文章主要介绍了百度反作弊业务中应用极大连通子图、标签传播、Fraudar、图神经网络算法各类图算法挖掘作弊团伙的实践经验。

这不是一个"AI 多神奇"的故事。而是一个"人 + AI 协作的最佳实践人提供：真实需求、真实数据、方向判断、优先级决策AI 提供：陌生领域的知识、代码实现、边界情况提醒、可选方案对比当你清楚自己要什么,当你愿意把真实上下文喂给 AI,当你在 AI 犯错时有判断力把它纠回来——盲区再多,都可以靠"明确目标 + 快速反馈"在极短时间内完成原本不可能的事。代码是 AI 写的，但这个插件是我做的。

百度电商风控研发团队在审核场景，通过流程ai化改造和建设机审AI Agent，阶段性实现了替代人审和完成审核提效目标的最佳实践。

百度MEG数据中台通过存算分离与多引擎协同，将ClickHouse演进为兼顾极致性能与低成本扩展的湖仓一体架构，有效破解了海量数据存储、敏捷探索及系统稳定性的多重挑战。

整合云原生生态与k8s编排能力，打造更易用、高弹性、低运维的流式计算平台，实现从资源托管到开发的全链路效率提升。

本文介绍了百度网盘如何通过Flink构建实时计算引擎，以解决Spark Streaming存在的问题，提供高性能、低延迟、稳定的实时计算能力，并介绍了实时计算引擎的演进历程、选择Flink的原因以及未来展望。

这次分享讲解了单机单卡、单机多卡、多机多卡等场景下云原生 AI 的资源调度和管理方法，介绍了可以帮助 AI 工程师屏蔽底层资源复杂性、无缝对接 AI 任务与 AI 资源的 AI 工作流引擎 PaddleFlow 的技术架构和产品细节。

Pipeline as Code 既是一种高效的流水线管理形式，也是 CI/CD 转变成 DevOps 的一种新的趋势。借助于 PaC，给整个流水线带来的不可思议的灵活性，也给团队围绕流水线的建设、沟通和协作带来了有益的变化。...

在云原生时代下，软件的迭代速度越来越快，对开发测试的要求也越来越高。文库的整体架构上云后，配套的项目测试流程产生了变化，随之暴露出来了很多问题。全文4349字，预计阅读时间11分钟。一、大背景：上云首先，我们把上云前文库研发团队的项目流程进行分析，如下。存在的问题如下开发环境研发流程状态同步不及时•依靠邮件方式同步进度效率较低开发环境部署效率低下•应用环境构建方式复杂•环境切换困难•文档缺失自有服

今天主要给大家先分享分享百度百舸的「大模型训推任务加速套件 AIAK-LLM」 的内容。