Tìm kiếm
22 kết quả cho “research to production”. Tìm không phân biệt dấu.
- How we built our multi-agent research system Bài tóm tắt · Anthropic · 2025
…[bài gốc](https://www.anthropic.com/engineering/multi-agent-research-system) Bài về tính năng Research của Claude. Phần prompt và đánh giá mô hình được tóm tắt ngắn; wiki giữ phần…
- Research at scale: Orchestrating ML for systematic trading Bài tóm tắt · Optiver · 2025
…nh — [bài gốc](https://optiver.com/insights/technology-blog/research-at-scale/) Bối cảnh - Theo Optiver, giao dịch hệ thống dựa vào sức mạnh của "cỗ máy nghiên cứu": thí nghiệm hôm…
- Building a Distributed Filesystem for Scalable Research Bài tóm tắt · Hudson River Trading · 2025
…ivertrading.com/hrtbeat/distributed-filesystem-for-scalable-research/) Bối cảnh - HRT nạp lượng dữ liệu lớn; researcher dùng nó để phát triển và kiểm ý tưởng, ý tưởng tốt thành chi…
- Deploy và release an toàn Chủ đề Thành viên
Phần lớn sự cố bắt đầu bằng một thay đổi: code mới, cấu hình mới, hạ tầng mới. Khi hệ thống và tổ chức lớn lên, câu hỏi là làm sao đưa thay đổi lên production thường xuyên mà vẫn giới hạn được thiệt hại khi có lỗi.
- Observability và monitoring Chủ đề Thành viên
Lúc đầu, monitoring là vài dashboard và một công cụ cài sẵn; log đọc thẳng từ máy. Khi hệ lớn lên, chính hệ quan sát thành một hệ phân tán có bài toán riêng:
- Designing for latency and iteration Bài tóm tắt · Optiver · 2026
…và lúc lệnh đi; giữ đường tick-to-trade nhanh trong khi cho researcher/trader abstraction gần như không tốn chi phí runtime. Cốt lõi là quyết định độ phức tạp được phép nằm ở đâu,…
- How we built Claude Code auto mode: a safer way to skip permissions Bài tóm tắt · Anthropic · 2026
Mặc định Claude Code hỏi người dùng trước khi chạy lệnh hay sửa file; theo Anthropic người dùng chấp nhận 93% số lời hỏi, dẫn tới "mỏi duyệt" và duyệt không còn chú ý. Hai lối thoát sẵn có: sandbox (an toàn nhưng tốn…
- Building visibility into a CI platform Bài tóm tắt · Optiver · 2026
…tăng mạnh vài năm gần đây, không chỉ do software engineer: researcher và trader cũng viết code (visualisation, thí nghiệm, tự động hoá phân tích) qua cùng pipeline build/test, và…
- From shallow to deep learning in fraud Bài tóm tắt · Lyft · 2018
…deep-learning-in-fraud-9dafcbcef743) Bài kể từ góc nhìn một research scientist của đội Fraud; các ý về tổ chức là "theo tác giả". Bối cảnh - Hệ quyết định gian lận ban đầu được xây…
- A FUSE server for our in-house storage backend Bài tóm tắt · Jane Street · 2026
Nhiều workload xử lý dữ liệu cần truy cập thông lượng cao vào lượng lưu trữ lớn. Trước đây dùng sản phẩm mua ngoài (Dell Isilon, VAST); khi dataset lớn dần và nghiên cứu cần truy cập nhanh hơn tới nhiều dữ liệu hơn, họ…
- Cook: A Fair Preemptive Resource Scheduler for Compute Clusters Bài tóm tắt · Two Sigma · 2016
Phần lớn tài nguyên compute của Two Sigma được cấp động cho ứng dụng theo nhu cầu, vì chia sẻ hiệu quả hơn cấp tĩnh. Có hai loại job, giống tiến trình foreground/background của OS: interactive (task nhỏ, người dùng chờ…
- Infrastructure patterns for agentic applications Bài tóm tắt · Render · 2026
Cách làm agent đầu tiên thường là bọc model trong một route handler và chờ response. Theo Render, đó là thứ hỏng đầu tiên ở production: agent chạy lâu (giờ, có khi ngày), có trạng thái (mục tiêu, kế hoạch, kết quả tool,…
- Amundsen — Lyft's data discovery & metadata engine Bài tóm tắt · Lyft · 2019
…adata và hai đánh đổi. Bối cảnh - Ở Lyft, data scientist và research scientist lẽ ra dành phần lớn thời gian làm model và đưa lên production, nhưng mất nhiều thời gian cho tìm dữ l…
- Flex Model: an event-driven feature engineering system Bài tóm tắt · Jane Street · 2026
…ng nghìn feature, nhiều cái phải cập nhật ở mỗi sự kiện, và researcher đổi danh sách liên tục. - Hệ cũ lên production khoảng 2012 , là một monolith gộp định nghĩa hàng trăm tín hiệ…
- Why market data is a deep learning challenge Bài tóm tắt · Optiver · 2026
…ata-is-a-deep-learning-challenge/) Bài của một quantitative researcher dẫn đầu nghiên cứu deep learning ở mảng HFT Mỹ của Optiver. Không có kiến trúc model cụ thể; wiki giữ vì nó m…
- Hạ tầng nghiên cứu định lượng (dữ liệu thị trường, feature, backtest) Chủ đề Thành viên
Một quỹ định lượng hay công ty market making sống bằng vòng nghiên cứu: đặt giả thuyết → lấy dữ liệu → tạo feature → train model hay dựng tín hiệu → backtest/mô phỏng → đưa vào giao dịch thật → lặp lại. Theo Optiver, độ…
- Nền tảng ML (feature, training, serving, giám sát model) Chủ đề Thành viên
Model ML đầu tiên của một công ty thường được nhúng thẳng vào một service có sẵn, với feature tính trong vài script và train bằng một job riêng. Khi số model và số người làm model tăng, bốn chỗ cùng hỏng:
- CI và build ở quy mô lớn Chủ đề Thành viên
Lúc nhỏ, CI là "mỗi commit chạy hết build và test". Khi codebase và số commit tăng, chạy hết trở thành bất khả (Stripe 2026: chạy tuần tự mất bốn tháng), và thời gian chờ của một thay đổi không còn chỉ là thời gian…
- Multi-tenancy và cô lập tenant Chủ đề Thành viên
Một hệ phục vụ nhiều khách (tenant: workspace, shop, organization, account, service nội bộ) trên cùng hạ tầng thì rẻ và dễ vận hành, vì tài nguyên được dùng chung. Cái giá là bốn câu hỏi đi theo hệ suốt đời:
- Tracing phân tán và log theo request Chủ đề
Khi một request đi qua hàng chục service, metric của từng service cho biết có chậm, log của từng service cho biết từng mảnh; không cái nào trả lời "request này chậm vì đâu" hay "trang này tốn bao nhiêu". Tracing phân…
- Jane Street Công ty Thành viên
Công ty giao dịch định lượng và market making, viết gần như mọi thứ bằng OCaml. Blog không kể chiến lược, nhưng kể khá nhiều về hạ tầng quanh chúng. Ở tầng công cụ, từ 2012 họ tự viết build system Jenga; năm 2014…
- Anthropic Công ty Thành viên
Nguồn đầu tiên của Anthropic trong wiki là một postmortem về hạ tầng phục vụ model: tháng 8–9/2025, ba lỗi hạ tầng độc lập (định tuyến sai pool context, cấu hình sai trên TPU, lỗi compiler XLA bị một workaround cũ che)…