大模型的三次触动、两个难题、一个参考答案-贾安亚.pdf

《大模型的三次触动、两个难题、一个参考答案-贾安亚.pdf》由会员分享，可在线阅读，更多相关《大模型的三次触动、两个难题、一个参考答案-贾安亚.pdf（18页珍藏版）》请在三个皮匠报告上搜索。

1、大模型的三次三次触动、两个难题、一个参考答案商汤科技 Copilot 产品负责人/贾安亚本次分享中，我将围绕大模型的产品设计与场景实践，和大家聊一聊：近一年，大模型带给我的三次三次触动大模型应用领域的两大两大难题大模型产品化及商业路径的一个一个参考答案商汤小浣熊Raccoon基于自研大模型的AI Native 生产力工具大模型带给我的三次三次触动ChatGPT写代码程序员产品经理GPT4图片生成网页数据分析师Code Interpreter做数据分析LLM-Native 生产力工具的意义？AI的本质是增强人性的增强可以带来低成本的情绪价值理性的增强可以带来生产力提升LLM-Native 生产力

2、工具的意义？世界知识+理性思维+人机交互=新质生产力创造者受领者58%经验少于五年的开发者，Copilot 每周可帮助节省约一小时基本认知：模型迭代速度飞快基本认知：模型迭代速度飞快SWE-bench，Claude 2 和 GPT-4 的成绩只有 4.8%和 1.7%SWE-bench，Devin 取得13.86%成绩 AI 工程师初具雏形如何利用产品设计去缩小大模型的不确定性？基本认知：模型迭代速度飞快基本认知：模型迭代速度飞快如何利用产品设计去缩小大模型的不确定性？支持多种通用语言支持Python、Java、JavaScript、C、C+、C#、Go、SQL等多种语言AI代码助手：性能全面

3、提升，精度超越GPT4.0HumanEval测试集一次通过率*GPT-4 zero shot 74.4%截止2024.01.31代码解释器：不止会写代码，还会执行和反思代码解释器：不止会写代码，还会执行和反思如何利用产品设计去缩小大模型的不确定性？基于世界领先的代码解释器能力1000+数据分析测试集上精度超过GPT（84.62%）RAGRAG：知识外挂，常备常新：知识外挂，常备常新如何利用产品设计去缩小大模型的不确定性？通用性业务性慢更新快更新人机协作：非瞬时类的创作性场景逐步优化交互方式人机协作：非瞬时类的创作性场景逐步优化交互方式如何利用产品设计去缩小大模型的不确定性？低级编程语言高级编程

4、语言自然语言自然语言是最好的软件开发语言？产品经理AGENT架构师AGENT开发AGENT测试AGENTLLM Native的产品交互GUI&LUI：灵活性、开放性和确定性的平衡灵活性开放性确定性LLM Native的产品交互GUI&LUI：灵活性、开放性和确定性的平衡任务层面个人层面需求分析架构设计代码编写软件测试部署上线需求调研需求评估需求规格设计技术架构业务流程用户界面编码实现单元测试代码评审版本管理系统构建集成测试系统测试原型设计结果评估模块功能系统维护环境准备系统安装验收测试用户培训技术支持错误修复系统升级性能优化软件开发全生命周期子流程代码小浣熊：以软件开发全生命周期的视角，定义AI全链条辅助功能 量化质效结果 保障数据安全 降低使用门槛 融合企业知识需求理解数据合成与补全自动清理转换集成自动识别与提取按需分析自动呈现ETL逻辑自动编排假设模拟预测分析总结摘要自然语言理解、思维链推导、代码解释指标分解报表生成