端侧大模型落地关键技术探索
黎  立 
北京航空航天大学教授
IEEE TCSE新星奖国内首位获得者
内容简介:
大模型入端势在必行,各大手机厂商正奋力打造具有原生智能的移动操作系统,而大模型被认为是实现原生智能的关键技术。大模型为手机智能带来巨大机遇的同时,也面临着诸多挑战。本次分享针对端侧大模型落地关键技术展开介绍,并针对其中涉及的三个关键技术(模型数据处理、模型性能、模型应用)展开深入探索。

演讲提纲:   
1、大模型入端关键技术简介
2、大模型数据质量与保护技术
3、端侧大模型性能提升技术
4、端侧大模型应用编程实践
5、总结与展望
荣获MSR 2023 Ric Holt青年研究成就奖,入选澳大利亚2020年优秀青年基金(DECRA),曾被评为全球前三最有影响力的青年软件工程研究人员。主要研究方向为AI安全、智能软件工程和移动软件工程,累计发表高水平期刊和会议论文140余篇,谷歌学术引用超6000次(H-index为38),荣获10项最佳/杰出论文奖励,包括2项IEEE TCSE杰出论文奖、2项ACM SIGSOFT杰出论文奖、1项ACM SIGPLAN杰出论文奖以及等。受邀担任中科院一区期刊(ACM Computing Survey)编委以及包括TOSEM、TSE、ICSE、ESEC/FSE、ASE、ISSTA在内的CCF A类期刊和国际会议的审稿人,多次受邀在国际会议上作特邀报告。    
大模型驱动的智能软件开发
黄  非 
阿里巴巴通义实验室副总裁
内容简介:
以生成式预训练技术为代表的大规模预训练语言模型(LLM)在人工智能技术的泛化性和通用性取得了显著的突破,也广泛应用在各种效率工具和生成创作类应用中。从编码助手(补全,问答,单元测试)到利用智能体技术解决更复杂的问题,基于代码大模型的技术更加深入的集成到软件开发的全流程中。
       
演讲提纲:  
1、
大模型应用范式
2、AI驱动的全流程软件开发
3、代码助手的技术挑战和解决方案
4、从代码助手到软件开发智能体
5、总结与展望
黄非博士毕业于卡耐基梅隆大学计算机学院,之后在 IBM 和 Facebook 从事自然语言处理的研发和技术管理等职位。领导了 AliNLP 基础技术研发和业务落地,云小蜜对话技术和多模态翻译技术,并支持集团内外的国际化业务需求。曾在自然语言处理和人工智能的顶级会议和期刊发表文章 40 多篇,获得美国专利 10 多项,曾担任 ACL,IJCAI,COLING 等多个 NLP 国际会议的领域主席 / 资深程序委员和多个期刊会议论文的审稿人。
LLM时代下代码质量保障技术实践
梁广泰 
华为云软件分析团队Leader
内容简介:
大模型作为一个新型技术,在软件缺陷分析或开源漏洞风险治理等场景已展现出了良好潜力,学术界与工业界已加强相关技术方向投入。本次报告将首先介绍基于大模型的代码质量保障技术的基本原理及目前业界相关技术探索与应用现状。
之后会围绕华为云内部代码质量保障方向上所布局的基于大模型的相关技术(含代码检测与修复、开源漏洞智能精华、高危隐匿漏洞补丁识别、零日开源漏洞智能发现等)进行详细介绍并展示相关实验效果。
随后围绕大模型系统或服务所引入的新型软件质量隐患进行梳理并分享华为云相关初步实践与思考。
最后我们将围绕该领域所面临的技术挑战和未来发展趋势进行总结与展望。

演讲提纲:   
1、LLM时代下软件质量变化趋势
2、软件质量保障业务诉求
3、华为云技术探索与实践
4、基于LLM的智能化代码检测与修复技术
5、针对自研代码的智能缺陷检测与修复技术
6、面向开源成分的风险(含漏洞、恶意成分、高危license等)智能感知与响应技术
7、面向LLM系统的漏洞检测与修复技术探索
8、总结与展望
华为云软件分析团队Leader、软件分析Lab负责人,CCF软工专委常委、开源发展委员会供应链安全工作组秘书。2014年初获得北京大学计算系博士学位,之后入职IBM中国研究院担任研究员职位。16年5月加入华为工作至今,带领团队先后围绕代码智能生成、代码缺陷/漏洞检测与修复、开源成分分析与治理、代码智能同步/重构/移植等方向成功孵化多项智能化开发服务并规模化落地。至今已发表技术专利50+及学术论文35+(含ICSE/FSE/ASE/OOPSLA等),曾获FSE/ISSTA最佳论文奖,先后担任一系列软工Top国际会议PC Member/Chair等角色(含ICSE/OOPSLA/ISSRE等)。
大模型时代软件供应链的效率与安全管理实践
李  威
JFrog (中国) 高级解决方案架构师
内容简介:
随着AI与大模型在每个企业普及与运用,MLOps也成为确保模型在生产环境中的高效、可靠和可持续运行的重要技术。AI与大模型软件供应链管理、模型存储、模型版本管理、开源大模型安全扫描等都是MLOps的核心内容。本话题帮助听众全面了解如何高效、安全、合规地管理AI软件供应链。        

演讲提纲: 
1、MLOps中软件供应链的定义与管理痛点
2、MLOps中软件供应链的引入与管理最佳实践
3、MLOps中版本管理与治理最佳实践
4、MLOps中大模型安全风险与开源许可证合规治理

听众受益:
听众将获得全面的MLOps中AI与大模型软件供应链管理策略与最佳实践。        
JFrog (中国) 高级解决方案架构师        
DevOps教练,曾就职于京东、烽火等互联网企业及传统企业,十年一线开发及运维经验,带领团队从零到一实践DevOps转型。            
京ICP备2020039808号-4 京公网安备11011202100922号