过去一年多时间，大模型给行业带来了巨大的变化，伴随着巨大的机会，但是国内应用还没有起来，各行各业都在探索真正的大模型应用。今年大模型将正式加速落地，迎接应用元年。我们在过去这段时间也做了很多的探索，通过自研和开源的模型，在教育领域里寻找用户需要且大模型能解决的落地场景。 2023 年我们自研了子曰大模型，它是国内第一家教育大模型，也是国内首个通过备案的大模型。我们也开源自研了 Qanything RAG 的引擎，问答准确率极具竞争力。去过一年我们把子曰和 QAnything 落地到一系列的软硬件产品中。 这次演讲将分享有道子曰大模型以及自研开源 RAG 引擎 QAnything 在教育领域的应用，包括 大模型翻译，Hi Echo，小 P 老师，文档问答，语法精讲，作文批改，升学咨询等。

演讲提纲：

• 因材施教的愿景
• 子曰大模型
• QAnything RAG 引擎
• 落地案例与技术细节

听众收益：

• 在大模型时代把握机会的做事思路
• 如何将 LLM、RAG 等技术应用到实际业务中
• 有哪些方法可以改善效果

职场人一定跟会议脱不了关系，每天大大小小的会开不停，那么如何让大模型带来会议办公领域的效率飞升，让你不再讨厌开会，从会议前的日程安排到会议中的提醒、提示，再到会议后的摘要、待办提取等等，真正感受大模型带来的效率提升。

演讲提纲：

1. 会议领域的人工智能发展历史
2. ChatGPT 的出现是一个分水岭，但依然存在挑战
3. 会议前的 AI 能力探索
   • 日程规划
   • 起草发言稿
4. 会议中的AI能力落地
   • 生僻词解释
   • 关键主题提醒
   • 实时建议
   • 会议效率监控
5. 会议后的 AI 能力精进
   • 摘要提取
   • 待办事项
   • 标题提取
   • 脑图生成
6. 未来展望
   • 会议Agent

听众收益：

• 了解内容行业的 AI 生产过程辅助
• 了解当前 Agent 技术对内容生产的最佳实践
• 了解当前大模型能力在内容生产方向的实际局限

法律作为典型的文本输入、文本输出的场景，与语言大模型高度匹配。在这一大模型赋能垂直行业的浪潮中，OpenAI、Anthropic 等通用大型模型龙头厂商纷纷进军法律赛道，全球领先的法律数据库巨头汤森路透、lexisNexis 等也投入数亿美元用于法律 AI 的研发与布局。然而，一个好的法律大模型需要什么样的能力，如何打造一个真正“好”的法律大模型，却是一个备受关注的问题。幂律凭借在法律行业多年深厚的专业积累，为满足客户在智能合同及法律服务场景多样化的需求，联合智谱 AI 共同打造千亿参数法律垂直大模型 PowerLawGLM，并深度应用于智能合同等业务场景。

演讲提纲：

1. 法律大模型的行业特点
2. 如何打造法律大模型
3. 智能合同业务场景的痛点及法律大模型应用实践

听众收益：

• 了解法律行业的场景痛点
• 了解法律行业大模型训练实践
• 了解法律场景大模型实际应用问题

GenAI 时代，各行各业都面临的巨大的挑战和机遇。贝壳找房作为居住领域的龙头，业务模式覆盖房子的全生命周期，房子相关的内容在不同业务阶段都有巨大的应用价值。基于贝壳长期积累的海量户型图、实勘图以及效果图数据，我们打造了居住行业的图像生成大模型 DreamHome 以及一整套的 RoomChain 生图链路，并在此之上孵化了“设牛”的生图产品，支持用户不同输入形式的装修灵感图生成，输出形式覆盖 2D 透视图、3D VR 等多种形态，在房屋买卖带看、线上灵感图获取、装修碰方案等多个 B、C 端场景获得了大量应用。未来，结合多模态模型在户型、灵感图等方面的能力突破，我们有望实现从户型上传到全套装修提案的一键生成，给居住用户带来全新的使用体验。

演讲提纲：

1. 居住领域图像模型 DreamHome
2. RoomChain 房屋生图链路
3. 设牛产品应用
4. 多模态在居住领域的未来展望

听众收益：

• 了解垂直领域图像生成模型的能力打造
• 了解全链路图生图行业应用的建设

近年来，生成式大模型技术阶跃式发展，大大突破了机器智能的能力边界，引发了各行各业对大模型研发和应用的热情。教育行业也不例外，作业帮在早期就开始积极拥抱生成式大模型技术，在各种细分教育场景中深入探索创新，尝试构建在效果和体验方面具有颠覆性的新型智能教育服务。以写作辅导场景为例，以往只能依赖搜索、推荐、传统自然语言理解类技术来提供写作辅导工具，以此来弥补人工辅导资源紧缺和学生写作文难、需要精细化个性化指导之间的巨大服务真空。近来的生成式文本大模型技术发展，取得了在语言理解和文本生成方面飞跃式突破，为精细化个性化智能写作辅导提供了坚实基础。但在实际落地实践探索中，仍面临诸多困难挑战。本次分享将介绍作业帮在智能写作辅导场景下所做的各种大模型技术创新和实践经验。

