4月26日,流程人工智能領(lǐng)域先行企業(yè)熵評科技與北京郵電大學(xué)人工智能學(xué)院智能計算系統(tǒng)學(xué)科交叉團隊(以下簡稱北郵VCIS實驗室)流程大模型MicroFlow研發(fā)項目正式啟動。雙方將展開合作,致力于“DATA+AI+PROCESS,用人工智能再造每一個流程”的流程大模型MicroFlow開發(fā)與建設(shè)。

北京郵電大學(xué)科學(xué)研究院副院長,人工智能學(xué)院教授,博導(dǎo)何召鋒出席并主持本次會議,熵評科技董事李雪松出席項目啟動會,雙方對本次合作進行展望,并與科研創(chuàng)新合作等方面展開深入溝通。

當前,人工智能發(fā)展日新月異,從感知與認知智能向更高階的決策智能發(fā)展趨勢愈加顯著。隨著智能技術(shù)的廣泛應(yīng)用,感知、認知與決策復(fù)雜度的急劇增加,進行個體感知,認知和決策能力更強;安全更可信、軟硬更協(xié)同的智能計算系統(tǒng)的建設(shè)成為亟需解決的行業(yè)問題。

通過對市面上現(xiàn)存的通用基礎(chǔ)大模型技術(shù)方案進行觀察,不難發(fā)現(xiàn),因?qū)π袠I(yè)知識和場景理解有限,當前很多產(chǎn)品無法直接滿足行業(yè)內(nèi)的多數(shù)場景需求。因此,訓(xùn)練自有的面向細分業(yè)務(wù)的大模型,以及將大模型進行業(yè)務(wù)場景落地應(yīng)用顯得尤為重要。

而對于企業(yè)實際應(yīng)用而言,熵評科技在進行流程診斷挖掘中也發(fā)現(xiàn)現(xiàn)有技術(shù)雖然已為企業(yè)數(shù)字化轉(zhuǎn)型、降本增效及提升工作效率等方面帶來顯著成效,但也進一步衍生出兩點新需求:一是需要更加智能的對流程診斷進行報告生成乃至輔助決策的能力,二是針對明確定位的業(yè)務(wù)流程問題,需要可以更智能高效的解決方案,而這其中,尤其是需要生成式AI的技術(shù)能力來加以解決。

圍繞市場新需求,熵評科技與北郵VCIS實驗室的本次流程大模型開發(fā)項目將共同進行流程基礎(chǔ)大模型MicroFlow的技術(shù)選型和訓(xùn)練,以及流程自動化多智能體等研發(fā)工作。雙方將把數(shù)據(jù)和模型方面的技術(shù)優(yōu)勢進行有機結(jié)合,真正實現(xiàn)“模型應(yīng)用一體化”,通過“高效訓(xùn)練”打造更加穩(wěn)定的技術(shù)模型。

一直以來,北郵作為國內(nèi)最早一批從事人工智能人才培養(yǎng)和科學(xué)研究單位,在人工智能領(lǐng)域的學(xué)科實力、學(xué)術(shù)水平和科研實力在業(yè)內(nèi)首屈一指。對于加快人工智能在高等教育領(lǐng)域的創(chuàng)新應(yīng)用、利用智能技術(shù)賦能人才培養(yǎng)模式和人工智能教學(xué)實踐領(lǐng)域也有著獨到的技術(shù)壁壘。

北郵VCIS實驗室通過方式創(chuàng)新,研究出基于原型學(xué)習(xí)的大語言模型樣本的高效微調(diào)方法,同時創(chuàng)新提出應(yīng)用于任務(wù)型對話的自適應(yīng)提示生成框架。通過對大模型價值觀對齊及評價體系的完善,有效提升了大模型應(yīng)用中重要的安全能力。除此之外,北郵VCIS實驗室也與熵評科技共同形成面向金融及其他行業(yè)更為完善的大模型行業(yè)功能體系。

與此同時,熵評科技在成立的三年時間里,在流程數(shù)據(jù)庫、流程挖掘智能管理方面也已取得了十分亮眼的成績。先后為包括銀行、制造業(yè)、央國企在內(nèi)超30家商業(yè)合作伙伴提供高質(zhì)量流程領(lǐng)域產(chǎn)品和解決方案,成功實現(xiàn)平安、中船、理士電池等超100個優(yōu)質(zhì)合作案例。

在過往經(jīng)驗中,熵評科技憑借對流程大數(shù)據(jù)挖掘,成功實現(xiàn)流程檢測、診斷和監(jiān)控的智能化和數(shù)字化,并致力于創(chuàng)新開發(fā)更智能的流程優(yōu)化方案。通過自有的流程知識庫與北郵人工智能學(xué)科優(yōu)勢相輔相成,搭建創(chuàng)新的流程多智能體系,在未來能夠?qū)崿F(xiàn)真正意義上的推動世界范圍內(nèi)各類型企業(yè)的流程自主智能運行。

此次熵評科技和北郵VCIS實驗室的強強聯(lián)合,標志著國內(nèi)流程大模型已經(jīng)進入嶄新階段。未來,雙方將凝聚自身獨到的技術(shù)力量,開展一系列深層次交流與創(chuàng)新合作,持續(xù)致力于為人工智能與流程挖掘技術(shù)進行交叉融合,為產(chǎn)學(xué)研用進行新質(zhì)賦能貢獻力量。

（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責(zé)任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）