原来GNN这么好上手，OMG！用它！
GraphLearn（GL）是阿里巴巴开源的一个大规模图神经网络平台，本文将对GL的接口做基本介绍，帮助用户快速上手。项目地址：https://github.com/alibaba/graph-learn 。
揭秘工业级大规模GNN图采样
互联网下的图数据纷繁复杂且规模庞大，如何将GNN应用于如此复杂的数据上呢？答案是图采样。结合阿里巴巴开源的GNN框架Graph-Learn（https://github.com/alibaba/graph-learn），本文重点介绍GNN训练过程中的各种图采样和负采样技术。
序列特征在推荐算法中的应用
行为序列特征在推荐，广告等领域中有着广泛应用，最近几年涌现了很多有关行为序列的研究论文，讲解如何将行为序列应用到实际场景中。但是论文中的实际思想距离落地还有一段距离，因此本文先介绍一些论文中的序列特征的用法，然后介绍一下在大规模分布式推荐系统框架 EasyRec 中如何将序列特征快速落地，提升实际场景效果。
大语言模型的直接偏好优化（DPO）对齐在PAI-QuickStart实践
阿里云的人工智能平台PAI，作为一站式的机器学习和深度学习平台，对DPO算法提供了全面的技术支持。无论是开发者还是企业客户，都可以通过PAI-QuickStart轻松实现大语言模型的DPO对齐微调。本文以阿里云最近推出的开源大型语言模型Qwen2（通义千问2）系列为例，介绍如何在PAI-QuickStart实现Qwen2的DPO算法对齐微调。
使用PAI×LLaMA Factory 微调 Llama3 模型
本次教程介绍了如何使用PAI和LLaMA Factory框架，基于轻量化LoRA方法微调Llama-3模型，使其能够进行中文问答和角色扮演，同时通过验证集ROUGE分数和人工测试验证了微调的效果。在后续实践中，可以使用实际业务数据集，对模型进行微调，得到能够解决实际业务场景问题的本地领域大模型。
