首页
学习
活动
专区
工具
TVP
发布

美团技术团队

我们信仰耐心和坚持的力量,愿意持续去做一些正确、有积累、可能表面看上去不那么重要实则非常关键的事情
专栏作者
518
文章
729450
阅读量
345
订阅数
美团视觉GPU推理服务部署架构优化实践
面对在线推理服务使用的GPU资源不断增加、GPU利用率普遍较低的挑战,美团视觉研发团队决定通过模型结构拆分和微服务化进行优化,他们提出了一种通用高效的部署架构,来解决这种常见的性能瓶颈问题。
美团技术团队
2023-02-28
1.1K0
美团入选“国家新一代人工智能开放创新平台”
近日,科技部正式批复,支持科技零售企业美团建设“智慧生活国家新一代人工智能开放创新平台” (以下简称“智慧生活国家开放创新平台”)。美团将在科技部支持下,依托并开放“自动驾驶、计算机视觉、智能语音、自然语言处理”等人工智能底层科技能力,建设智慧生活国家开放创新平台,助力传统服务业实现数字化转型升级。
美团技术团队
2022-12-16
7120
讲座报名|清华大学夏树涛:信息论、机器学习与AI安全初探
【清华大学-美团数字生活联合研究院学术沙龙】由清华大学-美团数字生活联合研究院发起和主办。自2022年3月起,定期邀请学术界、产业界专家,分享前沿技术和工业界实践经验,覆盖多个技术领域,旨在促进产学研合作与交流,推动科技创新发展。 | 议题及讲师 议题简介 信息论起源于香农的著名论文“通信的数学理论”,主要包括数据压缩(去除冗余)和信道编码(抵抗噪声)两大部分。机器学习重在发现数据间的内在关系,从数据中学习并做出决定或预测。当香农遇见图灵、信息论与机器学习如何相互影响? 本报告尝试抛砖引玉做一点探讨。一方面
美团技术团队
2022-09-26
6650
目标检测开源框架YOLOv6全面升级,更快更准的2.0版本来啦
总第536篇 | 2022年 第053篇 YOLOv6是美团视觉智能部研发的一款目标检测框架,致力于工业应用,于今年6月份在GitHub上开源。近日,美团视觉智能部发布了YOLOv6 2.0版本,推出了性能更强的全系列模型。 9月5日,美团发布了YOLOv6 2.0版本,本次更新对轻量级网络进行了全面升级,量化版模型 YOLOv6-S 达到了 869 FPS,同时,还推出了综合性能优异的中大型网络(YOLOv6-M/L),丰富了YOLOv6网络系列。其中,YOLOv6-M/L 在 COCO 上检测精度(A
美团技术团队
2022-09-20
1.3K0
讲座报名|北京邮电大学石川:开放环境下图神经网络初探
【清华大学-美团数字生活联合研究院学术沙龙】由清华大学-美团数字生活联合研究院发起和主办。自2022年3月起,定期邀请学术界、产业界专家,分享前沿技术和工业界实践经验,覆盖多个技术领域,旨在促进产学研合作与交流,推动科技创新发展。 | 议题及讲师 议题简介 近年来,越来越多的研究关注如何将神经网络应用到图数据上,形成了图神经网络的研究热潮。当前的图神经网络主要处理静态同质图数据,然而实际开放环境下交互系统构建的图数据往往具有异质性、动态性、稀疏性、脆弱性等特点。传统图神经网络需要满足数据固定不变、分布相同、
美团技术团队
2022-09-13
6260
KDD 2022 | 美团技术团队精选论文解读
总第529篇 2022年 第046篇 今年,美团技术团队有多篇论文被KDD 2022收录,这些论文涵盖了图谱预训练、选择算法、意图自动发现、效果建模、策略学习、概率预测、奖励框架等多个技术领域。本文精选了7篇论文做简要介绍(附下载链接,论文排名不分先后),希望能对从事相关研究方向的同学有所帮助或启发。 论文01:Mask and Reason: Pre-Training Knowledge Graph Transformers for Complex Logical Queries(支持知识推理的图谱预训
美团技术团队
2022-08-26
1.5K0
ACM SIGIR 2022 | 美团技术团队精选论文解读
