受益于安全多方计算技术的快速进步，PIR的计算效率和实用性显著提升，已广泛应用于跨机构数据协作、医疗隐私查询、区块链智能合约等高安全场景，成为平衡数据利用与隐私保护的关键基础设施。PIR 从“能否安全检索”的理论可行性，逐步走向“如何高效可用”的工程实践，再到“面向业务部署”的多场景融合。双侧PIR（Double-sided PIR 或 Symmetric PIR）：同时保护查询方与数据提供方的隐

其中，在营销层，革新了以往功能繁多操作麻烦的BP，给广告主带来一种新的对话式交互体验，广告主只需要通过简单的自然语言的描述，即可实现全部的营销流程，大大简化了广告主的操作和学习成本。，现实环境中的竞价环境是非常复杂且动态变化的，只控制预算无法满足更多样的出价计划的进一步优化。AlphaGo的惊艳表现，展现了强化学习的力量，而自动出价是一个非常典型的序列决策问题，在预算周期内，前面花的好不好会影响到

丨目录：· 摘要· 动机：在离线不一致问题· 问题建模· 方法：SORL框架· 实验结果· 总结· 关于我们·参考文献▐摘要近年来，自动出价已成为广告主提升投放效果的重要方式，在真实广告系统（RAS）中，常见的自动出价策略是利用强化学习算法在复杂多变的竞价环境下进行实时调整。考虑到线上探索的成本和安全性，强化学习模型的训练通常是在一个模拟广告系统（VAS）中进行。由于RAS和VAS之间存在明显..

丨目录：· 摘要· 背景· 方法· 实验· 总结与展望·参考文献1. 摘要近些年来图神经网络模型在图数据的不同任务上取得了很大进展。然而真实世界的图数据往往是以流式形式存在的，已有一些方法对图神经网络模型进行更新，比如说在每个时间片上对全图进行重新训练，但是会导致很高的计算复杂度；而传统在线学习方法则会导致灾难性遗忘的发生，使得模型无法在全图上有无损的效果。在本文中，我们提出了一种在流式场景下..

本文指出，高精度文本渲染的关键在于构建字符级的视觉特征作为控制信号，为此我们构建了一个鲁棒的字符级表征，并提出TextRenderNet，一种基于SD3[1]的ControlNet[4]结构模型，采用字符级表征作为控制信号来渲染视觉文本，成功实现了高精度的视觉文本生成。本文专注于商品图文海报生成任务，具体任务定义为：给定描述背景场景的prompt（提示词）、用户指定的商品前景图像以及一些文案内容和

本文指出，高精度文本渲染的关键在于构建字符级的视觉特征作为控制信号，为此我们构建了一个鲁棒的字符级表征，并提出TextRenderNet，一种基于SD3[1]的ControlNet[4]结构模型，采用字符级表征作为控制信号来渲染视觉文本，成功实现了高精度的视觉文本生成。本文专注于商品图文海报生成任务，具体任务定义为：给定描述背景场景的prompt（提示词）、用户指定的商品前景图像以及一些文案内容和

如表1 所示，从重复请求的时间间隔分布（当前请求与前次请求的间隔）来看，绝大多数请求呈现高频短周期特征：46%的重复请求间隔小于10秒，75%集中在2分钟内。基于淘宝平台的真实数据分析发现，大量用户在浏览完整系统返回的商品卡片时会发起大量重复请求，导致系统重复执行召回、粗排、精排等多阶段计算，但最终仅获得少量广告曝光，造成显著算力资源浪费。以未实施任何回收策略的原广告系统为基线，通过调节效率衰减阈

✍???? 本文作者：木行、冰瞳、春草、堇华、玄同等丨目录：· 写在前面· 新的探索· 方案设计&落地·实验· 总结与展望·写在最后· 引用在绿色计算的大背景下，算力使用将朝着更加高效和智能的方向持续演进。本文将介绍阿里妈妈展示广告引擎在全局视角下优化算力分配的最新思考和实践，欢迎留言一起讨论。阿里妈妈动态算力系列文章：【2021】阿里妈妈展示广告引擎新探索:迈向全局最优算力分配【2020

如表1 所示，从重复请求的时间间隔分布（当前请求与前次请求的间隔）来看，绝大多数请求呈现高频短周期特征：46%的重复请求间隔小于10秒，75%集中在2分钟内。基于淘宝平台的真实数据分析发现，大量用户在浏览完整系统返回的商品卡片时会发起大量重复请求，导致系统重复执行召回、粗排、精排等多阶段计算，但最终仅获得少量广告曝光，造成显著算力资源浪费。以未实施任何回收策略的原广告系统为基线，通过调节效率衰减阈

如表1 所示，从重复请求的时间间隔分布（当前请求与前次请求的间隔）来看，绝大多数请求呈现高频短周期特征：46%的重复请求间隔小于10秒，75%集中在2分钟内。基于淘宝平台的真实数据分析发现，大量用户在浏览完整系统返回的商品卡片时会发起大量重复请求，导致系统重复执行召回、粗排、精排等多阶段计算，但最终仅获得少量广告曝光，造成显著算力资源浪费。以未实施任何回收策略的原广告系统为基线，通过调节效率衰减阈