多渠道：支持短信、语音、邮件、钉钉、企业微信、飞书、Slack等多种通知渠道，同时还支持通过自定义 Webhook 进行扩展。同一个告警，支持同时通过多个渠道、
非常幸运，过去12年我们赶上了整个数字技术的一场波澜壮阔的革命，很多技术经历了从无到有。第一个是云，过去12年有一个非常清晰的脉络，阿里巴巴一方面在造云
过去的12年非常精彩，下一个12年更加让人期待。站在这个时间点，从技术的视角看，未来12年可能会发生什么？什么是未来前进的方向？什么是未来突破的重点？以下4个方向特别重要。
相信未来数字化、智能化一定能够在产业智能方面取得规模化、实用化的成果。去年云栖大会上，我们发布了小蛮驴物流机器人，目前已开始尝试规模化应用。
KAdapter为RoBERTa注入了事实知识和语言知识，并为每种注入的知识提供了神经适配器。DKPLM可以根据文本上下文动态地选择和嵌入知识，同时感知全局和局部KG信息。JAKET提出了一个联合预训练框架，
在无PKG基线的基础上，“ViLBERT+PKG”、“LXMERT+PKG”和“VLBERT+PKG”在TMR从0%增加到100%时的平均改善率分别为13.0%、22.2%、39.9%、54.4%和70.1%。
具体来说，对于样本多样性问题，我们使用了多趟资料的匹配结果来生成训练数据，因为在不同资料中同一牌匾存在多张来自不同视角的拍摄结果
在新的技术方案下，POI牌匾图像检索取得了非常好的效果，准确率和召回率都大于95%，大幅提升了线上指标，并且模型速度也有了巨大的提升。我们随机选择了一些匹配结果，如图10所示。
两者区别在于是否需要部分人工标注，半监督学习是完全由模型自身产生标签，但是可能导致模型效果存在上限，而主动学习则可以一定程度可提高该上限，因此未来需要深入研究两者的结合，从而更好的补充训练数据，解决Corner case。
3）特征推荐：针对上述聚合的内容进行推荐，此部分会将潜在的特征字段全量进行推荐。
4）特征基线沉淀：基于推荐的数据，结合专家经验进行特征字段的选取，并进行标注选择为基线特征。
