大模型+企业数据=下一个时代的决胜关键

AI 的强化正通过技术进步与企业数据高效融合，推动下一时代。大语言模型利用深度学习和自然语言处理从丰富数据中提取有价值洞察，增强了数据分析的效率和准确性，为企业带来显著商业价值。

基于这样的理念，10 月 25-26 日，DA数智大会2024 将落地深圳机场凯悦酒店，探讨 AI 与企业数据融合新玩法和实践。会议初步策划了以下方向：

AI Agent 场景化落地：AI Agent 正逐步走向智能化、自主化和个性化，推动其在各行业的深度应用和创新。本论坛关注企业在落地 AI Agent 时面临的挑战，聚焦以下几个核心问题：

• AI Agent 如何与其他能力协同工作，并无缝集成现有系统

• 如何对 AI Agent 实例进行有效管理

• 开发和部署 AI Agent 的成本和 ROI 判断

大小模型协同进化：大模型虽然性能优越，但训练和推断过程需要大量的计算资源，成本高昂。通过与小模型协同工作，可以在不损失整体性能的前提下，优化资源利用，降低成本，提升效率。本论坛关注以下核心问题：

• 大小模型的互补与协作机制

• 大模型知识压缩与小模型增强

• 大小模型的动态切换与资源优化

智能分析与决策：在数据驱动的时代，智能分析与决策技术正逐步成为企业和机构的核心竞争力之一。通过结合先进的人工智能和大数据技术，智能分析与决策系统能够从复杂的数据中提取有价值的信息，提供精准、高效的决策支持。本论坛旨在分享智能分析与决策技术的最新研究成果和实战应用经验，主要关注以下方向：

• 数据挖掘与分析：利用先进的算法和大模型技术，从海量数据中挖掘有价值的信息

• 实时决策支持：构建能够实时分析数据并提供决策支持的系统

• 预测与趋势分析：通过智能分析技术，提升企业对市场和业务趋势的预测能力

大模型驱动的搜推广新范式：现代化的搜索引擎不再局限于简单的关键词匹配，而是更加智能化，能够理解用户意图并提供个性化推荐。这得益于大模型技术的应用，它们能够处理海量数据，从中提取有价值的信息，进而改善搜索结果的相关性和准确性。同时，在推广场景中，大模型通过分析用户行为和偏好，能够实现精准的广告投放，大幅提升用户体验和广告效果。本次论坛将深入探讨以下几个方向：

• 大模型在搜索引擎中的应用：探讨如何利用大模型提高搜索引擎的智能化水平，提升用户检索体验

• 大模型驱动的精准广告：研究大模型如何通过用户行为分析，实现高度定制化的广告投放策略

• 大模型助力精准推荐：交流大模型如何帮助推荐系统更精准匹配人群

多模态大模型应用：多模态大模型结合文字、图像、音频和视频，呈现出强大的跨模态理解与生成能力，开启了跨领域融合应用的新可能。本论坛旨在分享多模态大模型的前沿研究和应用实践，主要关注以下方向：

• 跨模态数据集成与分析：高效整合与分析多模态数据

• 前沿算法与模型架构：最新算法、技术挑战及解决方案

金融场景 GenAI 创新应用：大模型为金融行业带来了新的智能化解决方案。这些技术不仅推动了金融服务的自动化与个性化，也开启了全新的创新应用局面。本论坛旨在分享 GenAI 在金融场景中的前沿研究和应用实践，主要关注以下方向：

• 个性化金融服务：基于 GenAI 的用户行为分析与个性化产品推荐

• 风险管理与预测：利用生成模型提升金融风控的准确性

• 数据隐私与安全：保障应用 GenAI 技术过程中客户数据的隐私与安全

大模型引领产品革新：大模型引领产品革新的核心在于其强大的理解和生成能力，为产品开发和创新带来新机遇，例如，大模型能够深入理解用户需求和行为，提供高度个性化的产品和服务。本论坛主要关注以下核心问题：

• 如何将大模型集成到现有的产品研发工作流中，实现真正的自动化？

• 如何利用大模型的分析能力，及时捕捉并验证创新点？

• 如何有效利用大模型改造已有产品并验证其价值？

大模型助力研发提效：大模型在研发领域的应用已经展现出巨大的潜力，它们通过自动化和智能化的方式，显著提高了研发的效率和质量。以下本论坛的核心关注点：

• 代码生成与优化：大模型如何辅助开发人员自动生成代码，提高编码效率，并优化现有代码？

• 测试与错误修复：大模型在单元测试生成、代码理解、代码注释以及错误修复等方面的应用如何提高测试覆盖率和准确性？

• 研发流程优化：大模型如何通过自动化和智能化手段优化整个研发流程，包括需求分析、设计、测试、发布等阶段？

大模型应用的数据工程：在当前大模型快速发展的时代，高质量训练数据的供给成为一个关键制约因素。大模型的成功不仅依赖于其复杂的结构和强大的计算能力，更依赖于海量高质量数据的喂养。然而，现阶段高质量训练数据的供给仍显不足，严重影响了大模型的进一步应用和优化。为此，我们必须将目光转向大模型应用过程中产生的数据。这些数据反映了大模型在实际应用中的表现和用户交互，是大模型持续学习和改进的重要资源。通过对应用数据的有效收集、清洗、标注和分析，我们可以大幅提升数据质量，持续优化大模型，从而实现更精准、更高效的人工智能系统。本论坛将围绕以下核心主题展开讨论：

• 大模型应用数据的收集与管理：探讨如何在应用过程中高效地收集和管理数据

• 实时数据处理与质量提升：研究实时数据处理技术，提升数据质量以满足训练需求

构建可用于生产的 RAG：随着 GenAI 的不断进步和行业的广泛采纳，2024 年标志着检索增强生成（RAG）系统发展的关键节点。企业和组织正逐步摆脱初期的炒作，转而深入研究其实际应用，重点转向构建可靠且可扩展的 RAG 系统，以提供实际价值。同时，多模态 RAG 的概念也逐渐受到关注，人工智能与数据交互的新未来即将开启。本论坛关注：

• 数据质量与丰富性：确保检索数据的准确性、更新及时性，以及多模态数据（文本、图像、视频等）的兼容性和有效性

• 系统性能与扩展性：保证在高并发、低延迟情况下的系统性能，同时具备灵活的扩展能力以应对不断增长的用户需求和数据规模

会议现正处于策划阶段，此为意见征求初稿。欢迎大家留言反馈，如有感兴趣的议题，敬请联系组委会。议题招募即将开放申请通道。若您有意成为出品人、专家团成员或演讲嘉宾，欢迎通过邮件联系组委会：dacon@datafuntalk.com