中国科学院计算机网络信息中心副研究员。清华大学本科、博士（无线网络方向），清华-阿里巴巴联合培养博士后（2020优秀博士后），拥有大量工业AIOps实践，主导的无线WiFi连接智能运维项目获得麻省理工学院Technology Review, Hacker’s News 科技媒体报道；在阿里负责双十一百万QPS智能调度系统，获得阿里巴巴CTO提名双11卓越贡献奖；连续两次快手技术突破最高奖“洛子峰”奖；承担国家重点研发计划子课题，国家自然科学基金项目和中国科学院网信专项等项目。在WWW、INFOCOM、ESEC/FSE、SIGKDD、SIGIR等CCF推荐 A类、B类国际会议有20余篇AIOps、AI、Networking论文发表，获得ISSRE 2023最佳论文奖。
主题介绍：\n
LLM已在各类自然语言处理任务中展现出显著优势，以OpenAI发布的GPT模型为代表的新技术革命正在全面展开。然而，这些模型大多依赖于通用领域的数据，对于特定垂直领域的应用，其性能常常受到限制。为了解决这一问题，研究者开始深入探索垂直领域的LLM模型，目前已在医疗、法律等领域取得了显著的成果。智能运维AIOps，作为机器学习与传统行业交叉的典型领域，有望通过将LLM与AIOps相结合，开启全新的智能运维时代。本次分享将重点关注“运维大模型”，探讨其概念，以及与大语言模型、传统AIOps以及自动化运维工具的关系和融合方式。同时，面对众多开源大语言模型，将介绍如何选择适合的大语言基座模型。最后，还将系统地介绍和展望长短期内可落地的应用，以及在应用落地的过程中面临的挑战和解决方案。\n
\n
主题大纲：\n
1. 运维大模型场景；\n
2. 运维大模型评测；\n
3. 运维大模型基础架构；\n
4. 运维大模型落地路线；\n
\n
听众收益：\n
系统地结合近期落地实践介绍和展望长短期内可落地的应用，以及在应用落地的过程中面临的挑战和解决方案。同时也会详细的讲述运维大模型评测榜单OpsEval背后的技术和结论，为运维大模型的相关选型和优化提供指导意见。\n