演讲提纲：

1. 写作辅导场景介绍及典型技术挑战
2. RAG 技术应用
3. 强化学习与用户反馈
4. 应用形态演变与技术展望

听众收益：

• 写作辅导场景典型技术挑战
• 写作辅导垂类大模型建设经验
• RAG 、强化学习等技术在写作辅导场景中的应用探索

金融行业独有的严谨规范性和合规要求，对语言大模型落地真实业务场景构成了较强挑战，且通用模型由于缺乏领域知识和专业工具的支撑，在金融业务中难以开箱即用。业界共识是，只有扎根（Grounding）在实际场景中，具备记忆（Memory），面向自身目标，通过规划（Planning）完成任务的 Agent，才能端到端交付业务需要的智能。

我们在此分享一个在实际业务中打磨过的多智能体协同方案，讨论如何以多智能体流程化的协同推理框架，高效率高质量的交付业务实际可用的投研能力，结合真实的金融业务需求（投研行业分析、新闻事件解读 ），展开这个方案在基座训练和 Prompt 工程方面的一些细节，并尝试勾勒多智能体在金融场景落地的未来蓝图。

演讲提纲：

1. 大模型 VS Agent
2. 金融行业的特殊性
3. 多智能体推理框架
4. 行业实践具体案例
5. 多智能体背景下的基座模型

听众收益：

• 了解蚂蚁集团在多智能体领域的技术探索
• 对在实际业务中实现多智能体系统有所借鉴
• 对大模型驱动的智能体/多智能体系统的未来有所思考

医疗行业作为知识密集型行业，是大语言模型落地应用的重点领域之一。本次演讲将首先概述医疗大模型及其应用，接下来分享云知声的医疗行业大模型训练及落地应用经验，然后讲解基于通用底座模型，面向应用场景的行业大模型定制优化方法，最后总结医疗大模型的构建方法和应用落地经验。

演讲提纲：

1. 医疗行业大模型介绍
2. 医疗大模型的落地应用介绍
3. 云知声的医疗大模型及应用实践
4. 面向应用的行业大模型定制优化方法
5. 总结与展望

听众收益：

• 了解云知声医疗行业大模型的构建方法论
• 了解医疗大模型的落地应用经验
• 获得大模型落地应用的一些关键技术和挑战

作为一家公有云供应商，Google Cloud 深入不同行业，与广泛的用户合作，共同探索和实现行业特定的解决方案。这些解决方案覆盖多个领域，包括游戏行业的翻译本地化和图像视频资产管理、零售行业的广告生成和商品归类、以及手机业的设备端智能增强等。借助我们迄今为止最强大的多模态大模型——Gemini，我们将深入探讨大模型和生成式人工智能在上述行业中的具体应用场景、技术实现和实用性挑战。

此次演讲不仅会结合Next ‘24的最新发布内容，还将覆盖多个行业中多模态大模型的应用，探讨它们的痛点和解决方案。我们将看到，某些场景如翻译本地化相对容易实现，而另一些场景则需要强大的推理能力或复杂的逻辑，如基于RAG（检索式生成）的场景，还有一些由于设备算力限制而难以直接应用的情况。

我们的讨论将不仅限于技术的实现，还将开放式地探讨这些技术在实际应用中面临的挑战和机遇，以及如何克服这些挑战，充分发挥大模型和生成式AI在不同行业中的潜力。

演讲提纲：

1. 当前行业领先的大语言模型和多模态模型能力简介 
2. 多个行业场景介绍和探讨 
3. 对大模型应用的看法

听众收益：

• 了解各个行业的不同场景，产生启发
• 了解到对各个典型场景的技术实现方式

大模型时代的到来，为各行各业带来前所未有的变革。当前越来越多的企业在探索企业数智化办公和管理，不同于其他垂直类场景，金融领域办公智能化的关键在于如何在符合监管合规和信息安全的前提下，利用人工智能技术，实现办公流程的自动化、智能化， 从而实现更高效、更准确的流程办理，最终提高金融行业的企业效率和竞争力。面对金融行业高专业度人员经验沉淀少、跨部门复杂办公流程处理等多方面问题挑战，我们深入探索大模型Agent等多方面技术，研发了多类办公智能化的AI助手在企业内推广应用。本次分享主要介绍金融领域场景中办公智能化的大模型技术实践经验和创新案例。

演讲提纲：

1. 企业办公智能化现状
2. 金融领域办公智能化背景挑战
3. 金融领域办公智能化核心技术方案
4. 金融领域办公智能化实践创新案例
5. 未来研究方向展望

听众收益：

• 了解大模型在金融领域办公场景应用中的挑战
• 了解大模型在金融领域办公场景的探索应用
• 了解大模型在解决金融办公场景实际问题中的技术创新