Linly 项目是由深圳大学-大数据系统计算技术国家工程实验室推出的开源大模型项目，项目基于自研预训练框架，实现了主流开源大模型的中文化训练以及指令跟随。Linly 现已发布基于 LLaMA-1&2、Falcon 模型底座的 7B、13B、33B 等量级模型，下载次数超万次，在 GitHub 获得 2.6k stars。本次分享将介绍预训练相关背景知识，Linly项目特点和技术细节，以及 Linly 模型在领域模型、虚拟人等场景的应用。

传统的推荐系统往往为相对封闭的系统，仅使用给定推荐场景内部的数据进行训练，对于用户偏好和上下文理解不全面。本报告提出利用大语言模型的通用世界知识和逻辑推理能力，设计开放的推荐系统，以深层理解用户行为背后的动机和关联关系。

随着科技的进步和人们生活水平的提高，"无障碍"在日常生活中变得越来越重要。SceneXplain 利用多模态大模型的优势，旨在为视觉障碍者提供超越文字和图像的无障碍体验。借助最新的模型算法，用户能够通过视听感官揭示像素背后的故事。我们的目标是通过创新的人工智能技术，普及无障碍体验，改善视觉障碍者的生活。

ChatGPT 引爆全球 AI 新机遇，“人工智能+”也成为各大企业的角逐焦点。本次分享将详细介绍 GPT 等大模型在需求管理、开发测试、价值落地等研发全生命周期中的实践和应用，揭秘 AI 可以如何赋能研发协作和生产效率，驱动研发效能提升；也希望为“人工智能+”的落地场景提供一些新思路。

带领大家探索大语言模型（LLM）的发展历程，从 CBOW 的 SSL 方法、到 BERT 与 GPT-3 的独特特性，再到最新的 GPT-4 的技术解码、成本推论与 OpenAI 的工程设计权衡。此外，将详细介绍 Instruction Tuning 如何使 AI 任务通用化，以及 InstructGPT 如何成功打通 RLHF。我们会深入分析开源大模型 MMLU 的评测榜单，并探索 MetaGPT 技术如何构建多智能体框架，满足企业和个人的多样化需求。此次演讲，我们将更加聚焦技术内容，让大家对智能体技术有更深入的了解，希望能为大家在未来的研究和应用中提供宝贵的参考。