2023年CCF中国开源大会“大模型时代的智能化软件工程新范式”分论坛成功举行...

news/2025/1/16 15:47:41/

be16e5f0cb00ff5c5ebadeadcd385ca8.png

4453cf359eda67d29b30fe1a2942f0e5.png

c9f8b54bc68376d200bc7e1b80339552.gif

9bcdfd2da2379c2585d3d44ae03a1558.png

2023年CCF中国开源大会“大模型时代的智能化软件工程新范式”分论坛于10月21日在湖南长沙成功举行。本次论坛聚焦大模型时代的智能化软件新生态以及相应的软件工程新范式,邀请了多位来自学术界和工业界的专家进行分享和交流,共设置了5个主题报告和1个Panel讨论环节,论坛主席由复旦大学彭鑫教授担任。

388d19e055fddf92821af581964d8049.png

同济大学特聘研究员、OpenKG发起人王昊奋老师带来了名为“增强大语言模型关键技术与应用范式“的主题报告。报告指出,随着ChatGPT等大语言模型不断涌现,成本高、应用受限等大模型应用中的问题也逐渐凸显,为此需要对大模型能力进行多方面增强。报告详细介绍了目前主流的一些大模型增强技术,包括提示工程、知识和检索增强、数据和服务的编排以及多模态应用等。此外,报告还对大模型的演进路线以及不同的产业落地和生态进行了分析和探讨,为大模型应用的未来提供了宝贵的洞察。

a8b1de28230735e6b52f9d34c0daee38.png

5d08ed514ee88c9bb1ea27408baa6026.png

澳大利亚CSIRO's Data61高级首席研究科学家(Senior Principal Research Scientist)邢振昌老师带来了名为“释放AI原生服务潜能:Prompt Sapper平台设计和技术实践”的主题报告。报告深入阐述了“提示即代码”(Prompt-as-Code)范式的重要性,并详细介绍了邢振昌老师团队设计的支持该范式的结构化提示语言(Structured Prompting Language)以及所开发的Prompt Sapper系列产品。报告着重强调了AI原生服务开发的重要性及相应的开发方法,认为这些新方法将从根本上改变传统的软件开发方法并为人与AI的智能协作提供了新的手段。

fc0151e2b48b4491c23a7eff3eddd8ee.png

f150a670049191cbf25c0530c955a303.png

复旦大学计算机科学技术学院副院长彭鑫老师带来了名为“基于大模型的人机物融合应用开发范式”的主题报告。报告在介绍人机物融合应用及其支撑平台的基础上,阐述了大模型在人机物融合应用开发中的潜在作用以及所面临的问题和挑战。报告展示了在软件定义思想的基础上利用大模型实现人机物融合应用自动编程和敏捷适应的基本思路,丰富了大模型时代智能化软件工程新范式的内容。

42f2205c088b2ad96373af8c5444849e.png

e4a6681c17db522343c98bceccb67645.png

浙江大学计算机学院百人计划研究员赵俊博老师带来了名为“TableGPT—大模型的漫长落地之路初探”的主题报告。报告介绍了赵俊博老师所设计和实现的融合自然语言交互、对结构化数据的向量化理解和链式指令集的智能化数据分析应用开发工具TableGPT。报告介绍了TableGPT的设计思路及其应用场景,包括所使用的领域限定语言(DSL)体系和指令精调方法,以确保系统输出结果的刚性和可控性。

056c295a832cb3a353eaf3ccec34875e.png

3eab4926a865069b7c01f8d2e61f38c7.png

杭州未来速度科技有限公司CEO秦续业先生带来了名为“大语言模型在数据科学中的应用和实践”的主题报告。报告着重阐述了大语言模型如何帮助数据科学家摆脱软件复杂性的束缚并专注于高效数据分析。报告着重强调了大语言模型在数据科学领域的应用前景及其重要性,并结合实践经验进行了深入阐述。

d06a63ee80e9bef048f99d73c9fcf581.png

2164594dc9d748017698397cc99ba4d3.png

在论坛最后的Panel讨论环节,各位演讲嘉宾与复旦大学计算机科学技术学院邱锡鹏教授一起围绕“大模型时代的智能化软件工程新范式”这一主题进行了讨论,彭鑫老师主持了Panel讨论环节。各位嘉宾围绕一系列相关话题进行了深入探讨和交流,包括大模型时代的软件新生态是什么样的?会在哪些行业和领域率先取得成功?这种软件新生态未来所需要的能力哪些可以寄希望于大模型自身能力的增长,哪些需要通过工程化的方法和技术支持?我们应当如何应对由于基于大模型的软件新生态的发展而带来的可靠性和安全性问题?

