长按二维码,关注官方公众号
快手智能研发中心高级算法专家，主要负责快手代码大模型算法研发、模型预训练、微调以及相关应用落地，包括大模型在代码续写、智能Oncall、智能研发助手等场景的落地实践。
AIDevops代码大模型推动的研发新范式
〇 分享简介 〇
大模型在提高生产力、优化工作流程和提供数据洞察等方向，正在出现新的机会以及成功的落地实践。在软件开发的各个阶段存在着大模型的应用场景，包括代码生成与编程辅助、代码审查、研发知识检索、自动化测试生成等。合理充分利用大模型的能力，给传统研发工具提供AI加持，进而提高研发效率，降低程序员进入新领域的入门门槛，并提升研发质量，同时，可促进工程师的快速成长。这将大大推动研发范式，朝着根据产品需求自动生成应用的方向发展，对生产力实现质的飞跃与提升。
本次分享主题围绕快手在AIDevops智能研发工作流中的探索与实践，如何通过代码大模型重塑软件开发新范式，以及快手内部Kwaipilot智能研发助手如何赋能软件研发全流程。
〇 分享收益 〇
目标：
1、构建企业级私域代码大模型，通过RAG技术手段提升大模型推理能力
2、了解大模型在快手内部的软件研发流程中的应用实践，
3、通过大模型深度赋能软件研发不同阶段，深度熟悉利用企业级知识库提升程序员开发效率。
成功要点：
通过企业内部知识增强模型能力，利用Context Rich等技术丰富模型推理上下文，促进模型长度外推提升模型长文本理解能力，促进数据增强的方式打破模型能力瓶颈，客观的模型效果评估指导迭代方向。
启示：
代码大模型深度赋能研发流程，可让程序员从繁琐耗时的重复性工作中解放出来，利用大模型提高研发效率，从而让程序员专注于更富有创造力的工作。
〇 分享亮点 〇
1、大模型时代的智能研发工作流
2、代码大模型的技术路线
3、智能研发工作流的落地实践
4、总结与展望
5、QA
