专题演讲嘉宾：赵明

通常情况下 AI 模型的测试需要依赖高质量的标注数据来实现，本分享通过借助语音、图像、NLP 等 AI 模型进行有机组合，加入预处理和后处理过程，搭建自动化流水线，在不依赖于标注数据的情况下，对被测模型进行 Badcase 的自动化筛选，从而提高测试效率，辅助算法角色提升算法模型的优化迭代速度。

演讲提纲：

1. AI 中台业务与技术背景
2. 工作痛点与平台化建设思路
3. TTS 语音合成 badcase 自动化筛选方案
   • ASR+ 语速分析+语音评测模型流水线构建
   • 落地效果演示
4. OCR badcase 自动化筛选方案
   • 图像质量评价+数据增强模型流水线构建
   • 落地效果演示
5. NLP 作文批改 badcase 自动化筛选方案
   • 错误注入模型+替换比对流水线构建
   • 落地效果演示
6. AI 模型指标评测平台化整合
7. AI 研发提效的持续思考
   • 模型效果维度
   • 研发效率维度

你将获得：

1. 基于模型测试模型的实现过程和方法
2. AI 算法测试自动化体系构建
3. 自动化筛选算法模型 badcase
4. 如何通过工具链建设提升算法模型优化速度