出品人:王昊奋
同济大学百人计划 特聘研究员
OpenKG发起人之一

同济大学百人计划,特聘研究员,博士生导师。研究方向包括知识图谱、自然语言处理、对话问答机器人等。长期在一线人工智能公司担任CTO之职。他是全球最大的中文开放知识图谱联盟OpenKG发起人之一。他负责主持多项国家级和上海市AI相关项目,发表100余篇AI领域高水平论文,被引用次数达到2900余次,H-index达到26。他构建了全球首个可交互养成的虚拟偶像—“琥珀·虚颜”;所构建的智能客服机器人已累计服务用户超过10亿人次。目前,他担任中国计算机学会术语工委副主任,SIGKG主席,上海秘书长,中国中文信息学会理事,语言与知识计算专委会副秘书长,上海市计算机学会自然语言处理专委会副主任,上海交通大学AI校友会秘书长等社会职位。                                                                                                                  

知识工程

知识工程覆盖知识表示与建模,知识抽取,知识融合,知识存储,知识推理与计算,知识应用等全生命周期管理,旨在利用人工智能、大数据、互联网及软件工程等技术进行高效大规模知识图谱构建与领域应用,覆盖知识表示与推理、知识图谱、图数据库与图计算、知识问答、知识增强大语言模型等主题。
大模型在360云盘数字化转型中的应用探索
刘焕勇
360人工智能研究院资深算法专家
360人工智能研究院知识图谱方向算法负责人,曾就职于中国科学院软件研究所。主要研究方向为大模型数据挖掘与自动化评估、领域知识/事件图谱的构建与落地应用,申请发明专利十余项、论文数篇。近年来在OGB-Wikikg2、CCKS多模态实体对齐等评测中获得多项冠亚军。
内容简介:
大模型时代下,对加速文档办公的效率,丰富文档使用功能体验上有直接收益。360智能文档云在面向云盘文档场景上做了许多有趣的工作。本报告将从技术和应用角度上,介绍在智能文件处理、智能知识搜索、智能知识代理方面的一些实践,包括搭建copilot文件助手实现文案生成、总结、问答、翻译;搭建RAG知识引擎实现知识库问答、全局知识搜索、多模态搜索;利用Agent知识代理实现办公任务自动化、业务流程自动化。其中存在许多挑战跟现实问题,供大家一起分享并思考。                                                                                                                                                

演讲提纲:
1、大模型时代下的智能云盘数字化应用场景
2、智能云盘应用中的大模型技术架构
2、RAG知识引擎助力数字化问答与多源搜索
3、Agent智能代理实现复杂业务流程自动化
4、当前挑战及未来展望                                                                                                                     
                                                                 
听众受益:
1、了解大模型在文档办公下的应用场景
2、了解360文档云在智能文档办公中的探索实践
3、了解大模型再文档办公中的一些坑点及缓解方案                                   
                                                                                     
知识图谱的保险域实践
李  腾
蚂蚁集团数据解决方案专家
毕业于哈尔滨工业大学软件工程专业,在蚂蚁集团一直致力于保险知识图谱的建设及应用,包括知识的建模、知识的保鲜、质量的治理等。目前我们也在探索并实践面向大模型时代的新一代知识架构。                    
内容简介:
在互联网保险业务中,对知识图谱有着迫切的诉求。它能够帮助我们更好地理解复杂的数据关系,提升风险预测和理赔处理的精准度。
然而,在实际落地过程中,却面临着数据整合、标准化和隐私保护等多重挑战。为了克服这些难题,我们积极探索知识图谱技术,并成功将其应用于智能风控、客户画像构建等领域。
                                                
演讲提纲:
1、互联网保险业务对知识图谱的诉求
2、知识图谱在保险域落地面临的挑战
3、目前我们在相关领域的探索和实践
4、典型案例介绍
                                                                                                                      
                                                                 
听众受益:
1、了解知识图谱在保险域的应用价值
2、了解知识图谱项目中对于知识的管理策略
             
大模型RAG链路核心模块优化与实践技术分享
龙定坤
阿里巴巴通义实验室算法专家
硕士毕业于北京航空航天大学,一直从事自然语言处理、信息检索相关的研究和应用落地,研究方向主要包括基础词法、信息检索、预训练语言模型等,在相关领域国际会议ACL/EMNLP/SIGIR上发表多篇学术论文。目前致力于大模型检索增强(RAG)相关的算法研发,包括检索增强核心模块的开发和全链路高性能解决方案的探索。GTE embedding系列模型开源项目负责人。
内容简介:
大模型的崛起催生RAG应用的爆发,开源框架的流行如Langchain和LammaIndex也为开发者提供了低成本开发定制RAG应用的可能。本次技术分享将深入探讨大模型RAG链路中部分核心算法模块的优化和实践, 重点包括Embedding、ReRanking模块等。我们将以RAG的背景介绍作为开端,介绍其在大模型应用的基础范式。针对RAG在实际场景中的应用,我们将介绍RAG链路的具体构成及其在处理复杂查询、提升信息检索精度、提升端到端问答质量等方面的可能优化策略。本次分享将重点讨论这些常见问题,并分享我们在核心链路优化实践中的经验和解决方案,旨在跟大家探讨更有效地利用RAG链路解决实际问题的解决方案。最后,我们会讨论RAG链路面临的未来挑战和发展方向,探索一些可能的研究方向和技术动态,以期为参与者提供启发和思考,共同促进大模型RAG技术的发展与创新。

演讲提纲:
1、RAG背景介绍
2、面相实际落地的RAG链路介绍
3、RAG链路在实际落地场景中遇到问题以及核心模块优化实践: 包括检索Agent/Embedding/ReRank/离线doc理解等模块
4、案例介绍
                                                                                                                                                                                     
听众受益:
1、了解当前面相落地应用RAG链路存在的问题
2、了解RAG链路核心模块优化的策略和方案                                
                                                                                     
向量数据库:大模型时代的基础设施构建
刘  力
Zilliz首席工程师
Zilliz 首席工程师,拥有多年的数据库,大数据等方向的开发经验,目前在Zilliz负责查询索引相关的研发工作。曾于Meta就任高级工程师,负责广告流式数据框架的设计和开发工作。刘力拥有卡内基梅隆大学信息技术硕士学位。                    
内容简介:
AIGC掀起了新一波的AI高潮,带来了RAG范式,也让作为RAG基础设施的向量数据库为更多人知道。作为向量数据库赛道的开辟者,Zilliz在5年前创造的Milvus是现在最受欢迎的开源向量数据库。本报告将从RAG出发,介绍一些向量数据库的知识和用例。然后从Milvus的设计架构为切入点探讨向量数据库的一些技术难题和相应的解决方案。最后想和听众一起分享一下Zilliz团队对于向量数据库的一些自己的理解和业界前沿的发展的方向。
                                                                                                                                                               
演讲提纲:
1、向量检索简介
2、用向量检索和RAG技术增强大模型
3、从向量检索到Milvus的架构设计介绍
4、如何提高向量检索质量助力AI突破
5、向量数据库未来展望
                                                                                                                      
                                                                 
听众受益:
1、了解目前最火的RAG技术
2、深入解析目前最流行的开源向量数据库Milvus
3、共同探究向量检索技术未开发展的方向
                 
京ICP备2020039808号-4 京公网安备11011202100922号