专题演讲嘉宾：徐羽

随着信息流和短视频应用的发展，推荐系统已经从传统的单目标浅层网络的中小型架构演进为多目标超大规模深度学习的复杂架构。这种复杂的系统的演进对大规模的训练推理和在线排序提出了非常高的技术要求。另外随着用户消费内容类型以及业务复杂度的增加，如何可以更好的理解文字、图片、视频到多模态，乃至用户画像的进一步演进，到最终可以给用户推送最合适的内容，也成为了一个在不断迭代和优化的过程。

演讲中将会基于手机 QQ 浏览器（MAU 4亿+）的核心用户场景（信息流、视频播放、PUSH等），描述 QQ 浏览器从海量样本处理训练、在线推理到在线排序的流程和方法论，并通过具体案例介绍 NLP 技术和视频理解 CV 技术在用户理解和内容理解方面的最新进展。最后也会介绍目前 PCG 的 AI 中台的规划思路和进展。

演讲提纲：

1. 传统推荐系统 vs 现代推荐系统
2. 现代推荐系统的整体架构
3. 超大规模训练和推理 Framework
4. 大规模 NLP 预训练
5. 视频理解和多模态在推荐的应用
6. 关于 PCG 推荐 AI 中台的一些思考

你将获得：

1. 了解大规模排序系统
2. 了解大规模算法模型训练和推理
3. 了解 NLP 预训练的进展
4. 了解视频理解和多模态的进展