在AI时代的浪潮中，最佳人才的影响提高了前所未有的，其位置被市场推向了前所未有的高度。在Google Transformer Bazi论文中，或者要离开Openai，建立自己的业务，获得100亿元人民币的评级，或在其他地方改变工作，减少公司之间技术发电的差距，甚至影响竞争性景观。他们具有强大的谈判能力，因为优越人才供应的增长率似乎并不能跟上公司和新互联网公司的快速扩张。公司已尽一切可能以创新能力吸引这些才能，领导地址并解决重要的瓶颈。这场人才竞赛似乎已经一段时间没有结束，带来了高力量，系统和全球竞争的趋势。互联网巨头已经做出了重要的运动，包括JD TGT技术天才计划上Byte人才计划，新的Baidu Wenxin Star计划的腾讯青金计划。需要一个“双向职位”，以实现对公司和人才的有益结果。最近，我们倾听了他们关于前卫技术方向的共同思想和期望的详细讨论，以及脱机技术沙龙技术人才的发展，这些技术人才脱机吸引了工业技术大亨和技术天才。 JD Technology Salon零售特别节，这是JD Technology Salon活动的结束，该活动于今年5月在全球范围内推出。与JD零售业的出色内部模型相关的许多技术团队都到达现场，共享充电文件和真实的案例，展示了最新的TEC ProadingVanguardia Nological和Innovative Application实践的整合。中央技术部的年轻技术专家将帮助您获得与学生和Quickl的经验并分享y了解JD的丰富商业场景以及如何找到设备和位置。我们如何才能迅速从新移民到技术行李箱，并实现我们从学术研究到工业实践的角色转变？与网站上的学生一样，我们是JD。我们有五位零售生产和研究的年轻技术专家。最古老的是1992年，最年轻的是1998年。他的经验可以提及寻求进入工作场所的新移民。新来者清算的一年：实验室去了企业的Avant -garde，克服了对困难和咬住硬骨的恐惧，这是一个27年的孩子。 2024年，他在中国科学技术大学的软件和计算机科学理论完成博士学位后，加入了下属的零售团队。就像所有刚刚开始进入工作场所的学生一样，Luo Chuan充满了从校园到T的焦虑他工作场所。但是，一般支持系统完全消除了他的担忧。 Luochuan有两个技术业务导师 +。每个月，他们都会花时间与他交谈，无论是涉嫌个人成长还是技术困惑。很快，卢丘安开始系统地熟悉技术堆栈和该部门的代码基础，并逐渐适应了AI。基础设备的工作率。经过几个月的快速融合，与Lochuan（左三）和他的搭档Lochuan，Rochuan成功地成为新手，他想在您的博士研究期间与您的研究结果一起扮演问题。 “以前的大多数调查都保持在纸质层面，而JD.com有很多商业场景和大型工业数据，最后我的研究使我有机会大规模应用它。”在成为商业专家之后，Luo Chuan开始采取主动行动来思考问题他的技术领域。您的设备主要负责涵盖构建和优化支持大型IA应用程序，集群管理，计算机能源编程，数据构建和样品，培训和推理引擎优化的基础设施。他发现，推荐的字段可以从规模方法中受益，因为它们进入了模型时代。但是，在推荐模型中分散的参数量表的持续增长以及在诸如JD.com之类的电子商务平台上用户的行为通常是成千上万或成千上万的人。面对这个问题，Luo Chuan想尝试。了解业务团队的主要需求并精确地定位技术困难，迅速投资于现有的学术和工业界计划，并开始制定适合商业场景的技术和可行的实施计划。很快，他和他的团队设计并实施了一系列重要的量化和缓存方案。这大大减少了分散参数的存储，通信和咨询，并显着加速了为CTR模型分布的训练过程。看到了真正的效果，卢·库恩（Luo Chuan）深深地感到“他的努力并不是徒劳的”。这是Luo Chuan今年的缩影。萨维（Savea）与中世界团队一起发现了自己的位置，并超越了技术问​​题。 “作为新来者，我们必须克服对困难，加深领域的恐惧，并勇敢地解决一个困难的问题。”高级3年的授权：从解决问题到积极提出“一年级”问题：我们指出了真正的问题。 