2016年开始，海外开始出现互动技术在商业化上应用的探索，并不断在互动广告、品牌互动、游戏化方面得到价值验证，全球主流广告平台已布局和推动应用。

价值得到验证的同时，也面临着高技术门槛问题，如何保证互动广告、品牌互动和游戏化的价值最大化，需要从互动创意策划、批量化生产、高效管理流转、动态创意投放优化、高性能渲染和数据分析优化方面实现全链路建设。

演讲提纲：

1. 互动技术的发展背景
2. 互动技术在全球移动广告上的应用和现状
3. 互动技术的难点和挑战
4. 字节跳动在互动技术上的建设及应用

你将获得：

1. 了解互动技术在全球移动广告应用的背景及现状
2. 了解互动技术在移动广告上的难点和挑战
3. 熟悉字节跳动在互动技术上的建设和应用
4. 在移动广告方向上拓展新的建设思路

作为阿里巴巴集团的商业营销平台，阿里妈妈承载着集团电商业务的核心收入。一方面，随着深度学习的广泛应用，算法模型创新日新月异，这就对整个在线服务架构提出了高效快速迭代与持续推升算力供给天花板的挑战；另一方面，我们面对的是CPU/GPU/NPU的硬件资源池环境，如何在在离线混布大背景下，最大化资源利用效率也是一个有趣的挑战。

本次演讲将从搜索/推荐广告的场景出发，结合真实需求，阐述问题的解法、选型与相关思考，从算法-系统-硬件协同优化的角度给出通用与定制优化方案，即如何切实解决超大规模稀疏场景下 DL 复杂模型的异构计算效能问题。

演讲提纲：

1. 阿里妈妈模型服务演进历史与现实挑战
   • 广告场景下模型迭代对算力及系统的需求
   • 业务迭代范式抽象
   • 算力供给与异构计算
2. 算法-软件-硬件（CPU/GPU/NPU）协同优化
   • 软-硬件协同优化：NPU 低精度实践
   • 算法-系统协同优化：广告创意压缩
   • 系统优化：CPU-GPU 异构计算与编译优化
3. 未来趋势发展到一些思考
   • 关于系统评价体系
   • 混布资源池下在线系统的最优化问题
   • 未来系统演进的可能方向

你将获得：

1. 了解阿里广告平台阿里妈妈在线异构计算加速的一些实战沉淀
2. 阿里妈妈广告场景下算法-软件-硬件协同性能优化的一些通用方法
3. DataCenter 中面向算力和超大规模稀疏场景的在线服务未来趋势演进思考

作为个性化时代互联网的核心应用，信息流推荐技术一直是工业界研发与创新的战场。腾讯新闻是国内领先的综合类新闻资讯 App，提供严肃准确的时事要闻，高效优质的资讯视频内容，并结合优秀的信息流推荐技术服务用户体验。

本次演讲将从腾讯新闻的业务场景出发，拆解信息流推荐的业务问题，结合相应的算法技术与工程技术，阐述信息流推荐的技术方案与实践分享：从海量的内容池筛选到个性化多目标精准排序，从实时的数据流计算处理到超大规模的模型训练平台，以及效果的在离线衡量办法。

演讲提纲：

1. 信息流推荐目标概述
2. 腾讯新闻推荐算法环节应用
   • 召回生态设计
   • 粗排复杂化
   • 精排多目标与瘦身
   • 重排 listwise
3. 算法环节衡量的难点与应对

你将获得：

1. 推荐系统的一些核心问题抽象
2. 了解腾讯新闻的推荐技术实践
3. 了解腾讯新闻的一些前沿技术与成果

沉浸式的短视频消费越来越重要，推荐会面临很多挑战，比如众多用户反馈信号如何整合排序，沉浸式消费中正负反馈如何做快速的反应，上下文内容对推荐如何影响等，传统的粗排，精排，重排漏斗形三阶段排序，还不足以满足这些复杂的需求，融合到统一的排序模型里很难实现。本次演讲将介绍快手沉浸式推荐场景，以及推荐中遇到的问题，根据业务问题对排序系统做更精细的设计，形成多阶段排序方案，介绍每阶段排序定位，模型选型及方案，各阶段联合起来如何来满足用户多维度的消费需求。

演讲提纲：

1. 快手沉浸式场景介绍
   • 产品形态、特点等背景介绍 
2. 快手多阶段排序方案
   • 传统粗排-精排-重排技术发展简介
   • 快手面临的挑战和多阶段排序的方案
3. 多队列融合排序
   • 精排多目标预估结果融合的价值、难点
   • 快手多目标融合排序的方案
4. 上下文排序
   • 沉浸式环境下listwise排序价值、难点
   • 快手listwise排序模型方案
5. 混合排序
   • 异质内容如广告、直播、自然结果混排背景及难点
   • 业界混排思路与进展
   • 快手混合排序的策略
6. 端上排序
   • 端上重排的价值与挑战
   • 快手端上重排架构和模型
   • 端上排序的未来方向

你将获得：

1. 快手对沉浸式排序的思考和方案
2. 知道前沿的推荐排序模型进展，开阔思路
3. 沉浸式推荐的理解，以及未来的发展趋势