主题介绍：\n 本次分享聚焦大模型与小模型协同推理中的能力迁移与增强技术，旨在解决大模型计算成本高而小模型推理能力不足的问题。\n 1. 探讨长思维链、思维链能力内化等大模型推理关键技术；\n 2. 介绍团队在推理能力蒸馏和推理能力增强两方面的最近研究成果；\n 3. 对未来的技术发展趋势和应用前景进行展望。\n \n 主题大纲：\n 1. 研究背景\n 2. 推理大模型关键技术：长思维链，思维链能力内化等\n 3. 推理能力蒸馏技术：CoT蒸馏、样例学习蒸馏、神经符号蒸馏等\n 4. 推理能力增强技术：神经符号协同增强、多模型协同增强、自我反思增强等\n 5. 未来工作展望\n 6. 总结\n \n 听众收益：\n 1. 掌握大模型推理能力向小模型高效迁移的关键技术路径；\n 2. 了解如何通过蒸馏与增强技术实现低成本、高性能的协同推理系统；\n 3. 可获得构建轻量化推理模型的最新方法，以及该领域未来发展的主要方向与实践启示。\n

主题介绍：\n 本次分享将全面探讨音视频译制配音过程中会遇到的问题，并深入探讨如何用AI统性的解决以下问题：\n 1. 如何基于视频内容，进行台本制作（含角色和情绪）；\n 2. 如何在配音时长一定的情况下，让翻译更加的信达雅；\n 3. 如何让译制的配音还原出视频的原始情绪；\n 4. 如何解决译制配音中常见的音画不同步问题。\n \n 主题大纲：\n 1. 生产流程建模\n 2. 说话人识别\n 3. 翻译制作\n 4. 小语种TTS/VC\n 5. 时序对齐\n \n 听众收益：\n 1. 了解文娱领域的影视剧生产流程；\n 2. 了解音频算法在文娱业务场景下的探索与实践；\n 3. 了解如何让AI能力落地影视工业化生产；\n 4. 掌握一套高可复现的AI译制片制作流程。\n

主题介绍：\n 数据智能向实时化、自动化、普惠化演进，核心始终是“让数据服务于人，让决策回归本质”。本次分享旨在为企业的数据智能建设提供兼具落地性与前瞻性的实践路径，通过分享北极九章构建企业级数据智能应用的技术方案，并结合实际落地的应用案例，探讨先进技术如何与企业真实的业务场景和需求相适配。\n \n 主题大纲：\n 1. 为什么今天普通企业用户依然难以获取准确的数据分析？\n 1）企业经营决策场景的转变 vs 数据分析范式的演进\n 2） Vibe Coding的优势和局限性\n 2. 从demo到可交付，我们需要什么样的“企业级AI数据智能体”？\n 3. 技术方案及效果\n 1）LLM在大型企业中落地的挑战\n 2）技术实现：混合AI模型\n 3）开放和集成：可扩展的技术方案\n 4. 应用实践案例分享\n 1）某世界100强落地案例\n 2）央企汽车集团落地案例\n 5. 探索与展望\n 1）数据智能的未来发展趋势\n 2）下一步实践方向\n \n 听众收益：\n 1. 行业发展趋势，领域现状与挑战\n 2. 当前主流技术方案及评价框架\n 3. 超大型集团企业的真实落地案例和效果\n