 2023/2/23 NLP技术(具体话题待定)产业化之路 TF95 2023/3/9 元宇宙系列(三):行业智能化
一图带你回顾我们2020走过的路。 ? ? ? ? —Tencent Media Lab— 「IMMERSE YOURSELF」 ?
较早是从事传统软件开发,主要以交付项目为主,后来慢慢转向互联网,属先知后觉那一类。一直从事Java软件研发管理工作,时下热门的小程序、大数据、人工智能、机器学习等接触很少,一方面囿于工作环境,另一方面也是圈子所限,再者是可能方向度不够,兴趣偏差导致的错位。
图2 形成机器学习时期 形成年代:神经网络的多样化和兴起 图2表明,从20世纪80年代后期开始,出版物中提到的监督模型变得更加多样化。 来自谷歌学术的数据表明,文章中提到神经网络的频率在过去几年中略有下降(图2中未显示)。这可能是因为术语深度学习(多层神经网络)在某种程度上取代了术语神经网络的使用。 整体使用监督学习模型 根据谷歌学术搜索表明,最常用的五种监督模型如下所示: 线性回归: 3,580,000(34.3%)篇论文; 逻辑回归:2,330,000(22.3%)篇论文; 神经网络: 1,750,000
好了,这些就是我在即将过去的2024年的关键词回顾,我会把每一份经历都当成收获,2025继续加油~
以下是我们对腾讯AI Lab在2018年重点工作的回顾,也预祝大家新春安康吉祥。 针对多任务问题,我们提出了一种学习框架 L2MT[2] ,能自动发掘一个最优的多任务学习模型;我们还提出了一种用学习迁移实现迁移学习的方法 L2T[3],能显著降低迁移学习的计算成本和所需的领域知识。 我们还提出了一种基于 Inception-ResNet 的声纹识别系统框架[2],可学习更加鲁棒且更具有区分性的嵌入特征。 ? 在神经网络机器翻译方面,我们通过改进当前主流翻译模型中的多层多头自注意力机制[1]和提出基于忠实度的训练框架[2],改善其核心的译文忠实度低的问题。 ---- 论文链接: 机器学习 [1] 基于数据分布迁移的超参优化算法 https://arxiv.org/pdf/1810.06305.pdf [2] 学习框架L2MT https://arxiv.org
原文:https://simonwillison.net/2025/Dec/31/the-year-in-llms/#the-year-of-reasoning-这是我年度系列的第三篇文章,回顾过去12 以下是截至 2025 年 12 月 30 日的 Artificial Analysis 开放权重模型排名:GLM-4.7、Kimi K2 Thinking、MiMo-V2-Flash、DeepSeek 我特别关注了以下这些:DeepSeek阿里巴巴 Qwen (Qwen3)月之暗面 AI (Kimi K2)智谱 AI (GLM-4.5/4.6/4.7)MiniMax (M2)元石科技 (XBai o4 我恶毒的多年度计划是忽悠多个 AI 实验室投入大量资源来在我的基准上作弊,直到我得到一张。我最喜欢的仍然是这张来自 GPT-5 的:15. 今年,梅里亚姆-韦伯斯特词典将其评为年度词汇!slop(名词):通常通过人工智能批量生产的低质量数字内容。我喜欢它代表了一种广泛共识的感觉,即低质量的 AI 生成内容很糟糕,应该避免。