出品人：李力行
aiXcoder COO
中科院数学所 计算机软件与理论 博士
曾任优酷搜索团队算法负责人、医疗大数据创业公司CIO
多年互联网和AI相关算法研究经验                              

代码生成与重构

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。
基于大语言模型的RPA代码生成与代码解释
胡一川
来也科技CTO
胡一川是来也科技的联合创始人和CTO，带领团队在人工智能和自动化方向上持续进行技术和产品创新，来也科技的机器人流程自动化产品和企业对话式AI平台分别入选Gartner魔力象限。在联合创立来也之前，胡一川曾联合创立视频个性化推荐产品"今晚看啥”，后被百度收购，并加入百度担任资深架构师。胡一川本科和硕士毕业于清华大学，博士毕业于美国宾夕法尼亚大学，发表论文20多篇，拥有专利和专利申请200多项。胡一川是中国计算机协会技术前沿委员会委员，以及武汉工程大学人工智能学院客座教授。        
内容简介：
机器人流程自动化（RPA）作为一种自动化工具，近年来被广大企业采用，成为数字化转型中的重要技术。RPA本质上定义了一种企业业务流程自动化的编程语言，并且让开发者能够以低代码的方式快速开发。但是，RPA在规模化落地的过程中，面临着开发效率、可维护性、可拓展性三个挑战：
大语言模型的出现，为解决上述问题提供了新的思路和方法，使得RPA的开发更加高效、可维护性和可扩展性更强，从而使得RPA能更快、更好的应用落地，帮助企业降本增效。
                                                                     
演讲提纲：
1. RPA介绍
1). 什么是RPA
2). RPA的价值
3). RPA的典型应用场景
4). RPA市场发展趋势
2. RPA开发过程中的挑战
1). 开发效率
2). 可维护性
3). 可扩展性
3. 大语言模型赋能RPA开发
1). RPA代码生成
2). RPA代码解释
3). RPA插件生成
4. 总结与展望         

听众受益：
1. 了解基于大语言模型生成RPA代码和注释的方法
2. 了解大语言模型驱动的数字员工的系统架构
                                                                                                           
CodeGeeX 多语言代码生成模型与最佳实践
薛宇飞
智谱AI 大模型事业部副总裁
清华大学计算机系博士、博士后
多年人工智能相关研究及产品经验
曾任职于旷视科技、新浪微博等公司
 内容简介：
介绍CodeGeeX代码生成模型及IDE插件的基本情况、技术特点及研发历程。                                              

演讲提纲：
1. CodeGeeX代码生成模型简介、主要特性、研发过程、评测；
2. CodeGeeX编程助手插件的功能及研发过程；
3. 从代码生成模型到编程辅助工具的思考与展望。

听众受益：
1. 了解基于LLM技术的代码生成模型的研发过程及模型评价的通用评价方式；
2. 了解基于大模型的编程辅助工具的研发经验。
AI超越编程-后代码大模型时代的新问题
内容简介：
AI在代码生成场景有上限，相对于自然语言对话而言，有更明确的场景和严格的要求。AI革新软件开发始于代码生成，也值得软件工程从业者和实践者持续关注。                                                                                              

演讲提纲：
1. 基于大模型的代码智能生成所面临的典型问题以及现象
2. 近期业界对这些问题的讨论以及研究举例
3. 当前大模型技术在代码生成上是否天然存在天花板的探讨 

听众受益：
1. 了解大模型在落地到软件开发的过程中暴露出的问题
2. 介绍近期业界对这些问题的思考以及研究思路   
                                                                                          
申  博
华为云PaaS技术创新Lab代码智能技术专家
2022年北京大学博士毕业，加入华为云PaaS技术创新Lab，担任代码智能技术专家，负责围绕大模型技术的代码生成前沿技术挖掘和实现，以及生成式AI在泛研发领域的应用和拓展，主要研究方向为协同软件开发过程、检索增强生成、自动化反馈对齐等。                 
大语言模型代码生成的工程化方案介绍与实战探索
步绍鹏
微软中国高级研发经理
微软中国高级研发经理，就职于微软移动体验产品部，负责搭建Phone Link 项目工程系统，保证产品质量。具有多年软件质量优化和保障经验；并负责带领团队，推动微软开源云测试平台Hydra Lab的构建和完善；在分布式测试系统、智能测试、对话式质量保证系统方面获得多项专利；所构建的Hydra Lab系统在全球多个研发中心部署，服务于微软内部多个核心产品线；2023年初开始，结合所带领团队的产品场景，推动Azure OpenAI智能能力的产品赋能；对软件测试、质量保障场景下的提示词优化、LLM落地有深入理解和研究；所著书籍《现代软件工程最佳实践》即将出版。

 内容简介：
2023年是人工智能发展的有一个里程牌年份，ChatGPT横空出世，重新点亮了AI赛道曙光。在这个智能化加速的时代，软件应用的广泛普及和不断增长的软件复杂性对软件工程和研发能效提出了更高的要求。过去几十年，我们目睹了软件研发自动化、低代码的发展。然而，随着人工智能（AI）和生成式人工智能（AIGC）的快速发展，软件研发能效提升和代码生成、软件测试被智能赋能成为了一个必然的方向，很多企业和开发团队已经走在探索的道路上。本演讲将展开对软件开发智能化的介绍并分享实践经验。        
   
演讲提纲：
1. 介绍和背景: 研发质效与代码生成发展的简要回顾
2. 代码生成的实践回顾：从低代码到智能化
3. 大语言模型和代码生成
4. 基于探索视角的大语言模型代码生成实战

听众受益：
对大模型应用感兴趣的同仁
1. 对机器学习、大语言模型的深入理解：让听众更深入地理解这个领域。 
2. 掌握新的代码生成策略：通过基于灰盒探索视角的大语言模型代码生成实战案例，听众可以了解到新的代码生成的一些前沿探索。 
3. 了解未来趋势和挑战：我们将讨论大语言模型代码生成的未来发展趋势和可能遇到的挑战，这对听众规划未来研究方向或工作有一定参考价值。 
4. 扩大视野：我们的讲座将涵盖AI、代码生成、灰盒模型等多个领域，可以帮助听众扩大知识面，寻找跨领域的合作机会。                                                
京ICP备2020039808号-4
返回顶部