10｜系统构建（二）：AI系统的冲锋队——在线系统
Tyler
你好，我是 Tyler。
经过我们上节课的努力，在课程最后一起完成了一个基于向量召回的小型内容推荐系统，做到了使用用户向量来推荐空间距离相近的物品。然而，我想提醒你，基于空间关系的向量召回，不足以支撑工业级 AIRC 系统的需求，为什么这么说呢？
使用基于空间距离的匹配方式，就好比让机器评估“你和一个人的关系好不好”，它只能告诉你这是一个整体的关系，无法回答哪些方面好，哪些方面不好这个问题。因此，大多公司为了追求最大化商业利益，通常会根据自身场景的特点设计更加个性化的排序算法。
这节课，我们就来好好聊聊怎么设计算法，才能帮助公司赚更多钱。毕竟这最能直观体现技术的价值。
排序服务
首先，我们可以通过在线排序模块，实现更精细化的排序。这里的核心内容是第 5 节课中提到的指标建模。这节课，我将带你更深入地理解指标建模背后的意义。
指标排序
指标建模看起来是一个排序打分的过程。但它的本质是通过控制排序因子，影响产品业务表现。之前提到过，电商平台为了最大化商品总交易额（GMV），会使用后面的打分方式排序。
这样便可以最大化电商平台最重要的财务指标 GMV。但在很多时候，除了收入，我们还有很多重要的业务指标需要兼顾。比如真正让老牌电商平台头疼的并不是拼多多的营收，而是它高速增长的每日日活用户。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
本文深入探讨了AI系统中在线系统的构建和应用，涵盖了排序模块、指标建模、控制因子以及多方博弈等关键内容。文章首先强调了在线排序模块对于影响产品业务表现的重要性，指出通过控制排序因子来实现业务目标。其次，介绍了控制因子的作用，强调排序分不仅能控制业务指标，还可以实现流量控制的能力。引入PID的输出作为控制因子加入排序分，可以更灵活地控制所有逻辑，同时更温和地实现流量控制。此外，还探讨了多方博弈的应用场景，以实时竞价问题为例，介绍了智能体系统的竞争策略和盈利空间的考量。最后，从流量卖家的视角出发，讨论了媒体方采取的干扰购买方策略，以及拍卖理论和市场竞价预估的算法应用。整体而言，本文深入浅出地介绍了AI系统中在线系统的构建和应用，为读者提供了深入了解AI系统在线系统的重要知识点。
仅可试看部分内容，如需阅读全部内容，请付费购买文章所属专栏
《AI 大模型系统实战》，新⼈⾸单¥59
《AI 大模型系统实战》，新⼈⾸单¥59
立即购买
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
登录 后留言
全部留言(3)
- 最新
- 精选
peter市面上有多个大模型，比如chatGPT、Bard等，国内也有一些，这些模型的主要区别在什么地方？作者回复: 你好，peter！很好的问题，你所说的区别具体是指什么呢？是在产品上的区别还是技术上的区别呢？
2023-09-02归属地：北京1
顾琪瑶1. 都需要由大量的数据做储备进行特征处理, 才能完成目标 2. 影响了产品的使用及设计方式作者回复: 你好，顾琪瑶！回答的很好，希望你能够持续思考这个问题，并且带着这个问题学习后面的课程，相信你一定会在后面有新收获。
2023-09-01归属地：上海1
周晓英内容分发系统（Content Delivery System）和生成式AI系统（Generative AI System）在某些方面确实存在共性，尽管它们的主要目的和实现方式可能有所不同。以下是一些共性和相应的解释： 1. 数据驱动: 两者都是数据驱动的系统。内容分发系统依赖于大量的内容数据，而生成式AI系统依赖于训练数据来学习生成新内容。 2. 个性化推荐: 两者都可以实现个性化推荐。内容分发系统通过分析用户的行为和偏好来推送相关内容，而生成式AI系统可以通过理解用户的输入和上下文来生成个性化的回应。 3. 实时交互: 两者都可以提供实时交互。内容分发系统可以实时推送新内容，而生成式AI系统可以实时生成回应。 4. 优化和学习: 两者都具有优化和学习的能力。内容分发系统可以通过分析用户反馈来优化推荐算法，而生成式AI系统可以通过机器学习方法来优化生成模型。 5. 动态内容生成或推送: 两者都可以动态生成或推送内容。内容分发系统可以根据用户的行为和偏好动态推送内容，而生成式AI系统可以动态生成符合用户需求的内容。 6. 依赖于算法和技术: 两者都依赖于先进的算法和技术。内容分发系统依赖于推荐算法和分析工具，而生成式AI系统依赖于自然语言处理和机器学习算法。 7. 目的: 尽管它们的主要目的可能不同（内容分发系统主要是为了推送现有内容，而生成式AI系统是为了生成新内容），但它们的最终目的都是为了满足用户的需求和提供高质量的内容或服务。 通过上述分析，我们可以看到内容分发系统和生成式AI系统在个性化服务、实时交互、数据驱动和持续优化等方面具有共性。2023-10-02归属地：美国6
收起评论