阿里云函数计算与 NVIDIA TensorRT/TensorRT-LLM 展开合作，通过结合阿里云的无缝计算体验和 NVIDIA 的高性能推理库，开发者能够以更低的成本、更高的效率完成复杂的 AI 任务，加速技术落地和应用创新。
本文介绍了 GraalVM 静态编译技术在云原生环境下的应用：ARMS 发布了支持 GraalVM 应用的 Java Agent 探针，可为 GraalVM 应用提供开箱即用的可观测能力。同时，文章还提供了使用 ARMS 对 GraalVM 应用进行可观测的详细步骤。
本文主要讲述在处理票据信息结构化提取任务时，如何结合OCR（光学字符识别）技术和多模态大模型Qwen-VL来提高票据信息提取的准确性和效率。
Qwen团队推出了新成员QVQ-72B-preview，这是一个专注于提升视觉推理能力的实验性研究模型。提升了视觉表示的效率和准确性。它在多模态评测集如MMMU、MathVista和MathVision上表现出色，尤其在数学推理任务中取得了显著进步。尽管如此，该模型仍存在一些局限性，仍在学习和完善中。
从架构演进、网关优化到可观测体系构建等，UU 跑腿的云原生化，让 80% 的微服务轻松上云，还做到了 1 分钟弹性伸缩，实现了 80% 的运维成本降低。
XXL-JOB 是一个开源的分布式任务调度平台，开箱即用、简单易上手，得到了很多开发者的喜爱。和其他中间件开源项目一样，当开发者把开源项目部署到公共云，应用到企业级场景中时，就会在稳定性、性能、安全、其他云产品间集成体验上提出更高的要求。基于此背景，阿里云微服务引擎 MSE 基于自研的分布式任务调度平台 SchedulerX，通过兼容 XXL-JOB 客户端的通信协议，在开源 XXL-JOB 版本的基础上，提升了稳定性、安全、性能、可观测等能力，满足企业客户的需求。此外，为方便测试，提供了一个月 400 元额度的免费试用和预付费首购 5 折、续费 6.5 折起的优惠。
推理性能的提升涉及底层硬件、模型层，以及其他各个软件中间件层的相互协同，因此了解大模型技术架构的全局视角，有助于我们对推理性能的优化方案进行评估和选型。