专题演讲嘉宾：高欢

2024是AIGC爆发的一年。自年初OpenAI的Sora概念推出以来，各家互联网公司争相进入文生视频的赛道，AI创作出的视频愈加真实且具有美感，满足了更多影视创作和专业用户的需求。同时，生成式的搜索和推荐也逐渐进入各家电商和短视频平台的事业，将用户画像建模和意图理解准确性提升到新的高度。多模态理解技术在这些AI原生应用背后承担着支撑性的作用，显著提升了AIGC的可控性。

本次分享将从国内外多模态理解技术的发展脉络出发，首先介绍行业的几个重点流派。随后将结合快手中的实际需求场景，讲述在技术落地过程中对疑难关键问题的思考和处理方案。同时，多模态大模型训练过程中的规模效应、模型选择、数据构造、训练范式等方面的探索也会被介绍。最后，结合短视频社交平台业务属性和创作者生态的主要关注目标，本次分享中将讨论未来多模态理解数据的发展方向和更多的应用前景。

演讲提纲：

1. 多模态理解技术的发展历史
2. 多模态理解技术中的几项代表性工作
3. 业务及技术挑战（效果方面及性能方面）
4. 工业界自研多模态模型和开源多模态模型的对比思考
5. 如何训练多模态大模型
6. 总结展望

听众收益：

• 了解多模态理解技术及案例
• 了解快手AIGC背后多模态理解技术的实践经验
• 了解前沿多模态理解技术与业务结合的方案和思考