大模型的迅猛发展正逐渐重构各类垂直领域的生产方式，其中大数据结合AI方向作为大模型元年就持续讨论的话题，对大数据行业尤其是数据分析产生了深刻的影响。

本次演讲将从业务场景出发（如：智能指标ChatBI、数据开发AISQL等），并结合真实的业务应用，阐述领域内的主要矛盾、相关的技术方案和选型。也希望和各位一起讨论大数据处理技术、企业数据模型、大模型等领域如何结合的痛点和相关问题。

演讲大纲

1. 货拉拉指标场景的准确率挑战
2. 准确率和通用性如何兼顾
   • 指标领域知识理解问题
   • 数据模型与规范性
   • 可维护、轻量化、可观测如何解决
3. 货拉拉在数据智能化探索过程中遇到哪些坑
   • Text2SQL or Text2DSL
   • Workflow如何结合Agent达到业务预期
   • MCP是解决已有系统能力接入的银弹与否
4. AI 对大数据平台的机遇与挑战

您认为，这样的技术在实践过程中有哪些痛点？

1. 准确性与泛用性：如chatBI用于指标场景，但实践下来，技术路线和产品形态不一定适用其他子领域如数据开发
2. 成本与收益：如没有风口的加持，对于人效的提升难量化，且短期并不能cover目前大多数企业动辄千万级别的智能化投入
3. 其他：是改革还是革命问题，如业务使用方的惯性怎样改变如何与已在运行的业务体系兼容，动了蛋糕的冲突

听众收益

• 开拓数据xAI领域新思路，用新方法如何解决传统分析问题
• NL2DSL方式的探索经验
• 数据Agent的探索经验

大模型训练调优演进很快，高质量的数据处理与标注也一直是大模型训练与调优的痛点。DeepSeek最新构建的大模型使用纯强化学习的方式进行大模型训练。未来大模型的训练是否还需标注的数据，数据构建标注是否还有意义？如何高效处理与构建，并进行指令数据的进化，值得研究与探索。

演讲提纲

1. 背景介绍：大模型训练调优对数据的需求变化
2. 大模型后训练数据准备与处理
3. SFT指令数据构建及处理
4. RLHF数据的构建与训练
5. 大模型数据安全与版本管理

您认为，这样的技术在实践过程中有哪些痛点？

1. 未来是否还需要数据标注悬而未决
2. 如何保证数据的质量
3. 如何降低人工标注数据的工作量

您的演讲有哪些前沿亮点？

1. 端到端介绍大模型数据工程的处理链路
2. 除了介绍SFT指令数据的构建之外，还会介绍SFT指令数据的进化等

听众收益

1. 掌握和了解大模型数据工程处理的全链路
2. 可以看到大模型数据处理的趋势

在 AWS S3 等云对象存储中将数据存储为 Parquet 文件，不仅在大规模数据湖中非常流行，而且还可作为用于训练和推理的轻量级特征存储，或作为用于检索增强生成（RAG）的文档存储。然而，直接从 S3 查询 PB 到 EB 级规模的数据湖所面对的共同挑战是速度很慢，延迟时间通常从数百毫秒到数秒不等。

此次演讲将介绍如何利用 Alluxio 作为超大规模数据湖上的高性能缓存和加速层，对 Parquet 文件进行查询。在不使用专用硬件，不更改数据格式或对象寻址方案，不从数据湖迁移数据的情况下，Alluxio 如何实现亚毫秒级的首字节时间（TTFB）性能，以及Alluxio 的吞吐量与集群规模的线性扩展。

演讲提纲

1. 数据驱动型组织直接在云对象存储上存储和提供 Parquet 文件的普遍方式，以及给AI应用所带来的挑战；
2. 应对挑战的常见解决办法有哪些；
3. 实现Parquet 查询 1000 倍性能提升，Alluxio 系统架构及优化设计（单节点优化，可扩展的分布式层，计算卸载等）；
4. 低延迟存储方案的成本对比；
5. 未来工作展望。

听众收益

1. 了解Alluxio的架构和工作原理，并学习核心优化技术
2. 了解数据湖查询性能优化实践，掌握查询优化的方法并了解实际案例

2月 OpenAI 推出 DeepResearch，3 月同类产品 Manus 国内出圈，3 月底字节开源通用智能体 Tars。2023 年初就曾爆火的 AutoGPT，其思想在今年再次被大家致敬，背后原因是包含 Computer use、Reasoning 模型、MCP 工具生态等在内技术成熟度的持续提升。
虽然能看到希望，但模型幻觉问题仍然存在、解决复杂问题能力仍待提升、垂直领域知识缺乏问题仍然存在。进一步地，如果想要在企业内场景落地，还将面对包含可控性、推理成本、安全等在内的更多问题。
我们结合过去两年 BISHENG 在企业内大模型应用落地的经验，尝试提出一套经过改良、更加适合企业应用落地的 DeepResearch 框架。更加注重对企业内部知识、文档、数据的解析与应用，更加注重人在过程中的互动与可控，同时考虑管理者视角对使用记录数据的自动分析、观测与持续优化。

演讲提纲

1. 企业内大模型应用落地难，DeepResearch 能否破局？
2. DeepResearch 技术介绍：成为链接技术与业务的关键
   • 从 Deepsearch 到 DeepResearch
   • 多步研究能力和规划能力
   •  本地文档搜索与高阶文档分析
3.  DeepResearch 在企业内的应用场景探讨
4. DeepResearch 在企业内落地的难点与挑战：幻觉、安全、推理成本、交互友好性...
5. 我们的解法与思考

技术实践痛点

1. 放弃看起来更酷炫的应用场景，优先解决更真实的企业业务诉求
2. 仍然无法从根本上解决模型幻觉，只能通过更强的控制降低概率
3. 效果与落地成本（算力、效果持续提升）两者之间必将有所取舍

演讲前沿亮点

1. DeepResearch 如何重构上一代 RAG 技术
2. 面向 DeepResearch 类通用 Agent，企业应当如何完成数据准备
3. 一线企业落地经验

听众收益

1. 提供一种企业落地通用智能体的框架设计参考
2. 共享一些企业私有化落地过程中的真实难题与解决思路