总第524篇 2022年 第041篇 今年,美团技术团队有多篇论文被ACM SIGIR 2022收录,这些论文涵盖了观点标签生成、跨域情感分类、对话摘要领域迁移、跨域检索、点击率预估、对话主题分割等多个技术领域。本文精选了10篇论文做简要介绍(附下载链接),希望能对从事相关研究的同学有所帮助或启发。 SIGIR是信息检索方向的国际顶级会议(CCF-A类)。第 45 届国际信息检索大会(The 45th International ACM SIGIR Conference on Research and D
美团技术团队
2022-07-26
1K0
外卖广告大规模深度学习模型工程实践
总第520篇 2022年 第037篇 在外卖广告CTR场景下,深度学习模型正在从简单DNN小模型过渡到千亿参数复杂模型。基于该背景,本文将重点针对大规模深度模型在全链路带来的挑战,从在线时延、离线效率两个方面展开,阐述外卖广告在大规模深度模型上的工程实践经验,希望能为读者提供思路上的借鉴。 导语 1 背景 2 分析 3 模型推理 3.1 分布式 3.2 CPU加速 3.3 GPU加速 4 特征服务CodeGen优化 4.1 全流程CodeGen优化 4.2 传输优化 4.3 高维ID特征编码 5 样本构建
美团技术团队
2022-07-07
6720
美团获得小样本学习榜单FewCLUE第一!Prompt Learning+自训练实战
总第515篇 2022年 第032篇 近日,美团搜索与NLP部NLP中心语义理解团队的小样本学习模型FSL++在中文小样本语言理解权威评测基准FewCLUE榜单登顶,在自然语言推理(OCNLI)单任务中取得第一,并在极少数样本(一个类别仅100余个)的条件下,在新闻分类(TNEWS)、科学文献学科分类(CSLDCP)任务上超过了人类识别精确度。 1 概述 2 方法介绍 2.1 增强预训练 2.2 模型结构 2.3 数据增强 2.4 集成学习&自训练 3 实验结果 3.1 数据集介绍 3.2 实验对比 4
美团技术团队
2022-06-13
1.1K0
美团图神经网络训练框架的实践和探索
总第510篇 2022年 第027篇 美团搜索与NLP团队在图神经网络的长期落地实践中,基于业务实际场景,自主设计研发了图神经网络框架Tulong,以及配套的图学习平台,提升了模型的规模和迭代效率。本文介绍了模型归纳抽象、基本框架、性能优化,以及上层工具等方面的思考和关键设计,希望为从事相关工作的同学带来启发或者帮助。 1. 前言 1.1 问题和挑战 1.2 美团的解决方案 2. 系统概览 3. 模型框架 3.1 同质图 3.2 异质图 3.3 动态图 4. 训练流程框架 5. 性能优化 5.1 图数据结
美团技术团队
2022-05-20
7790
GPU在外卖场景精排模型预估中的应用实践
总第492篇 2022年 第009篇 GPU等专用芯片以较低的成本提供海量算力,已经成为机器学习领域的核心利器,在人工智能时代发挥着越来越重要的作用。如何利用GPU这一利器赋能业务场景,是很多技术研发者都要面临的问题。本文分享了美团外卖搜索/推荐业务中模型预估的GPU架构设计及落地的过程,希望能对从事相关应用研发的同学有所帮助或启发。 1 前言 2 背景 3 外卖搜推场景下的精排模型 4 模型服务架构概览 5 GPU优化实践 5.1 系统优化 5.2 计算优化 5.3 基于DL编译器的自动优化 6 性能表
美团技术团队
2022-03-04
7630
端智能在大众点评搜索重排序的应用实践
总第490篇 2022年 第007篇 端智能,是指在移动端设备运行人工智能(AI)应用的技术。本文主要讲述大众点评搜索场景下,在端侧部署大规模深度学习模型进行搜索重排序任务的实践方案,包括端上特征工程、模型迭代思路,以及具体部署优化的过程,希望能对从事相关领域开发的同学有所帮助或者启发。 1 引言 2 排序系统进阶:为什么需要端上重排 2.1 云端排序痛点 2.2 端智能重排流程和优势 3 端上重排序算法探索与实践 3.1 特征工程 3.2 用户反馈行为序列建模 3.3 重排模型设计 3.4 多场景应用效
美团技术团队
2022-03-04
1K0
开课啦|清华-美团联合课程《即时配送中的人工智能技术》
