scalability

前谷歌工程师发布了一张谷歌内部工具及其开源替代品的地图，为构建可扩展的基础设施提供了秘籍。

本文提出了节点-边策略分解（NEPF）方法，以解决多重图上车辆路径问题（VRP）的可扩展性难题。该方法结合了预编码边聚合与分层强化学习，在加快训练和推理速度的同时，实现了最先进的求解质量。

文章分析了使用 PostgreSQL 作为作业队列的可扩展性限制，特别强调了高并发下 MultiXact SLRU 争用导致的性能瓶颈。文章解释了为什么这种架构在开发环境中表现良好，但在生产环境中却会失败，并建议考虑替代方案。

Ben Dicken 强调，分片是构建可扩展数据库和设计数据密集型应用的关键。

随着 AI 模型变得越来越强大且个性化，本文探讨了可靠性、安全性以及用户保护日益增长的重要性。

OpenAI分享了如何使用AI重新设计其支持运营，每年处理数百万个请求，建立了一个每次交互都能改进下一次的运营模式。该方法整合了聊天、邮件和电话等多个渠道，持续改进知识库，并通过人工-AI评估循环使支持代表能够充当建设者并为产品改进提供信息。

OpenAI 提出进化策略（ES）作为一种可扩展的黑箱优化方法，可替代强化学习用于训练神经网络策略。进化策略通过将策略训练视为随机参数搜索来简化优化问题，该搜索基于奖励反馈反复采样并选择更优的参数配置。

Linera 推出 microchain，彻底消除区块空间竞争，为 AI 代理和去中心化应用提供实时性能保障。