出品人：朱少民
“软件工程3.0”定义者
    CCF质量工程SIG主席
同济大学特聘教授、CCF质量工程SIG主席、软件绿色联盟标准评测组组长，近三十年来一直从事软件测试、质量管理等工作，先后获得多项省、部级科技进步奖，已出版了二十多部著作和4本译作，代表作主要有《软件测试方法和技术》、《全程软件测试》、《敏捷测试》等，并经常在国内外学术会议或技术大会上发表演讲，曾任思科（中国）软件有限公司QA高级总监、IEEE ICST2019工业论坛主席、IEEE ICST、QRS、DAS等国际学术会议的程序委员、《软件学报》审稿人等。                                                                                                                 

AI智能体

深入探讨AI在数字化领域中的无限可能，将聚焦于AI智能体技术的最新发展和应用，深入探讨智能体如何模拟人类认知、实现自主学习和智能行为，更好掌控智能体技术的关键特征，包括自主学习、智能交互、智能决策、流程自动化等应用场景。你将与AI业内专家分享最新研究成果、共同探索AI智能体的奇妙世界！
基于图形用户界面（GUI）的多模态智能体
内容简介：
随着大型语言模型的迅速发展，大型模型代理（Agent）的概念变得日益重要。这些代理旨在利用大型模型的强大能力来协助人类完成各种复杂任务，甚至能够独立执行任务。其中，基于图形用户界面（GUI）的Agent研究，如AppAgent，近来备受关注。该研究方向旨在设计代理程序直接操作人类用户界面以实现软件功能。本文将介绍这一方向的原理、底层逻辑、能力边界、研发成本以及训练学习方式。同时，还将探讨这一方向对于实现通用人工智能（AGI）、数字员工和超级助手等概念的挑战和可行性。                                                                                                                                                                                                                                        
演讲提纲：
1、大语言模型与Agent背景介绍
2、Agent的构成与挑战
3、用户界面的意义与Agent的关系
4、基于图形用户界面的Agent
5、GUI Agent的应用与讨论 
                                                                                                                                                    
听众受益：
了解前沿AI的研究方向和应用价值                                                                                                                                         
张  驰
腾讯公司 AI研究科学家AppAgent项目负责人
张驰博士，现就职于腾讯公司担任研究科学家, 入选美国斯坦福大学发布的《2023全球前2％顶尖科学家榜单》。目前的研究方向是大模型时代下的多模态模型与2D/3D生成式AI模型。张博士毕业于新加坡南洋理工大学计算机学院，研究课题专注于高效低成本的机器学习和计算机视觉算法，并在CVPR、ICCV、NeurIPS、TPAMI等顶级人工智能国际会议期刊上发表多篇学术论文。
大模型驱动的自主智能体系统——从智能个体到智能群体
内容简介：
大模型的出现开启了自主智能体研究的新纪元，大模型驱动的智能体可以理解指令、制定计划并展开行动一步步自主解决复杂任务。同时智能体之间还需要进行通信和协作，来解决单个智能体难以应对的问题，并提高解决问题的效率。本报告将介绍大模型驱动的自主智能体系统，实现了从单个智能体到多智能体完整系统的构建。主要包括：大模型智能体框架XAgent、大模型智能体通用平台AgentVerse、以及多智能体协作软件开发ChatDev等工作。                                                                                                                                                                                                                                        
演讲提纲：
1、自主智能体背景介绍
2、大模型驱动的自主智能体框架XAgent
3、大模型智能体通用平台AgentVerse
4、基于大模型智能体系统的应用探索
  （1）ChatDev
  （2）RepoAgent
  （3）MatPlotAgent
5、大模型智能体系统未来展望
                                                                                                                                                    
听众受益：
1、了解大模型智能体系统的单智能体和多智能体基本框架
2、了解大模型智能体系统在应用上的探索经验                                                                                                                                       
从  鑫
清华大学博士后、ChatDev作者
清华大学THUNLP实验室博士后，目前已在人工智能国际顶级会议上发表16篇论文，主要从事大语言模型、自主智能体、工具学习的研究工作，参与开发了大模型智能体框架XAgent、大模型智能体通用平台AgentVerse、以及多智能体协作软件开发ChatDev等。
多场景下智能体应用构建技巧
内容简介：
2024 年会是行业智能体应用爆发的一年，企业如何基于业务有效构建属于自己的智能体？特别在大模型的加持下如何扩展属于自己的智能体工具库？本次课程会和大家基于 AutoGen 用最便捷的方式创建智能体包括: 1. 智能体发展现状 2.AutoGen 的介绍 3. 多智能体的任务编排 4.案例分享。                                                                                                                                                                                                                                        
演讲提纲：
1、智能体应用带来的智能化改变
2、多智能体的应用场景
3、在研发场景下体验智能体
                                                                                                                                                    
