出品人:臧  志
百度工程效能部总监
毕业于中科院软件所及南京大学,现任百度工程效能部总监,负责集团研发技术、流程及工具平台的建设和治理工作,推进AI原生研发范式的落地,并担任百度Comate总经理。在此之前,在运维平台、基础架构、网络与安全、云原生等云计算产品和技术领域有多年工作经验,曾担任京东集团网络与安全高级总监及瑞幸助理CTO岗位。                                          

超越代码生成

聚焦于大模型时代下的代码生成与理解,包括代码补全、代码自动生成、单元测试代码自动生成、针对代码的大模型构建等话题,分享该领域最新研究成果,探讨真实落地应用场景。
与开发者同频——百度构建人机协同新范式的实践        
内容简介:
理解私域知识:大模型催生的第一代智能编码产品重点集中在续写、通用问答上,背后全部基于模型压缩的通用知识,越来越多的开发者希望AI可以理解自己的本地代码库、理解私域知识(因安全等问题无法在通用模型中获得),从而生成业务量身定制的代码,以及通过和『代码库』对话掌握代码逻辑
替代繁琐工作:开发者大量开发过程是参考现有代码逻辑增加新代码,而这些重复性的工作比较繁琐,占据开发者大量开发时间,而无法投入到创造性的工作。通过让新一代的智能开发工具掌握代码库全部逻辑、私域文档全部知识点,他理解开发者想做什么,又理解代码的细节,从而帮助开发者解决繁琐、重复性的问题,让开发者更加专注创造性的逻辑设计。
当AI掌握了编程现场的上下文,它不再是一个『助手』,而是一个『助理』,时刻保持和开发者同频,像一个真正的研发伙伴随左右,帮助开发者解决繁琐、重复的问题,这可以极大地减少复杂性,提高效率,从而构造全新的人机协同模式——即开发者专注创造性的、复杂性高的逻辑设计并进行决策,这是在AI时代一次研发范式的重大变革。
                                                                                                                                                                                                             
演讲提纲:
1、在AI前夜——百度研发现状
2、在AI时代——智能研发助手
1)从大模型到代码模型
2)理解私域知识(需求、代码、文档、测试用例)
3)独立分析需求
4)人机结对编程
5)从编码到全链路智能化
3、在AI未来——人机协同新范式
1)交互形态革新
2)组织重新分工
3)开发焦点转变

                                                                                     
                                                               
听众受益: 
1、针对一线开发者,了解如何基于大模型,构造全新的人机协同研发新范式,『人』和『机』的分工是什么样的,如何有效提高编码效率
2、针对团队Leader,了解如何通过AI工具优化团队协作和项目管理,在新的研发范式下组织如何分工
3、针对工程效能团队,了解百度如何进行探索以及思考的,如何在万人研发规模下落地的,以及什么样的人机协同是可控的、是高效率的                                                                                       
牛万鹏
百度资深研发工程师
吉林大学计算机系毕业,毕业后入职百度,早期负责DevOps工具的孵化和落地,涵盖项目管理、代码管理、流水线、制品库、应用部署、运维管理等平台建设和商业化。现负责百度研发智能化,通过构造全新智能编码工具,搭建全新的产品形态,推动百度万人研发范式的变革。
从"对话"到"助手",LLM如何进阶为程序员的编码伙伴?     
内容简介:
大模型上下文窗口越来越大,推理技术越来越成熟,如何看待并利用这些前沿的发展方向?传统的程序分析技术,能否让大模型真正理解研发任务,帮助大模型在研发提效场景更上一层楼?输入长度长, 模型参数大, 如何平衡模型效果和推理延时?  

演讲提纲:
1、大模型如何与研发工作流结合?如何帮助程序员又快又好的写代码?
2、如何平衡大模型推理和性能, 带来极致的研发体验?
3、长上下文和 RAG 哪个是最终的技术方案?
4、训练数据、评测脚本与一线研发真实场景差异较大,如何获得真正符合研发场景的数据,转起数据飞轮?如何评价对研发提效的帮助?
5、如何挖掘研发暗知识,在写代码之外带来更大的研发提效?

听众受益: 
1、了解LLM当下前沿的发展方向和在研发提效场景的应用方向,避免战略性踩空,真正进行研发效能提升
2、了解如何正确评估大模型,避免出现技术选型失误
3、了解如何在数据方面提升大模型的效果,如何利用用户的真实使用数据


詹子正
快手高级算法工程师
快手科技智能研发中心高级算法工程师,目前主要负责内部代码大模型的研发以及相关应用的落地,负责大模型在代码续写、智能Oncall、研发助手、对话式编程、研发工具串联等多个场景的落地实践。
代码大模型在垂域场景落地实践与应用        
内容简介:
深入探讨了当前研发大模型在实际产品中代码生成能力所面临的挑战,阐述了探索的总体思路、数据标准与语料层次、演进策略以及模型训练方案设计。同时,还介绍了RAG方案设计以及某产品线在真实场景中的应用,并总结了一套可快速复制的方法论。最后,对未来发展趋势进行了讨论:研发大模型是否有可能取代程序员?        

演讲提纲:  
1、行业趋势分析与展望
2、大模型时代软件安全风险概览
3、基于大模型的漏洞智能分析技术
4、基于大模型的缺陷智能修复技术
5、未来工作思考与展望  

听众受益: 
1、总结在垂域名场景代码大模型方法论
2、大模型如何更好辅助研发过程
                                                                                                                                             
                                                                            
陈泰红
华为代码大模型高级技术专家
代码大模型高级技术专家,10年人工智能开发经验。华为公司AI辅助研发架构师,纯血鸿蒙研发大模型总架构师。发表专利5篇,主导设计的垂域场景大模型在内部孵化并规模落地应用。主要研究方向为:AI for SE和机器学习。                    
京ICP备2020039808号-4 京公网安备11011202100922号