详细介绍了基于大模型的生成式检索，从 Lexical based 方向深入探究大模型生成式检索的应用，从 SemanticID based 方向深入探究大模型生成式检索的应用。

基于 Taro 打造的京东鸿蒙 APP 已跟随鸿蒙 Next 系统公测，本系列文章将深入解析 Taro 如何实现使用 React 开发高性能鸿蒙应用的技术内幕

在京东广告的大模型应用架构中，召回环节至关重要。传统召回方式在规则灵活性和用户需求捕捉上存在局限，而大模型带来了新的契机，但也面临训练成本和隐私保护的挑战。京东广告的生成式召回体系包括：基于世界知识和电商平台的数据体系、多模态商品内容理解与用户意图识别，以及高效的生成式模型训练和推理架构。在实践中，通过商品内容语义量化、生成式商品解码召回和模型推理性能优化，显著提升了召回效率。在 InfoQ 举办

2025年，虚拟试衣已成为电商行业不可或缺的核心环节，从技术落地到商业变现，全行业都在加速布局这一赛道。什么是虚拟试衣？其背后的核心技术方案有哪些？国内外电商大厂又有哪些典型实践案例？如何突破技术瓶颈，打造更贴合用户需求的试穿体验？电商平台又该如何构建完整的AIGC能力矩阵？本文分享将深度拆解虚拟试衣的技术逻辑、行业实践与未来趋势，解锁电商AIGC的全域布局思路。内容围绕以下板块展开：首先解析虚拟

本文将从概念辨析出发，系统拆解主流存储模型与存储引擎的设计逻辑，对比 JMQ、Kafka、RocketMQ的技术选型差异与架构设计。

MicroApp 1.0已经发布，我们将积极回应开发者的问题和反馈，并持续改进，以帮助更多开发者提高效率和改善开发体验。欢迎大家使用MicroApp并参与共建，也希望在GitHub上给我们点个Star来支持我们。

迈向2026，xLLM 期待与各位继续携手，共同推动开源 AI Infra 生态的繁荣与发展。

快手高级技术专家刘永超分享了公司跨端布局与技术实践经验，涵盖了原生、H5、WEB、小程序、鸿蒙KMP等内容。快手跨端技术布局在互联网业务竞争加剧的背景下，技术团队面临两大核心挑战：如何快速触达用户（版效）和如何实现多端一致性（人效）。快手业务分为三类：核心业务（视频）、拓展业务（电商）、生态业务（外部服务）。对于跨端能力在前端和客户端开发两个视角，各自关注效率优先和性能体验优先，技术如何在保障性能

尽管目前 i18n-mcp 仍存在一些不足，例如在全面扫描大量文件时可能出现连接错误、翻译和替换结果不够准确等问题，仍需人工进行二次校验，但其在短时间内辅助开发的价值依然显著。在本次实践过程中，我主要通过 JoyCode 的交互式问答完成开发工作。JoyCode 不仅在代码补全方面发挥了重要作用，更凭借其强大的智能调度和自动化执行能力，成为高效处理复杂任务的核心中枢。结合 i18n-mcp 的开发

2026年已公布结果的国际顶级会议中，京东零售技术已有20+篇论文被CVPR、WWW、ICLR等多个极具影响力的国际学术会议收录。我们从中精选11篇，研究内容覆盖多模态多智能体系统、生成式推荐、生成式上下文理解范式、点击率预测等多个方向。这些成果不仅展现了零售技术与AI交叉的蓬勃活力，更预示着未来商业智能的演进方向。本期为论文成果合集第一期，后续将持续邀请论文作者深度解析技术思路与落地实践，带你“