听众受益：
1、深入了解行业智能体应用的最新发展趋势，并掌握基于业务构建智能体的有效方法。
2、学会如何扩展自己的智能体工具库，以适应不断变化的市场需求。
卢建晖
微软高级云技术布道师(AI 方向)
前微软最有价值专家和微软技术社区区域总监，微软人工智能黑客松教练。专注于人工智能、云原生技术、物联网以及前端应用开发多个领域。有多年在电信，教育以及金融在人工智能解决方案的经验. 现阶段专注于 OpenAI 技术的步道以及行业落地的推广工作上。
AI Agent认知框架：原理与应用实践
内容简介：
本次演讲旨在与大家分享团队在探索Agent认知框架应用实践方面的探索。近期，我们学习并调研了包括Functions Calling、CoT、ToT、ReAct、Plan-and-Execute,以及Self-ask等多种Agent认知框架,并基于对各种框架的适用场景进行了分析，同时基于OpenAI Assistants、OpenAI API和LangChain对各种框架进行了Demo性质的实现。在分享中，我们将深入剖析这些认知框架各自的特点、优势和局限,重点阐述它们在构建Agent系统中的应用模式。还将结合工程实践,对各种Agent认知框架在面向特定任务上的效果进行比较。                                                                                                                                                                                                                                      
演讲提纲：
1、Agent认知框架简介
包含Agent系统的定义和价值，认知框架在构建Agent中的重要作用以及主流认知框架一览:Functions Calling、CoT、ToT、ReAct、Plan-and-Execute、Self-ask等
2、各认知框架原理剖析 (25分钟)
2.1 Functions Calling框架
2.2 Chain-of-Thought (CoT) 框架
2.3 Tree-of-Thought (ToT) 框架
2.4  ReAct框架
2.5 Plan-and-Execute框架
2.6 Self-ask框架
3、认知框架的适用场景分析
3.1 包括任务复杂度视角:简单重复/复杂开放领域
3.2 相关性视角:通用领域/特定垂直领域  
3.3 资源可用性视角:知识库/语料库/API等外部资源支持
3.4 应用目标视角:效率/准确性/可解释性/创造力等侧重考量
4、基于主流框架的Demo实现
4.1 技术选型:OpenAI Assistants、OpenAI API、LangChain
4.2 演示几个典型认知框架的Demo实现
4.3 点评不同技术方案的优缺点和适用场景
5、总结与展望
总结认知框架的研究现状和应用价值，并展望未来Agent系统的发展方向，共同推进认知框架的创新应用。
                                                                                                                                                    
听众受益：
1、系统全面了解主流Agent认知框架。听众将对Functions Calling、CoT、ToT、ReAct、Plan-and-Execute、Self-ask等主流认知框架有清晰认识,了解它们各自的核心思想、优势和局限。这有助于听众在构建Agent系统时做出合适的技术选型。
2、学会分析认知框架的适用场景。演讲从任务复杂度、领域相关性、资源可用性、应用目标等多个视角,教会听众如何分析认知框架的适用场景。掌握这一方法论,有助于听众根据实际应用需求,为Agent系统匹配最佳的认知框架。
3、掌握认知框架的实现路径和效果评估方法。听众不仅可以通过Demo实现环节见识主流框架的实现方法,还能学习到如何针对具体任务设置测试集、对比评估不同认知框架的性能。这些实践经验将帮助听众更高效地落地应用认知框架,并持续优化Agent系统的性能。                                                                                                                                         
黄  佳
新加坡科技研究局高级研究员
新加坡科技研究局（A*Star）高性能计算所人工智能研究员。主攻方向为 NLP 大模型的研发与应用、持续学习、Alin FinTech。黄佳深耕人工智能领域多年，积累了丰富的科研项目和政府、银行、能源、医疗等领域 AI项目落地实战经验，目前正与 PlatoX.AI展开富有前景的技术合作。曾著有《零基础学机器学习》、《数据分析咖哥十话》等多部畅销书籍。
京ICP备2020039808号-4 京公网安备11011202100922号
返回顶部