本次演讲将结合内容风控场景的实践，聚焦“精度、效率、成本、性能”核心问题，从“解决方案、模型、数据、部署”角度出发，充分结合大模型复杂场景理解能力强、泛化能力强、创造能力强的优势，同时结合小模型低成本低时延、定制敏捷、可控性高的特点，打造效果精准、实时响应、迭代敏捷、成本优化、稳定可靠的新一代数字内容风控系统。

演讲提纲

1. 背景与挑战
   • 精度：通用泛化与领域适配
   • 效率：敏捷迭代与增量更新
   • 成本：数据成本与计算资源
   • 性能：高并发与低时延
2. 大小模型协同与精度提升
   • 多级动态推理大小模型协同架构
   • 多阶段大小模型蒸馏
   • 领域适配与高效微调
   • 实践效果与案例-复杂风险治理效果提升
3. 小样本学习与效率增强
   • 属性感知特征描述
   • 多模态小样本原型
   • 幻觉与注意力增强
   • 实践效果与案例-新型风险识别敏捷响应
4. 数据挖掘与成本控制
   • 可控训练数据生成
   • 多模态半监督学习
   • 基于大小模型协同的主动学习
   • 实践效果与案例-大规模风险管控轻量标注
5. 动态推理与性能优化
   • 多级动态网络
   • MOE
   • 实践效果与案例-海量风险处理实时性
6. 未来展望
   • 大小模型发展和应用趋势
   • 数字内容风控未来方向

这样的技术在实践过程中有哪些痛点？

1. 整体解决方案层面如何设计动态决策机制，用少的计算来处理简单case，用复杂的计算处理困难的case。实现效果与性能的平衡。
2. 训练数据挖掘与生成，如何同时提升数据的准确性、差异性、有效性。
3. 异构架构蒸馏，难度较大。
4. 面向某个单点问题更新，如何不影响全局，实现增量更新。

演讲亮点

1. 覆盖“效果-效率-成本-性能”全栈视角，全面阐述大模型时代业务场景落地实践。
2. 聚焦垂直业务场景，分析大模型在通用场景和垂直场景的异同。
3. 面向现实问题，比如如何增量更新尽量不影响已有能力、如何敏捷迭代缩短周期、如何减少标注节约成本等等。

听众收益

1. 了解垂直领域与通用领域，大小模型研发应用的异同。
2. 了解大小模型协同、多模态小样本学习、多阶段知识蒸馏、动态网络等关键技术的实战经验。
3. 学习下一代AI系统的发展趋势，对未来大小模型的发展方向有一定的了解。