作者|薛梁
在行业内，各公司的技术团队早已把搜索、推荐、广告的技术合并为一体，在构架和算法上没有非常大的差别。
这几年整个推荐引擎的演化十分快，推荐引擎的三个核心技术：召回技术、排序技术、机制技术，对应到算法和构架上也有了很大的变化，像后来盛行的向量召回，大规模在线Ranking估算，加强学习等技术，都得到了相应的发展。
另外，云原生也对推荐引擎底层的分布式构架解藕带来了研制效率提高的影响；AI算力的演变，召回的算力越来越强，Ranking的算力越来越强；训练推荐模型的创新也带来了新思路。
在11月5-6日AICon人工智能与机器学习会议（2021）上海站上，来自字节跳动、快手、腾讯、阿里的技术专家将围绕各自的工作领域，讲解推荐系统的最新应用进展。
一、2016年开始，海外开始出现互动技术在商业化上应用的探求，并不断在互动广告、品牌互动、游戏化方面得到价值验证，全球主流广告平台已布局和促进互动技术应用。
字节跳动也有广泛的海外业务，她们是怎样保证互动广告、品牌互动和游戏化的价值最大化的呢？这儿就须要解决互动创意的企划方式论、批量化生产、高效管理流转、精准投放优化和高性能渲染保证用户体验问题。
字节跳动商业化互动技术负责人梁云鹏老师届时将带来讲演《字节跳动在互动技术上的建设和应用》，分享互动技术的难点和挑战。
讲演提纲：
互动技术的发展背景互动技术在全球联通广告上的应用和现况互动技术的难点和挑战字节跳动在互动技术上的建设及应用
你将获得：
了解互动技术在全球联通广告应用的背景及现况了解互动技术在联通广告上的难点和挑战熟悉字节跳动在互动技术上的建设和应用在联通广告方向上拓展新的建设思路
二、沉浸式的短视频消费越来越重要，推荐会面临好多挑战，例如诸多用户反馈讯号怎么整合排序，沉溺式消费中正负反馈怎么做快速的反应，上下文内容对推荐怎样影响等，传统的粗排快手热门算法，精排，重排漏斗形三阶段排序，还不足以满足这种复杂的需求，融合到统一的排序模型里很难实现。
快手社区科学部技术经理李彪将会带来《快手沉溺式推荐多阶段排序系统》，介绍快手沉溺式推荐场景，以及推荐中遇见的问题。
讲演提纲：
快手沉溺式场景介绍快手多阶段排序方案多队列融合排序上下文排序混和排序端上排序
你将获得：
快手对沉溺式排序的思索和方案晓得前沿的推荐排序模型进展，宽阔思路沉溺式推荐的理解，以及未来的发展趋势
三、阿里父亲承载着阿里集团电商业务的核心收入。一方面，随着深度学习的广泛应用，算法模型创新日新月异，这就对整个在线服务构架提出了高效快速迭代与持续推升算力供给天花板的挑战；另一方面快手热门算法，面对CPU/GPU/NPU的硬件资源池环境，怎么在在离线混布大背景下，最大化资源借助效率也是一个有趣的挑战。
阿里父亲资深技术专家孙鹏将带来《异构估算在阿里广告AI推理中的应用、优化与启示》，从搜索/推荐广告的场景出发，结合真实需求，探讨问题的解法、选型与相关思索，从算法-系统-硬件协同优化的角度给出通用与订制优化方案，即怎样着力解决超大规模稀疏场景下DL复杂模型的异构估算效能问题。
讲演提纲：
阿里父亲模型服务演化历史与现实挑战算法-软件-硬件（CPU/GPU/NPU）协同优化未来趋势发展的一些思索
你将获得：
了解阿里广告平台阿里父亲在线异构估算加速的一些实战沉淀阿里父亲广告场景下算法-软件-硬件协同性能优化的一些通用方式DataCenter中面向算力和超大规模稀疏场景的在线服务未来趋势演化思索
四、作为个性化时代互联网的核心应用，信息流推荐技术仍然是工业界研制与创新的战场。腾讯专家研究员李帅将带来《腾讯新闻信息流推荐技术实战》，从腾讯新闻的业务场景出发，拆解信息流推荐的业务问题，结合相应的算法技术与工程技术，探讨信息流推荐的技术方案与实践：从海量的内容池筛选到个性化多目标精准排序，从实时的数据流估算处理到超大规模的模型训练平台，以及疗效的在离线评判办法。
讲演提纲：
信息流推荐目标概述腾讯新闻推荐算法环节应用召回生态设计粗排复杂化精排多目标与减肥重排listwise算法环节评判的难点与应对
你将获得：
推荐系统的一些核心问题具象了解腾讯新闻的推荐技术实践了解腾讯新闻的一些前沿技术与成果
不仅上述话题以外，会议还设置了人工智能前沿技术、通用机器学习技术、计算机视觉实践、智能金融技术与业务结合、推荐广告技术与实践、AI工程师团队建设与管理、认知智能的前沿探求、AI与产业互联网结合、大数据估算和剖析、大规模机器学习算法及应用、智能语音前沿技术应用、大规模预训练模型进展、自动驾驶技术等等，共14个专题。更多精彩议程请点击阅读原文查看。
目前会议套票9折特价中，买票立减480元。买票请联系票务小妹妹文柳：13269078023（电话同陌陌）
相关图书推荐
▊《弹性估算：无处不在的算力（全彩）》
阿里云基础产品委员会著
（易迅满100减50，快快扫码疯抢吧！）
▊《深度学习视频理解》
张皓著
（易迅满100减50，快快扫码疯抢吧！）
▊《深度学习推荐系统》
王喆著
（易迅满100减50，快快扫码疯抢吧！）
▼点击阅读原文，查看会议详情~复制