依托清华-美团数字生活联合研究院 清华自动化系和美团联合打造 《即时配送中的人工智能技术》研究生课程 今年春季将在清华首次开课! 想知道一单外卖送到你的手上,中间到底经历了哪些复杂技术环节吗? 想知道一线互联网公司是如何利用智能建模和优化理论来解决实际难题的吗?想知道机器学习、运筹优化算法在实际复杂场景落地面临哪些挑战吗?想知道如何成为应用 AI 解决实际问题的高手吗? 欢迎加入《即时配送中的人工智能技术》课程! 课程介绍 《即时配送中的人工智能技术》课程由清华大学自动化系和美团联合开设。课程介绍实际工业场
美团技术团队
2022-03-04
9020
7次KDD Cup&Kaggle冠军的经验分享:从多领域优化到AutoML框架
本文结合笔者在7次Kaggle/KDD Cup中的冠军经验,围绕多领域建模优化、AutoML技术框架以及面对新问题如何分析建模等三个方面进行了介绍。希望能够帮更多同学了解比赛中通用的高效建模方法与问题理解思路。
美团技术团队
2022-01-25
8660
预训练技术在美团到店搜索广告中的应用
搜索广告在优化流量变现效率等商业指标之外,也需要重点优化用户体验,降低不相关广告对用户体验的损害,这样才能保证平台生态的健康发展。本文对预训练技术在广告相关性的落地方案进行了介绍,既包括训练样本上的数据增强、预训练及微调阶段的BERT模型优化等算法探索层面的工作,也包括知识蒸馏、相关性服务链路优化等实践经验。
美团技术团队
2021-12-09
1.4K0
新一代CTR预测服务的GPU优化实践
CTR模型在互联网的搜索、推荐、广告等场景有着广泛的应用。近年来,随着深度神经网络的引入,CTR模型的推理对硬件算力的要求逐渐增加。本文介绍了美团在CTR模型优化的实践。通过分析模型结构特点,结合GPU硬件架构,我们设计了一系列流程对模型进行定制优化,达到了降低延迟、提高吞吐、节省成本的目标。
美团技术团队
2021-09-18
6440
小样本学习及其在美团场景中的应用
美团的各个业务有着丰富的NLP场景,而这些场景中模型的构建需要很多的标注资源,成本很高。小样本学习致力于在数据资源稀少的情况下训练出比较好的模型。本文从主动学习、数据增强、半监督学习、领域迁移、集成学习&自训练几个方向介绍了现有的一些方法,并在美团场景进行了实验,效果上也取得了一定的提升。希望能对从事相关研究的同学有所帮助或者启发。
美团技术团队
2021-08-26
1.2K0
KDD 2021|美团联合多高校提出多任务学习模型,已应用于联名卡获客场景
很多应用通常都需要用定向展示广告来进行获客,对信用卡广告来说,由于用户转化存在较长的链路,持续有效的获客比传统广告更具挑战性。本文结合美团联名信用卡业务中的具体实践,以及今年发表在KDD 2021上的论文,介绍了一种自适应信息迁移多任务(AITM)框架,通过该框架可建模用户多步转化之间的序列依赖关系,并提高端到端获客转化率。希望能对从事相关研究的同学有所帮助或者启发。
美团技术团队
2021-08-26
1.5K0
SIGIR 2021 | 广告系统位置偏差的CTR模型优化方案
美团到店广告平台算法团队基于多年来在广告领域上积累的经验,一直在数据偏差等业界挑战性问题不断进行深入优化与算法创新。在之前分享的《KDD Cup 2020 Debiasing比赛冠军技术方案与广告业务应用》一文[4]中,团队分享了在KDD Cup比赛中取得冠军的选择性偏差以及流行度偏差的解决方案,同时也分享了在广告业务上偏差优化的技术框架。
美团技术团队
2021-07-09
8430
外卖商品的标准化建设与应用
外卖菜品命名个性化程度高,为运营分析、召回排序、后台管理等业务带来一定的困难。本文系外卖美食知识图谱系列的第二篇文章,介绍了外卖从零到一建设菜品标准化体系的过程及方案,涉及的主要技术包括NLP领域的实体抽取、文本匹配、关系分类,以及CV领域的图像匹配等。最后,通过标准名在外卖业务中的应用实践,验证了标准名体系建设的价值和意义。
美团技术团队
2021-05-31
8240
点击加载更多
社区活动
腾讯技术创作狂欢月
“码”上创作 21 天,分 10000 元奖品池!
Python精品学习库
代码在线跑,知识轻松学
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档