在以 GPT-4、Llama 2 等大模型技术的加持之下，其出色的自然语言处理和理解能力，引领着各行各业向智能化转型。其中，身处一线的程序员最能感受这场变革的力量与影响。
以往需要耗费大量时间和精力的代码编写，如今 GPT 在微软、通义灵码在阿里、Comate 在百度、CodeGeeX在智谱、AgentVerse 在面壁等科企的实践下，开发者编写代码变得更加高效。大模型不仅提供了智能的代码建议和自动补全，还能够帮助程序员发现潜在的错误，提升代码的质量与稳定性。
作为大模型领域的风向标会议，软件研发变革与大模型自然是 2024 全球机器学习技术大会的重点主题，大会邀请来自微软、百度、阿里巴巴、智谱、面壁智能、DeepWisodm、复旦大学等企事业一线技术实战专家亲临会场，分享 AI 浪潮下的软件研发效能提升之道，让每位程序员都能成为 10x 工程师。
CodeLLM 在微软开发者部门的发展及其应用
本次演讲将深入探讨 CodeLLM 在微软的开发者产品部门中的演进历程以及其未来应用前景。作为一项将大型语言模型应用于软件开发领域的技术， CodeLLM 的发展备受关注。
此次分享将回顾 AI 技术在微软软件开发领域的发展历程，并深入探讨 CodeLLM 在软件开发、自动化测试、代码翻译等方面的最新实际应用情况。通过本次演讲，您将了解到 CodeLLM 如何在微软的产品部门中发挥重要作用，以及其在推动软件开发领域革新方面的潜力。
通义灵码的技术进展和应用案例
代码能力是大模型的核心能力，基于大模型打造的智能编码助手（Code Copilot）是当前大模型应用的核心方向之一，极大的提高了编程效率，并在快速推动整个软件工程智能化的发展。通义灵码是阿里巴巴通义实验室推出的智能编码助手，提供单文件及跨文件的行级和函数级代码续写、单元测试生成、代码优化、注释生成、研发智能问答等能力，支持 Java、Python、Go、C/C++、JS/TS、C#、PHP 等主流编程语言，兼容 VS Code、Jetbrains IDEs 及多种远程开发场景，已成为国内最受开发者喜爱的智能编码助手。本次分享将介绍我们最新的产品技术进展和典型应用案例。
智能化研发在百度的落地
在大模型发展之下，人与模型的协同关系最终会发生变化。首先模型与人会有更强的“陪伴”感，不再是人主动使用模型得到回答，而是由模型“主动”地观察人的活动，给予适当的建议；其次如同智能驾驶从 L2 发展到 L4 一般，模型也会逐渐由“辅助”发展成“巡航”至“接管”，更偏向端到端的需求的完成，而不是具体任务的辅助。
CodeGeeX：RAG 和长文本模型在代码项目级别的探索和应用实践
CodeGeeX 是智谱 AI团队精心打造的智能编程助手，具备代码补全、代码问答、代码解释器以及代码检索等多种功能，能够有效地提升编程效率。本次分享将回顾 CodeGeeX 从一个开源代码模型演化成为智能编程助手历程中的宝贵经验，详细介绍 CodeGeeX 在项目级别代码的应用，以及 RAG 和长文本能力在此过程中的探索与实践。希望通过这次分享，激发大家对于智能编程助手在未来编程领域中的应用与发展的思考。
面壁 AgentVerse, 拥抱大模型群体智能涌现
基于持续的科技前沿探索与多年行业积累，面壁以「大模型+Agent」双引擎驱动，围绕 CPM 系列基础大模型，推出由大模型驱动的AI Agent“三驾马车”创新成果，包括：大模型驱动的智能体通用平台 AgentVerse、超强 AI 智能体应用框架 XAgent、多智能体协作开发框架ChatDev。AgentVerse，可以让多个模型之间进行协作，并动态调整群体的组成，实现 1+1>2 的效果。
