惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

Microsoft Azure Blog
Microsoft Azure Blog
V
V2EX
博客园 - 【当耐特】
WordPress大学
WordPress大学
爱范儿
爱范儿
美团技术团队
宝玉的分享
宝玉的分享
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
小众软件
小众软件
量子位
Hugging Face - Blog
Hugging Face - Blog
B
Blog RSS Feed
Recorded Future
Recorded Future
Engineering at Meta
Engineering at Meta
雷峰网
雷峰网
CTFtime.org: upcoming CTF events
CTFtime.org: upcoming CTF events
M
MIT News - Artificial intelligence
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
博客园 - 聂微东
H
Hackread – Cybersecurity News, Data Breaches, AI and More
腾讯CDC
大猫的无限游戏
大猫的无限游戏
Jina AI
Jina AI
博客园 - 叶小钗
GbyAI
GbyAI
Y
Y Combinator Blog
Cyber Security Advisories - MS-ISAC
Cyber Security Advisories - MS-ISAC
F
Full Disclosure
G
Google Developers Blog
D
Docker
T
Tailwind CSS Blog
C
Check Point Blog
Last Week in AI
Last Week in AI
人人都是产品经理
人人都是产品经理
T
The Blog of Author Tim Ferriss
B
Blog
博客园 - 三生石上(FineUI控件)
博客园 - Franky
H
Help Net Security
MyScale Blog
MyScale Blog
U
Unit 42
D
DataBreaches.Net
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
I
InfoQ
阮一峰的网络日志
阮一峰的网络日志
The GitHub Blog
The GitHub Blog
L
LangChain Blog
有赞技术团队
有赞技术团队
Martin Fowler
Martin Fowler
Microsoft Security Blog
Microsoft Security Blog

