Doragd/Algorithm-Practice-in-Industry

搜索、推荐、广告、用增等工业界实践文章收集（来源：知乎、Datafuntalk、技术公众号）

解决的问题

该项目解决了搜索、广告和推荐系统（常简称为“搜广推”）领域快速演进带来的跟进挑战。它提供了一个集中化、自动化的中心，用于追踪行业领先的技术实践和学术研究。

工作原理

该仓库利用 GitHub Actions 自动化数据收集和更新。它监控 arXiv 上相关领域（如 cs.IR）的新论文，使用大型语言模型进行排序、摘要和翻译，并将每日更新推送到飞书（Lark）群组。它还维护了一个结构化的顶级会议论文和行业技术文章数据库，这些内容通过 GitHub Issues 更新，并自动渲染为 Markdown 和网页。

适用人群

它面向在搜索、广告和推荐领域工作或感兴趣的研究人员、工程师和学生，他们希望无需手动搜索即可了解最新的行业趋势和学术进展。

亮点

自动化每日 arXiv 论文追踪，基于 LLM 的摘要和翻译。
来自顶级会议（如 KDD、RecSys、SIGIR、WWW）的全面、有序的论文列表。
精选的大型科技公司技术实践文章合集。
每日论文更新的自动化飞书（Lark）通知。
使用 GitHub Actions 实现内容更新和网站部署的完全自动化工作流。