4c13a52857e9b85fbcbfb8a85bdbc46d.png

5e4791b69e64017409b3d0c2c84bd6d8.png

92b1ff46342d4c35f3ae84caf7000258.png

本次论坛吸引了近100人参会,反响热烈。各位嘉宾的主题报告和Panel讨论为大家理解和思考大模型时代智能化软件工程新范式的现状和未来发展方向提供了很多有益的思路。本次论坛也得到了CCF开源软件大会组委会的高度评价,荣获大会组委会颁发的优秀分论坛奖。

8151624204fef43f2aa60ed4bf424860.png

e014e700febdc0abe7ddbad1be571471.png

更多资讯请关注

4738781c31acca8e4c77dedc1a7848e9.jpeg

0313ad048f289a49956aad7f66d6afeb.png


http://www.ppmy.cn/news/1187117.html

相关文章

线性代数 第三章 向量

一、运算 加法、数乘、内积 施密特正交化 二、线性表出 概念:如果,则称可由线性表出(k不要求不全为0) 判定: 非齐次线性方程组有解无关,相关 如果两个向量组可以互相线性表出,则称这两个…

深度学习02-数据集格式转换

背景: 通常搜集完数据图片后,我们会用labelimg进行图片标注,比较高版本的labelimg支持的标注格式有三种,PascalVOC、YOLO、CreateML,标注的时候可以根据自己的算法模型数据集需求选择相应的格式,当然&…

回文日期-成绩统计-单词分析

回文日期 import os import sys# 请在此输入您的代码 import datetime time_input() yearint(time_[0:4]) mint(time_[4:6]) dayint(time_[6:])# 转成日期 datadatetime.date(year,m,day) # print(data) aTrue for i in range (89991231):datadatadatetime.timedelta(days1)d…

OpenCV官方教程中文版 —— Hough 直线变换

OpenCV官方教程中文版 —— Hough 直线变换 前言一、原理二、OpenCV 中的霍夫变换三、Probabilistic Hough Transform 前言 目标 • 理解霍夫变换的概念 • 学习如何在一张图片中检测直线 • 学习函数:cv2.HoughLines(),cv2.HoughLinesP() 一、原理…

Composition API的引入

目录 全局API的移除和替代 插件的改进 TypeScript支持的增强 优势 劣势 总结 Vue.js 3.x版本引入了Composition API,这是一个全新的API风格,旨在提高代码的可读性和重用性。Composition API使我们可以根据逻辑相关性组织代码,而不是按照…

K8S部署应用时从harbor拉取镜像失败

问题描述 K8S部署服务拉取镜像失败:ImagePullBackOff K8S拉取镜像提示:Failed to pull image “IP:PORT/zcy-project/nginx:1.16.1”: rpc error: code Unknown desc Error response from daemon: unauthorized: unauthorized to access repository: …

【Java笔试强训】Day7(WY22 Fibonacci数列、CM46 合法括号序列判断)

Fibonacci数列 链接:Fibonacci数列 题目: Fibonacci数列是这样定义的: F[0] 0 F[1] 1 for each i ≥ 2: F[i] F[i-1] F[i-2] 因此,Fibonacci数列就形如:0, 1, 1, 2, 3, 5, 8, 13, …,在Fibonacci数列…

【WSL 2】Windows10 安装 WSL 2,并配合 Windows Terminal 和 VSCode 使用

【WSL 2】Windows10 安装 WSL 2,并配合 Windows Terminal 和 VSCode 使用 1 安装 Windows Terminal2 安装 WSL 23 在 Windows 文件资源管理器中打开 WSL 项目4 在 VSCode 中使用 WSL 24.1 必要准备4.2 从 VSCode 中 Connect WSL4.3 从 Linux 中打开 VSCode 1 安装 W…