戴昊

0 ? $score . '分' : '10.0分' ?>

南京四维向量科技有限公司技术副总裁

访问次数

905

反馈数量

66

关于教练

20年以上软件行业从业经验，10年以上兼职技术讲师经历，现就职于AI创业公司负责视觉分析引擎的架构及算法研发工作。擅长领域驱动设计，并将 DDD 的设计方法引入视觉分析引擎的设计与实现。对 NLP 也有相当浓厚的兴趣，并深入了解过 ChatGPT 背后的大语言模型的能力和演化，以及代码训练和指令微调所产生的能力涌现。

课程

Spec Coding 实战训练营：AI 辅助编码与智能评审

本课程聚焦「AI 赋能软件工程」的工程化落地，以 Spec → Code → Review → Test → RCA 为完整闭环主线，帮助开发与测试团队将 AI 工具真正融入日常研发流程。

课程摒弃泛泛的工具介绍，转而以「可执行 Spec」为起点，训练学员利用 Qoder、通义灵码、TRAE 等主流 AI 编码工具完成模块化开发、智能评审与自动化测试；并通过真实故障注入演练，掌握 AI 辅助 RCA（根因分析）的完整方法论。

全程包含若干动手演练，产出物包括可运行代码、用例矩阵、自动化脚本与 RCA 报告，确保学员「带着成果离场」。

开课时间：04.25 未定

工程师

大会议题

ChatGPT 背后的 LLM -- 从鹦鹉到乌鸦的能力涌现

案例背景:
此分享主要介绍新技术，并非项目问题解决，所以主要涉及的是 ChatGPT 这个炙手可热技术背后的真正的英雄 -- 大语言模型 LLM，以及LLM 在参数量达到一定阈值之后所涌现出的理解能力，这些能力和以往模型之前的本质差异。此分享还会分析 ChatGPT 背后的 GPT 模型的演化之路。比如通过代码训练给 GPT-3 增加了逻辑推理能力，以及通过指令微调给 GPT-3 增加了泛化指令理解的能力，让听众能不光光停留在 ChatGPT 这个“接口”层面，而是深入到其背后的“实现”

解决思路:
主要介绍的知识点有：自回归与LLM，In-Context Learning，Zero shot learning，GPT-3.5 的主要演化手段，Codex 训练及 Instruction Fine Tune。以及这些知识给 ChatGPT 所带来的能力涌现

成果：
个人在了解到这些 LLM 所展现出的乌鸦般的理解力之后，对于如何形成这样的能力突破非常感兴趣。相信听众在了解完这些内容之后，也会对为什么 ChatGPT 能涌现出这样的能力，做到心中略知一二了

暂无课程排期

戴昊

南京四维向量科技有限公司技术副总裁

905

66

关于教练

课程

Spec Coding 实战训练营：AI 辅助编码与智能评审

大会议题

ChatGPT 背后的 LLM -- 从鹦鹉到乌鸦的能力涌现

联系教练

您可以将您的需求提交给教练

学员评论

学员评论

905

66

联系教练

您可以将您的需求提交给教练

相关教练

相关教练

戴昊

南京四维向量科技有限公司 技术副总裁

905

66

关于教练

课程

Spec Coding 实战训练营：AI 辅助编码与智能评审

大会议题

ChatGPT 背后的 LLM -- 从鹦鹉到乌鸦的能力涌现

联系教练

您可以将您的需求提交给教练

学员评论

学员评论

905

66

联系教练

您可以将您的需求提交给教练

相关教练

相关教练

南京四维向量科技有限公司技术副总裁