Luo Chuan的新移民的经验似乎对他们的两个前任Qian Yi和Tian Ye熟悉。 Qian Yi和Tian Ye三年前从中国科学院自动化学院毕业后加入了JD.com。 Qianyi焦点ES在计算机视觉研究中，例如图像产生，多模式领先语言模型和OCR。 Tianye专注于在公司中实施PNL技术以及与搜索有关的搜索场景。加入JD.com后，他分别加入了广告行业和搜索和促销技术部门的部门研究。当他们加入JD.com时，他们仍然遇到各种挑战和问题。天·耶（Tian Ye）说，要克服的最大挑战是实验室思维的变化对公司工程师的思想，这源于环境问题和数据系统的各种定义的根本差异。实验室环境中的研究通常在定义明确的任务中进行。问题本身，应用程序场景，培训和测试集是事先给出的，并相对解决。目的是指定特定的数据集。同时，工业方案没有标准数据集，工程师必须独立建立完整数据的封闭信心。这种转换并不容易。 “我想迫使他从纯粹的问题解决到连续的商业思想，转变为一个动态定义中心问题的问题，以及具有独立创建自适应数据和评估系统的问题的建筑师。”天，花了很长时间才能适应他的新角色。然后，他开始利用自己的经验来深入参与搜索场景的经验更新。在执行算法和培训大型模型的过程中，Tian Ye更关心缺乏图形卡，但JD.com提供了灵活的资源倾斜策略，可以完全支持宝贵的长期项目。田Ye非常鼓励：“现在可以保证它可以计算资源，因此他不在乎，可以抛开生成性搜索技巧。”他最初认为自己积累了深厚的技术基础，但是在行业中，他似乎已经看到了商业需求和技术的速度更快，最接近的原始知识和技能直接和更深入的商业问题。用于产品变形和背景脱位的可能性，并提高了模型的可用照片的能力。与其他方法相比，RFFT达到了SOTA [1] Qian Yi慢慢地离开了植根于过去的垂直场。在短短三年内，即使在IA.ES的AI和主要杂志的多个演讲中，他也发表了10多个科学研究的创新成果。现在，他和他的团队正在积极调查Avant -Garde Generation AI能力的授权，以宣布创意一代，尤其是许多多模型和自动化的创意作品。蒂安·耶（Tian Ye）或Qian Yi都以真正的经历来解决问题在解决和解决商业挑战时，数百万的消费者和商人在解决和解决商业挑战时实现了快速增长和利润。截至1995年，我们将迈出一步。故意思考，我们采取行动，并探索各种可能性。实际上，JD的零售技术团队拥有许多类似的年轻算法工程师。 Changglin和Isand出生于1995年，经常与前三个交流和讨论技术问题。 Changlin研究局是大型模型数据的蒸馏和选择，重点是对大型低尺度模型的量表的训练和应用。现代深度学习和大型模型的结果基于大型数据，巨大的参数和高计算机能源成本，这使得资源较低的培训极为困难。 “学术培训的核心是简化和抽象的数学问题中的实际问题。知识的精明，但是是系统，商业，资源和人员的系统。 “毫无疑问，您会找到锤子的爪子。目标不是唯一的方法。您必须敢思考，敢于采取行动和探索不同的可能性。”这是听到的刺激和刺激。他建议仅选择样品中最有益的子集以训练以在模型性能和训练效率之间取得更好的平衡。最后，平均样本为70％-80％的数据，该模型的精度可以与原始模型相媲美，并且证明比其他数据方法更好。用户，行业领导者，参与并直接指导可以改善Percia的项目也同样重要。这是一个优先事项。年轻技术人才的“博士培训计划”已于今年5月8日迅速发展，并且已经开始，TGT更高的技术天才计划E一些年轻技术专家的增长途径非常稳定，技术的能量可以最大化技术的能量。大型研究地址：大型多模式模型和应用，自动学习，搜索建议，空间和智能，高性能和云计算，大数据，基础架构和AI的安全等等。 JD.com及其业务。将来，这一年轻的技术军团融合了前卫探索和工作经验的精神，不仅将解决新一代的用户和市场思维的介绍，而且还将继续将JD.com带到AI，Big Data和Big Data和Cloud Computs，以创造挑战性的技术竞争力的中央领域中的创新和打破新秀。