出品人:杨 青
度小满金融技术委员会执行主席
数据智能应用部总经理

度小满金融技术委员会执行主席、数据智能应用部总经理,度小满AI Lab负责人,硕士毕业于清华大学计算机系,曾就职于百度、阿里巴巴,从事自然语言处理、搜索、推荐、大数据架构等相关方向的研发工作。
2018年年初加入度小满金融,组建数据智能部和AI Lab团队,从0到1构建度小满金融的智能引擎核心算法,深耕计算机视觉、自然语言处理、图模型、机器学习、因果推断等技术领域,多篇文章被EMNLP、ACL、CIKM等国际会议收录,“智能化征信解读中台”工程荣获吴文俊人工智能科技进步奖。相关技术广泛应用于度小满营销、经营、风控、反欺诈全流程业务场景,为上千万客户提供稳定、安全的金融服务。
目前,专注于人工智能在金融场景中的应用落地工作,基于度小满模型即服务(MaaS)的模式探积极探索生成式大语言模型的应用转化。于2023年年初带领团队发布千亿参数规模的中文大语言模型“轩辕”。2023年9月, “轩辕-70B”大语言模型在C-Eval和CMMLU两大权威榜单上位列所有开源模型榜首,目前已开源6B/13B/70B/176B全参数的模型体系,并著有<<大语言模型:原理与工程实践>>一书。

领域大模型优化及应用实践

本论坛聚焦于针对特定行业或领域的大模型进行优化与实际应用探索。包括数据增强、知识注入、SFT、参数调优、模型压缩和迁移学习等。实践方面,着重于将这些优化后的大模型部署于实际业务场景,解决行业痛点,推动智能化转型与升级。      
优中选优,金融大模型的优化演进之路
王 述
奇富科技资深算法专家
内容简介:
深入探讨金融领域大模型的研发与优化技术,重点介绍领域预训练的重要性,以及如何通过数据质量、多样性提升模型在金融任务中的表现。同时将分享领域预训练、SFT和多任务学习的关键策略及方法论。通过实际应用场景,展示奇富Copilot大模型如何在客户服务、智能辅助等任务中提供智能化支持。
       
演讲提纲:
1、领域模型在金融行业中的重要性及金融大模型的研发流程
2、金融大模型的Post-Pretrain训练方法
3、数据质量与多样性的重要性
4、金融大模型训练的关键策略及方法论总结
5、奇富Copilot:大模型如何为坐席人员提供精准辅助,提高服务效率

听众受益:
1、获取大模型在金融领域的定制化优化策略
2、获取领域模型效果提升的技巧
3、获取金融大模型的实际应用经验        
奇富科技大模型部资深算法专家,语言模型组负责人,主要负责内部金融大模型的研发工作及相关应用的落地。曾在百度、字节跳动任职,并主导语言模型和知识图谱相关项目的研发,在大语言模型、多模态语义理解和知识图谱等技术领域有深入的研究与丰富的实战经验。
多模态金融知识助手
邓伟洪
马上消费副院长
内容简介: 
多模态技术可以将不同类型的数据(如文本、图像、语音等)进行整合,并利用大模型对数据进行理解和生成,在金融场景有广泛的应用。本报告将介绍马上消费金融的“天镜”大模型的关键技术与实践应用,利用金融数据自动标注与合成技术提升了大模型知识提取能力,提出基于代码思维链的问答新技术解决表格问答精度低的痛点,引入音视频理解大模型实现金融知识的多模态问答,通过推理和智能体技术为金融工作人员提供业务材料生成,帮助投资者做出更准确的决策。报告还将对多模态大模型在金融领域的应用进行展望。

演讲提纲:
1、多模态大模型的关键技术与应用
2、多模态金融文档理解技术和挑战
1)基于数据自动标注与合成的金融图表的识别和理解
2)针对金融表格问答的代码思维链技术
3、 结合多模态金融文档理解和检索增强生成的知识助手
1)基于RAG的知识助手
2)融合音视频的多模态问答技术
3)金融报告素材生成技术
4、多模态大模型的金融应用前景

听众受益:
1、掌握多模态大模型的背景和核心技术
2、掌握大模型知识助手这一重要的金融应用场景
3、掌握金融文档分析的核心技术和前沿
马上消费金融AI研究院副院长,作为领域主席参与 OpenCV等开源项目的研发工作,长期致力于多模态大模型和计算机视觉系统的理论研究和实用化落地,在 CVPR、TPAMI 等顶级会议和期刊上发表100多篇文章,谷歌学术引用16000多次,曾获北京市优秀博士学位论文奖、北京市科技新星项目、国家级青年人才项目,2023年入选斯坦福“全球前2%顶尖科学家”和科睿唯安“全球高被引科学家”榜单。
为NPC注入灵魂-大模型在游戏场景中的应用
江 季
网易伏羲实验室高级算法工程师
内容简介:
本次演讲中,将首先介绍目前大模型在企业界的各种实践应用。并以人机交互为着眼点,深入探讨在游戏场景中的应用,主要围绕智能NPC、多模态AI等两个不同的方面展开。其中智能NPC以GPT模型为蓝本,以游戏特色文本作为Prompt,例如武侠文案等,构造一个国风大模型,并在场景中与玩家进行友好的切磋交流。多模态AI则是以传统深度强化学习模型作为底层,利用大模型的理解能力作为上层策略将玩家的需求由语音形式转成机器语言形式,并尝试构造游戏剧本,以期满足玩家的心流。

演讲提纲:
1、LLM的实践与应用
1)LLM为工业界带来的启示与作用
2)常见的LLM工业应用与衍生产品
3)与游戏场景的结合
2、智能NPC
1)如何构造具有游戏特色的Prompt
2)如何利用Diffusion、Lora等技术进行有效的微调
3、多模态AI
1)底层AI与上层策略
2)利用大模型提高AI bot的视听与理解能力
3)如何结合玩家心流设计多样化的剧本,以提升人机交互体验

听众受益:
1、了解大模型在工业界的主要应用:听众将大模型的实践与应用有更深入的认识,了解这些技术如何在工业中进行迭代与优化。
2、洞察大模型在游戏领域的发展趋势与潜能:演讲将以两个经典案例,让听众了解大模型在游戏领域的应用、以及实现多模型AI的潜能。 

北京大学毕业,网易伏羲实验室高级人工智能工程师,《Easy RL:强化学习教程》(GitHub Star 8.3k,国家图书馆收录,人民邮电出版社季度好书,人邮异步社区度畅销新书)作者,百度飞桨AI Studio 《EASY RL 强化学习-案例与实践》课程设计者,开源项目“李宏毅深度学习教程 leedl-tutorial” 设计者(GitHub Star 9.9k,李宏毅老师推荐),Hugging Face官方强化学习课程译者,人邮优秀作译者,人邮异步社区年度影响力作者,Datawhale成员。主要研究方向为强化学习、机器人等。
京ICP备2020039808号-4