出品人：张  军
百度飞桨框架产品负责人
开放原子开源基金会TOC委员
百度飞桨资深工程师
百度飞桨框架产品负责人，开放原子开源基金会TOC委员
现任百度飞桨资深工程师，是飞桨（PaddlePaddle）开源社区的maintainer之一，长期的开源贡献者，同时，也是开放原子开源基金会技术监督委员会成员。张军在自然语言处理、云计算、深度学习等领域，拥有五十余件发明专利。曾经是百度深度学习框架、百度翻译的核心研发工程师，目前主要负责飞桨开源框架的产品设计和开源社区建设。                                

AI原生开发

构建AI应用系统的几大要素是数据、算法、模型、上下文（提示）和算力，而如何高效地利用这些要素或在这些要素之间达到平衡，是AI应用系统研发的基础。AI原生开发，就是从一开始构建AI应用系统之时，从需求、架构、基础设施、资源使用、发布流程等各个方面有了很好的考虑，符合人工智能在产业场景下的应用需求，更好地适应未来AI应用的发展。

人工智能工程化软件研发
龙明盛
清华大学软件学院长聘副教授
清华大学长聘副教授
软件学院机器学习研究组负责人
国家优秀青年科学基金获得者，入选北京市科技新星和清华大学良师益友。主要研究领域为机器学习理论、算法与模型，专注于迁移学习、深度学习、科学学习及其在自然科学和软件工程中的应用。以第一或通讯作者发表Nature正刊/子刊和JMLR、TPAMI、ICML、NIPS、ICLR论文40余篇，谷歌引用2.6万次，三篇论文入选ICML和NIPS最具影响力论文。担任ICML、NIPS、ICLR、ICCV和CVPR（资深）领域主席，TPAMI和AIJ编委。获教育部技术发明一等奖、北京市科技进步一等奖、IJCAI-FTL时间检验奖，入选机器学习全球高影响力学者、爱思唯尔中国高被引学者、全球前2%科学家。

内容简介：
人工智能正在离散制造业、流程工业、医疗健康、气象环保等多个领域被广泛应用。目前，人工智能正从模型创新为主旋律的1.0时代向模型落地为主旋律的2.0时代变迁，需要融合业务领域、数据科学、软件工程等多学科的专业知识，同时需要多角色分工协作，导致人工智能应用开发成本高、效率低、质量缺少保障。人工智能工程化通过软件工程和系统工程的基本方法论，规范应用开发过程解决上述问题。本报告通过若干典型人工智能应用开发案例，总结人工智能落地的痛点挑战及应对策略。最后介绍“清华数为”Anylearn大数据机器学习研发管理系统，支持数据集、算法族、模型库等资产管理，支持机器学习研发过程管理、知识沉淀、模型迁移，满足资源统筹利用、团队高效协作等人工智能工程化实施的需求。       

演讲提纲：
1. 引言：人工智能工程化方法论
2. 人工智能大模型研发案例
3. 人工智能大模型研发挑战
4. 清华数为Anylearn系统
5. 清华数为Anylearn对人工智能大模型研发的支撑
6. 总结与展望：人工智能软件研发支撑平台——工业大模型底座                                                                            
                                                                      
听众受益：
通过若干案例分析，听众将具体了解人工智能模型研发的基本过程和关键挑战，尤其是AI大模型场景下研发过程管理的重要性。                                                                                                                                                                      
Prompt Sapper: LLM赋能的AI原生开发平台和AI服务社区
内容简介：
本议题将介绍Prompt Sapper，一个基于LLM的AI原生开发平台和AI服务社区。我们将探讨其颠覆性设计，以及如何将人与AI进行协作设计，将开发过程从以代码为中心转变为以人为中心。本议题还将讨论Prompt Sapper在社会经济领域的应用，以及其对垂直领域的潜在影响。                                                                              

演讲提纲：
1. Prompt Sapper的设计理念，传统开发方法的局限性，Prompt Sapper如何颠覆传统的开发方法
2. Prompt Sapper的技术实践
1). Prompt Sapper实现AI原生开发的落地实践。
2). 通过自然语言界面、交互式引导和AI Chain自动生成等提升开发效率
3). Prompt Sapper在不同领域的成功案例和应用场景
3. Prompt Sapper总结和展望