实验结果表明，该框架可以有效地部署多智能体群组，其性能优于单智能体，并且涌现了协作等社会行为。
MetaGPT：多智能体引领代码生成与协同的革新探索
通过整合大型语言模型（LLMs）和标准化操作程序（SOPs），在代码生成和团队协作方面开启新纪元。通过分配不同角色给多个 GPT 实例实现相互协作，MetaGPT 显著优化软件开发流程，提高开发效率。演讲内容将涵盖 MetaGPT 如何超越现有 AI 技术，促进团队间的有效协作，以及其在实际软件开发中的应用案例，展示其对促进创新思维和加强项目管理能力的贡献。此外，还将探讨 MetaGPT 的未来发展方向，揭示它如何塑造软件开发的未来趋势。
StepCoder：从编译器反馈中强化学习以提高代码生成能力
本次演讲将主要讨论使用 LLM 生成代码的难点挑战，以及如何有效的将强化学习整合到 LLM 的训练中。利用 LLM 根据人类需求生成代码不仅考验 LLM 的推理能力，还能够帮助人类更容易地开发软件，同时有利于未来智能体的发展。当尝试使用强化学习来增强 LLM 的代码能力时，因为生成代码过于复杂，使得强化学习的探索难以进行，进而导致 LLM 不能被有效优化。我们提出 StepCoder 来降低 RL 在训练过程中的探索难度，从而能够显著提高 LLM 的代码生成能力。
大模型在可观测 AIOps 的探索和应用实践
大模型强大的涌现能力和推理能力，为 AIOps 在复杂架构下提供更精准的数据关联和诊断提供了可能。阿里云可观测团队通过 AIOp 结合大模型应用， 探索了利用大模型进行知识问答和 PromQL 查询生成，极大地简化了对监控数据的查询与分析过程。此外，大模型在提供上下文明确的告警方面表现出色，通过与 ChatOps 机器人的整合，实现了更加自然和人性化的交互方式。这些实践不仅提高了诊断效率，也为系统异常的快速解决提供了有力支持。
然而，大模型作为 AIOps 实施中的双刃剑，同时也带来了一系列新的挑战，包括模型的解释性问题和与现有系统的集成问题。基于 ReAct 框架的 agent 协同诊断方案为这些挑战提供了可能的解决路径，使得 AIOps 不再局限于单一的自动化任务，而是朝着更加协同和自适应的方向发展。展望未来，我们预测大模型将继续在可观测性领域中扮演关键角色，推动 AIOps 技术的进一步发展和创新。
2024 全球机器学习技术大会即将于 4 月 25、26 日在上海环球港凯悦大酒店隆重举行！会议邀请50 +国内外顶尖技术专家、1000+ 各行各业 AI 精英共同探讨 AI 和大模型领域最佳实践、最新进展和未来趋势。
在 11 位高级技术委员会的指导与内容的严格把控下，大会分别设置了大语言模型技术演进、多模态大模型前沿、大模型工程与架构、大模型应用开发实践、GenAI 产品创新与探索、大模型应用框架与工具、AI 智能代理、代码大模型与软件变革、ML/LLM Ops 大模型运维、AI Infra 大模型基础设施、算力基建与性能优化、大模型+行业落地实践12 大技术主题。
大语言模型技术演讲
多模态大模型前沿
大模型工程与架构
大模型应用开发实践
GenAI 产品创新与探索
大模型应用框架与工具
AI 智能代理
代码大模型与软件变革
ML/LLM Ops 大模型运维
AI Infra 大模型基础设施
算力基建与性能优化
大模型+行业落地实践
干货为先，实践至上，2024 全球机器学习技术大会即将开启。如果你是计算机与 AI 相关领域从业者，请不要错过这次非常重要的学习、交流机会。
扫码预约全球机器学习大会PPT资料
↓↓ 点击「阅读原文」，了解「2024 全球机器学习大会」更多信息！
