主题介绍：\n 探讨大型AI模型在代码生成中的应用，将介绍Copilot类的工具的最佳实践，以及如何使用AI Agents实现自动编码（Autopilot），从而充分发挥大模型的潜力，以提高软件开发生产力。\n \n 主题大纲：\n 1. 目标：让大模型最大程度释放代码生产力\n 2. 大模型与研发的两种结合形态\n AIC Code，生成代码\n AIG Action，生成Action\n 3. Copilot -- 辅助与加速编码\n 让代码中AI含量90%变为可能\n Copilot的各种使用场景及最佳实践\n 4. Autopilot -- 自动化编码、单测验证甚至发布\n AI Agent -- 下一代主流生产力\n AIG Action与Agent的底层逻辑\n 一步步打造自动编码Agent\n

主题介绍：\n AIGC 的发展，引发新一代的内容理解、生成技术热潮，也使得门槛相对较高的数据研发治理领域，有了更加平民化、提供自然语言接口的可能。DataLeap 是火山引擎数智平台（VeDI）推出的大数据研发治理套件，核心是帮助企业快速完成数据集成、开发、运维、治理、资产、安全等全套数据中台建设。过去一段时间，DataLeap 通过结合 AIGC 技术，在数据资产、研发方向做了一些探索、实践。\n \n 主题大纲：\n 1. AIGC 在 DataLeap 数据资产方向的实践；\n 2. AIGC 在 DataLeap 数据开发方向的实践；\n 3. DataLeap AIGC 未来规划；\n

主题介绍：\n AIGC 的发展，引发新一代的内容理解、生成技术热潮，也使得门槛相对较高的数据研发治理领域，有了更加平民化、提供自然语言接口的可能。DataLeap 是火山引擎数智平台（VeDI）推出的大数据研发治理套件，核心是帮助企业快速完成数据集成、开发、运维、治理、资产、安全等全套数据中台建设。过去一段时间，DataLeap 通过结合 AIGC 技术，在数据资产、研发方向做了一些探索、实践。\n \n 主题大纲：\n 1. AIGC 在 DataLeap 数据资产方向的实践；\n 2. AIGC 在 DataLeap 数据开发方向的实践；\n 3. DataLeap AIGC 未来规划；\n

主题介绍：\n 本次分享将介绍LLM研发下游任务落地的调优、挑战、技术展望与难点。\n \n 主题大纲：\n 1. LLM研发模型现状；\n 2. 下游研发任务落地与调优；\n 3. 研发领域任务sft难点与技术；\n 4. 未来展望；\n \n 听众收益：\n 让听众深入了解LLM研发垂域模型的现状与技术。\n