听众受益：
通过这个议题介绍，听众将了解到Prompt Sapper作为一个LLM赋能的AI原生开发平台和AI服务社区的创新设计，并了解其在人与AI协作设计、社会经济领域的应用，以及对垂直领域的潜在影响。                                          
黄  箐
澳大利亚Data61 SE4AI团队 研究科学家
积极、热情的软件工程研究者，博士毕业于武汉大学，专业为计算机软件与理论专业，后作为访问学者前往澳大利亚国立大学，受到邢振昌教授的悉心指导。他专注于智能化软件工程、人机交互和人工智能应用等多个领域的交叉研究。他与邢振昌教授共同创立了Prompt Sapper项目(https://aichain.online)。该项目致力于推进AIGC技术的发展，特别关注基础模型和知识图谱在软件开发以及其他领域（教育、办公、医学等）的应用。他主持过多项国家自然科学基金，并在软件工程领域发表了30余篇学术论文，其中包括TOSEM、TSE、TSC、ICSE、ASE等知名期刊和会议。
演讲经历：曾在江西省第四届成果对接会上做过Prompt Sapper项目的成果汇报。
OpenRL: A Unified Reinforcement Learning Framework
内容简介：
强化学习作为机器学习领域中重要的训练范式，在机器人、自然语言、内容生成、自动驾驶、推荐系统中都发挥着极其重要的作用。OpenRL作为一个通用强化学习框架，通过统一的训练接口，同时支持单智能体，多智能体，自然语言等任务的训练。另外，OpenRL提供易用且可定制化的编程模式，既方便入门用户快速上手，又能为专业人员提供灵活的配置方式。
此外，针对大模型插件，我们开发了OpenPlugin，为开源社区提供大模型插件托管平台、插件安装管理工具，致力于打造大模型时代的App Store。                                                                          

演讲提纲：
强化学习与RLHF训练介绍
1. OpenRL强化学习框架介绍
2. OpenRL未来发展计划
3. 大模型插件简介
4. OpenPlugin介绍
5. 总结与展望

演讲提纲：
1. 学习到大模型的强化学习训练知识
2. 学习到大模型插件的基本概念和使用
3. 学习到OpenRL强化学习框架的功能和使用
4. 学习到OpenPlugin的功能和使用

黄世宇 
第四范式强化学习科学家
开源强化学习OpenRL Lab负责人。本科与博士均毕业于清华大学计算机系，导师是朱军和陈挺教授，本科期间在CMU交换，导师为Deva Ramanan教授。主要研究方向为强化学习，多智能体强化学习，分布式强化学习。曾在ICLR、CVPR、AAAI、NeurIPS, Nature Machine Intelligence, ICML, AAMAS, Pattern Recognition等会议和期刊发表多篇学术论文。其领导开发的TiZero谷歌足球游戏智能体曾在及第平台上取得排名第一的成绩。黄世宇也曾在腾讯AI Lab、华为诺亚、商汤、瑞莱智慧等工作。
演讲经历：
- 2023年6月5日 北京智源大会AI开源论坛 OpenRL: 通用强化学习框架

大语言模型的评测挑战和实践
内容简介：
大规模语言模型的评测是大语言模型研究和落地中很重要的一个工作，好的评测能够指导模型优化的方向，更高效的推进模型训练。但是当前大语言模型的评测遇到了很大的挑战，大语言模型的通用性和高智力的特点，使得模型评测非常困难。本次分享主要介绍大模型评测的挑战，方法和具体实践，希望和大家一起探讨大模型评测的下一步。                                                                                                                                                                      

演讲提纲：
1. 模型通用评测方法介绍
2. 大语言模型评测的难点
3. 大语言模型评测的方法
4. 小米大语言模型评测实践和经验
5. 大语言模型评测的下一步

听众受益：
收获大语言模型评测相关知识和经验                                          
刘  伟
小米AI实验室算法总监
小米AI实验室大模型算法负责人，北京大学心理与认知科学学院硕士行业导师，清华大学机器学习课程答辩导师，微软小冰初创成员。
最近一年的演讲经历包括：
1. 小米集团芝士派专题：《高情商和个性化的小爱同学是如何炼成的》
2. 迈向情感智能的多模态交互技术的进展与挑战【YOCSEF青岛“技术山”系列论坛】:《小爱情感对话实践》
3. CCF YOCSEF特别论坛“ChatGPT：中国AI的史泼尼克危机”：《ChatGPT走向通用人工智能的曙光》
京ICP备2020039808号-4
返回顶部