腾讯2024人工智能专场前沿知识总结

关注了两个重要专场：腾讯云存储专场和互联网AI应用专场。这两个专场分别从云存储和AI应用的角度，展示了腾讯云在构建智能基础设施和推动AI应用落地方面的最新进展。

腾讯云存储专场：

在腾讯云存储专场，我深入了解了腾讯云云原生数据平台的组成架构，以及其在原石大模型训练中的应用。云原生数据平台是一个高效、灵活的数据管理平台，其核心组成部分包括：

• COS数据存储平台： 提供面向数据湖的存储解决方案，为海量数据提供安全、可靠的存储服务。

• GooseFS数据加速平台： 基于COS数据存储平台，提供数据湖融合和数据加速服务，大幅提升数据访问速度和效率。

• 数据万象： 提供数据处理和内容管理解决方案，包括：

  • Data Engine平台： 支持面向数据挖掘的数据处理，如数据清洗、数据转换、数据分析和数据挖掘等。

• MetaInsight平台： 支持面向内容管理的数据分类，帮助用户对数据进行有效管理和检索。

原石大模型的训练过程充分利用了腾讯云云原生数据平台的优势，实现了高效、安全的数据管理。模型训练过程中，数据湖融合和模型推理等环节都得到了GooseFS平台的加速，大幅提升了训练效率。同时，Data Engine和MetaInsight平台提供的便捷的数据管理功能，也使得模型训练过程无需过多关注数据层面的管理，进一步提升了开发效率。

互联网AI应用专场：

在互联网AI应用专场，我学习了AI企业实际应用案例分析和腾讯元宝解密等精彩内容，对AI在开发中的应用和模型人格化等方面有了更深入的了解。

腾讯元宝解密：

通过解密案例，我了解到如何使模型人格化，并展示了四种常见的训练流程：微调、prompt、agent和RAG。

• 微调： 通过微调控制模型对于类别的敏感度，提高模型精度，并处理下游新增任务。
• prompt： 使用特定prompt在不需要额外训练过程的情况下，使模型适应不同的任务。
• agent： 使用agent处理复杂的决策策略，解决连续性决策的任务。
• RAG： 使用RAG结合知识库和平台信息，打造专业的知识性助手，解决专业性问题，并提供解决方案和业务拓展方案。

AI企业实际应用案例分析：

通过案例分享，我了解到AI在软件开发中的应用潜力巨大。例如：

• 辅助编码： 在系统项目方面，使用模型构建团队级和项目级知识库，通过形成语法树与文件树辅助代码review，生成测试用例并融入现有工作流，对运维数字员工进行问题反馈。打造数字化员工：增强API问答、交互式监控、需求分析助手、执行测试用例生成、研发效能问题分析及建议等数字员工，帮助产品、开发、测试、部署、运维人员降本增效，更加落实公司向一线的核心思想。
• 新技术尝试： 在工作环境中鼓励使用AI，处理日常事务，提高工作效率。并鼓励员工探索新领域、尝试新技术，解决例如容器集群化、云底座上资源进一步利用率、系统测试智能化等问题。
• 大模型应用增强：打造物业知识库，解决公司内部基础管理业务与员工知识共享问题；对物业信息进行记忆排版分析，以挖掘长期运营中出现问题；大模型人格化提高模型一线使用感。
  • 知识库建设： 使用RAG建立统一的知识库，并进行多模态知识管理、知识便捷获取、知识获取权限管理和知识运营，为多经人员提供行业新思路，以产生更大的效益。
  • 记忆管理： 使用专门Agent，通过上下文增强、新背景理解、扩大执行动作等方式，丰富模型与记忆，使其能够更好地理解和适应新的环境和任务。
  • 智能体人格化： 通过微调情感化大模型，使其能够以更贴近人类的方式与用户互动，特别是在客服场景中，使业主想要的是一个人与他对话，如何让物业以为对面是一个体贴、合格、优秀的人，而不是一个AI，将是以后对物业管家降本增效的一大难点

总结：

这次参会我主要参加了腾讯云存储专场和互联网AI应用专场，特别是在互联网AI应用专场，我对AI技术在软件开发和日常工作中的实际应用，以及模型人格化的深有触动。该专场内容涵盖了AI企业案例分析和腾讯元宝解密，展示了AI在辅助编码、新技术探索和大模型应用增强方面的巨大潜力。特别是案例中通过微调、prompt、agent和RAG等训练流程，实现模型人格化，从而提升业主使用体验和员工工作效率，我感觉是未来物业行业降本增效的重点。