美团技术团队

美团 · 技术团队 美团 · 技术团队 美团 · 技术团队 美团 · 技术团队 美团 · 技术团队 美团 · 技术团队 美团发布基于 N-gram 全新模型:嵌入扩展新范式,实现轻量化 MoE 高效进化 2025美团技术年货,「马」上到来 多维创新打造强泛化智能体模型,LongCat-Flash-Thinking-2601技术报告发布 美团 EvoCUA 刷新开源 SOTA,会用电脑还会持续进化的智能体! 美团 LongCat-Flash-Thinking-2601 发布,工具调用能力登顶开源 SOTA! KuiTest:基于大模型通识的 UI 交互遍历测试 AAAI 2026 | 美团技术团队学术论文精选 2025 | 美团技术团队热门技术文章汇总 美团 LongCat-Video-Avatar 正式发布,实现开源 SOTA 级拟真表现 大模型剪枝新范式:先浓缩,再剪枝——DenoiseRotator技术解读 LongCat 上线 AI 生图!精准高效,AI 创作不设限 美团发布 LongCat-Image 图像生成模型,编辑能力登顶开源 SOTA AI Coding与单元测试的协同进化:从验证到驱动 R-HORIZON:探索长程推理边界,复旦NLP&美团LongCat联合提出LRMs能力评测新框架 美团 LongCat 发布 AMO-Bench:突破 AIME 评测饱和困境,重新定义 LLM 数学上限 美团 LongCat Interaction 团队发布大模型交互系统技术报告 WOWService 美团 LongCat 团队发布全模态一站式评测基准 UNO-Bench 美团开源LongCat-Audio-Codec,高效语音编解码器助力实时交互落地 NeurIPS 2025 | 美团技术团队论文精选 LongCat-Flash-Omni正式发布并开源:开启全模态实时交互时代 美团 LongCat 团队发布 VitaBench:基于复杂生活场景的交互式 Agent 评测基准 LongCat-Video 视频生成模型正式发布,探索世界模型的第一步 ICCV 2025 | 美团论文精选及多模态推理竞赛冠军方法分享 从0到1建设美团数据库容量评估系统 可验证过程奖励在提升大模型推理效率中的探索与实践 LongCat-Flash-Thinking 正式发布,更强、更专业,保持极速! 开源 | InfiniteTalk:无限长虚拟人视频生成的新范式 美团正式发布并开源 LongCat-Flash-Chat,动态计算开启高效 AI 时代 美团 M17 团队开源 Meeseeks 评测集:揭秘大模型的“听话”能力 可信实验白皮书系列08:开放式分析引擎 | 附PDF合集 美团智能头盔研发实践系列02:软件功能篇 美团智能头盔研发实践系列01:硬件设计篇 ACL 2025 | 美团技术团队论文精选 美团开源OIBench与CoreCodeBench:揭示大模型编程能力的真实水平 可信实验白皮书系列07:高阶实验工具 开源 | MeiGen-MultiTalk:基于单张照片实现多人互动演绎 可信实验白皮书系列06:观察性研究 JDK高版本特性总结与ZGC实践 可信实验白皮书系列05:准实验 可信实验白皮书系列04:随机轮转实验 可信实验白皮书系列03:随机对照实验 可信实验白皮书系列02:AB实验基础 可信实验白皮书系列01:从0到1的方法论与实践指南 MTGR:美团外卖生成式推荐Scaling Law落地实践 OR算法+ML模型混合推理框架架构演进 ICLR&CVPR 2025美团技术团队论文精选 行为正则化与顺序策略优化结合的离线多智能体学习算法 预测技术在美团弹性伸缩场景的探索与应用 美团技术年货 | 600+页电子书,算法、工程、测试、数据、安全系列大合集 鸿蒙应用签名实操及机制探究 2024 | 美团技术团队热门技术文章汇总 AutoConsis:UI内容一致性智能检测 CIKM 2024 | 美团技术团队精选论文解读 大前端:如何突破动态化容器的天花板? KDD 2024 OAG-Challenge Cup赛道三项冠军技术方案解读 新一代实验分析引擎:驱动履约平台的数据决策 大众点评技术部包揽KDD 2024 OAG-Challenge Cup赛道全部3项冠军 ACL 2024 | 美团技术团队精选论文解读 KDD 2024 | 美团技术团队精选论文解读 基本功 | 一文讲清多线程和多线程同步 小程序可测性能力建设与实践 SIGIR 2024 | 美团技术团队精选论文解读 Spark向量化计算在美团生产环境的实践 CVPR 2024 | 美团技术团队精选论文解读 基于多模态信息抽取的菜品知识图谱构建 DDD在大众点评交易系统演进中的应用 美团外卖基于GPU的向量检索系统实践 美团大规模KV存储挑战与架构实践 基于接口数据变异的App健壮性测试实践 美团技术年货 | 600+页电子书,前端、后端、算法、测试、运维系列大合集 美团RASP大规模研发部署实践总结 2023 | 美团技术团队热门技术文章汇总 美团到店终端从标准化到数字化的演进之路 AIOps在美团的探索与实践——事件管理篇 美团技术博客十周年,感谢一路相伴 基于UI交互意图理解的异常检测方法 如何利用「深度上下文兴趣网络」提升点击率? 基于模式挖掘的可靠性治理探索 代码变更风险可视化系统建设与实践 美团多场景建模的探索与实践 MJDK 如何实现压缩速率的 5 倍提升? 如何提供一个可信的AB测试解决方案 KDD 2023 | 美团技术团队精选论文解读 美团前端研发框架Rome实践和演进趋势 斩获CVPR 2023竞赛2项冠军|美团街景理解中视觉分割技术的探索与应用 MySQL自治平台建设的内核原理及实践(下) CVPR 2023 | 美团技术团队精选论文解读 超大规模数据库集群保稳系列之三:美团数据库容灾体系建设实践 超大规模数据库集群保稳系列之二:数据库攻防演练建设实践 Robust 2.0:支持Android R8的升级版热修复框架 超大规模数据库集群保稳系列之一:高可用系统 一次「找回」TraceId的问题分析与过程思考 基于AI+数据驱动的慢查询索引推荐 SOTA!目标检测开源框架YOLOv6 3.0版本来啦
人物志 | KDD Cup 2017双料冠军燕鹏
技术学院 · 2017-09-07 · via 美团技术团队

2017年数据挖掘领域最有影响力的赛事KDD Cup近日揭晓,Convolution队从全球70个国家的3582支队伍里脱颖而出,包揽两项任务的冠军。这支双料冠军队成员名单里,有一个我们熟悉的名字——美团点评高级技术专家燕鹏。

燕鹏

说燕鹏可能大家并不一定知道,但提起燕鹏的网名Eureka,玩算法竞赛的同学一定不会陌生。是的,燕鹏同学就是在世界最大的算法竞赛平台Kaggle总排名第5的Eureka,目前在所有中国同学里排名最高,历史总成绩是16金13银3铜。

现在,就让我们一起来认识一下这位身边的大神吧。

对话燕鹏

Q:Hi燕鹏,请先简单介绍一下自己。

燕鹏:2002年清华硕士毕业,主要做模式识别。2002-2005在创业公司做计算机视觉相关工作,2005-2008年自己创业,2008-2016年在网易做广告相关的事情。2016年4月来到美团,主要负责酒旅排序的工作,现在到了金融服务平台,做机器学习相关的工作。

这几份工作都和数据挖掘专业相关,都是用机器学习来解决不同的问题,前期主要偏向图像,后期偏向数据相关。

Q:那说说你的KDD Cup经历吧。

燕鹏:这个大赛在圈子里还是很有名的,20年悠久历史了。算上这次我已经参加三次了。

第一次是2015年,当时我是队长,和7个不同国家(小编查了一下有美国日本韩国奥地利新加坡……)的人加上另外一个清华的同学,我们9个人组了队伍。队名就叫InterContinental Ensemble(洲际天团)哈哈。

大家在各个国家,用Skype,然后不同的时差,最后在一个时间点上等待着最终成绩的发布,最后我们第一名,这个让我印象很深刻。

等待成绩的时候一开始很忐忑,因为并不知道自己第几名。我们前几名的差距非常非常小,谁都可能是第一名,所以当时知道自己是第一名的时候,我们几个都炸掉了!

