在其为期两年的IT基础设施改造工作中, eBay近日取得了一个重要的里程碑。今天,eBay宣布已经开发自己的定制服务器,并将在年底前开放硬件设计。
eBay于2016年7月开始进行重塑计划,该计划旨在构建eBay自己的硬件和人工智能引擎,使其数据中心集群去中心化,并转向可以更好地利用开源技术的边缘计算架构。
EBay当时表示,基础设施的改造将有助于它使用Kubernetes、Envoy Proxy、MongoDB和Apache Kafka等新技术,这将使eBay电子商务平台变得更加高效、更灵活和更具可扩展性。
在今天的博客文章中,eBay平台工程副总裁Mazen Rawashdeh表示,eBay仅花了9个月的时间来构建和部署定制服务器。他解释说,在很多情况下当企业开始进行这种项目的时候可能需要几年时间才能完成。不过,他补充说,eBay在这么短时间内完成该项目并没有增加任何额外的费用。
“我们系统性地研究了每一层技术堆栈,并检查了效率、能力和改进现有解决方案的机会,”Rawashdeh说。
他说,eBay已经开始实现这一现代化基础设施带来的好处,他们利用新技术构建了一个“内部人工智能引擎”,让开发人员能够为客户创造新的产品和体验。
“我们的人工智能引擎已经加速了新功能的生产,例如计算机视觉、图像搜索和社交共享,让团队将开发时间从几周缩短到几小时,”Rawashdeh说。
就在公布这些新服务器不到一个月之前,eBay刚刚推出了两个新的API,让开发人员能够将部分人工智能功能添加到他们的服务中。这其中包括一个Image Search API,让开发人员可以访问eBay的视觉搜索工具来帮助用户探索市场。
例如,购物者可以拍一张他们想要购买的商品照片,并在eBay上搜索类似产品。或者,他们可以在线提供现有图像的链接,eBay会在自己的平台上搜索这个商品或者其他类似商品。
此外eBay还发布了一个机器翻译API,用于自动将英语商品名称和描述翻译成普通话,反过来对于普通话查询请求也是如此。
所有这些举措都是针对开发者社区的,而开发者社区是eBay实现更广泛增长的战略的一个组成部分。目前eBay正在借助于开发者的力量来强化自己的平台,并指出,自今年年初以来eBay已经帮助推动了全球超过96亿美元的商品销售额。
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。