Q:所以你已经拿过一次冠军了啊。

燕鹏:是啊。其实这次你们要是不说,也就过去了。这次我不是队长,只是队里的老大哥。

Q:那第二次呢?好像没成绩?

燕鹏:2016年第二次也做完了,但由于算错了时差,答案提交得较晚,错过了获奖机会。

Q:说说这次冠军之路吧。

燕鹏:说实话,第一次赢了之后还是很高兴的。这次就没有那么强感觉了。相当于找人打了一局王者荣耀,赢了也没有值得炫耀的事情,输了也就输了。

另外第一次的前几名都是外国人,这一次比赛多是中国人,基本也没什么好说的。

Q:还是说说细节和感受吧。(小编心理活动:不然我怎么写稿子啊)

燕鹏:今年组队的同学里,有两个微软的(胡可和黄攀),一个是北航的研究生(陈欢),其中微软的小伙子是队长。我们线下认识,就商量说一起玩一下吧。我们几个人都有Kaggle比赛的冠军经验,所以实力还是很强的。

我是抱着玩儿的心态去的,他们比我更想赢,毕竟还没有赢过嘛。很多玩数据挖掘的人,都想赢一次KDD,它是一个相对于知名度较高的比赛,夸张的说,这个比赛是这个圈子里的奥林匹克。

本次大赛的题目,还是有一定挑战性的。具体可以看胡可的分享。

小编从胡可分享Slides里找到这幅图

这次数据比较少,意味着你的方法结果会不稳定,这种不稳定会意味着最后要靠一些运气来争夺输赢。应该是实力+运气的组合,这两个的组合不太好量化,其实很多比赛到了最后比1、2、3名的时候,都会靠一点点运气。曾经我有一次比赛,在十万分位的比别人高一点点,赢了。

Q:你们几个人是怎么合作的?

燕鹏:我们会先从自己的技术积累出发,充分讨论技术点和可能的方案。然后自由探索,分别给出自己的解决思路。这样做的好处是,不会一上来就把思路限制住。最后再进行充分融合。

Q:你觉得在KDD这种比赛取得好成绩,需要哪些能力和素质?

燕鹏:首先数学得好。

第二是实践实践实践。经验很重要,用数据挖掘、机器学习的方法来解决各种各样的问题的经验。多做,多用机器学习解决各种各样的问题,那么你再来一个新问题,哪怕是以前都没有从来没有做过的问题,可能都会做得出来。

在这个比赛之前,我也参加过各种各样的比赛,一方面是看时间,一方面是看问题。我以前喜欢做我擅长的,如广告,后来就越来越杂,比如这次的是交通的问题,我也做过金融、教育、医疗的问题。这个就是兴趣,你可能看到一个新的东西,你就会要解决他,觉得这个还挺高兴的。

除了数学好,对数据得敏感,这个不知道怎么更好的描述,有些人先天看到数据就会很感兴趣,就会找到规律,我们经常会用数据来说明情况。

Q:你是怎么加入美团点评的?

燕鹏:噢,原来的公司搬家了,搬远了。我家就在望京,美团点评离家很近,就来了。(小编心理活动:能不能别尽说大实话啊。)

Q:那来了美团点评以后感觉怎么样?

燕鹏:各方面都挺好的,对公司很满意。Leader对我很信任,能给我一些空间,让我做一些探索性的事情。

Q:对从事算法工作的同学,有什么建议?

燕鹏:我一直的观点,Paper+方法都要有。

机器学习发展的速度非常快,从事算法的同学应该更多的去Follow学术界和工业界的最新研究成果,想办法把这些研究成果运用到自己的工作中去。

另外,我觉得搞数据挖掘的同学可以多参加KDD这样的比赛,这是一个不错的学习的方式。大家从论文能学到东西,确实有很多新的方法,但是这种比赛里面会有很多技巧性的东西,这种技巧性的东西往往可能不是特别的深奥,写不出paper来,但也是非常有用的。

所以这两者不会重叠,会有一些互补。

Q:最后一个问题,有什么优秀的学习资料可以推荐给大家?

燕鹏:我推荐《The Elements of Statistical Learning》,比较难,但我非常喜欢。初级一点的同学,可以去学台大林轩田教授的机器学习课程

低调,实在,但其实挺牛、挺靠谱。嗯,这就是我们美团点评技术团队。