Global Al Bootcamp
Global Al Bootcamp,作为Prompt Engineering Conf 系列活动的重要组成部分,致力于推动 AI 技术的创新与应用。
作为促进人工智能行业发展的全球性盛会,该活动将于3月9日在北京盛大举行。届时,活动将汇聚全球AI开发者,共同学习、深入交流,共谋AI未来。
活动时间
活动地点
报名方式
Global AI Bootcamp
2023 Global AI Bootcamp 现场照
为进一步聚焦AI技术前沿洞察,推进AIGC服务的实际应用,我们特此在一周年之际,于北京再次盛大举办Global AI Bootcamp·北京——AIGC前沿洞察与企业应用落地活动。
此次盛会我们邀请了多位AIGC行业重磅嘉宾,包括多位Microsoft MVP(微软最有价值专家)和专注在人工智能领域的资深专家,他们将以其专业知识和丰富经验,引领我们共同探索AI服务在不同领域的广阔应用前景。
活动亮点
强大的嘉宾阵容:活动邀请了多位微软 MVP 和人工智能领域的资深专家。他们不仅具备丰富的 AI 专业知识,还拥有丰富的实践经验。通过与这些行业领袖的深入交流,参与者将有机会解决实际应用中的技术难题,并获取宝贵的专业建议。
洞察 AI 领域的前瞻趋势:聚焦于当前 AI 技术的最新动态,更将深入探讨 AI 技术的未来发展方向。通过分析 Sora 在不同行业的应用案例,参与者将能够了解 AI 技术在各领域的最新进展和未来趋势,为业务创新提供源源不断的灵感和方向。
实战经验分享,助力企业应用:活动邀请了来自企业的杰出代表,他们将分享在 AI 技术应用中的实战经验,分享将覆盖技术选型、项目实施、效果评估等关键环节,为参与者提供宝贵的参考和借鉴。
拓展人脉,建立全球合作网络:本次活动将汇聚来自全球各地的 AI 开发者、企业家和 AIGC 领域专家,参与者将有机会结识志同道合的伙伴,拓展自己的人脉圈,不仅有助于个人职业成长,更将为项目或公司带来更多的资源和支持。
Prompt Engineering Conf
聚焦AIGC前沿技术,推动全球智慧AI发展
Global Al Bootcamp,作为Prompt Engineering Conf 系列活动的重要组成部分继承和发扬了其创新和开拓精神。
Prompt Engineering Conference(PEC)是在大语言模型浪潮背景下由全球前沿AIGC从业者发起的公益活动,它旨在以 Prompt 为核心,为从事 AIGC 行业的伙伴提供一个交流平台。
Prompt Engineering Conference
2023年,软积木相继在北京、上海两地隆重举办了PEC大会,活动不仅涵盖了AI领域最新研究成果的分享,还包括对AIGC技术应用落地、商业模式等多个方面的讨论与交流。
凭借其高质量的内容和最前沿的知识分享,成功吸引了众多科技领域人士的关注,并在中国科技圈中引发了广泛的讨论和反响。
PEC北京场
PEC上海场
PEC大会汇聚了来自全球的微软技术专家、资深开发者、AI 自媒体领袖等前沿人物,共同分享行业洞察、探讨技术趋势。截至目前,PEC 大会线上线下累计吸引了超过 200,000+ 名参与者,其影响力覆盖全国 200 余个 AIGC 社群。
未来,PEC 计划将在更多城市继续举办,以推动 AIGC 技术的广泛应用与发展。我们坚信,PEC 系列活动作为 AIGC 行业的创新引领者,将不断激发企业家和从业者的创新潜能,共同推动智慧 AI 的发展,为未来的科技进步贡献力量。
报名注意事项
报名请您务必填写与身份证一致的姓名,否则会有不能进入会场的风险。
报名时,请您协调好时间,一经报名请一定准时参会,如行程有临变动,请于活动开始前24小时取消。报名未参会者可能会影响下次活动的报名。
本次活动方可能在活动宣传中使用参会者肖像,您愿意授权活动方将包含肖像的活动图片、视频素材在相关平台或媒体中发布和传播。
活动当日不提供停车位,请您安排好出行方式,建议乘坐公共交通工具绿色出行(微软大厦近地铁10号线苏州街站,4号线中关村站、海淀黄庄站)。
码上报名
好文章,需要你的鼓励
随着AI技术不断发展,交通运输行业正迎来重大变革。MIT研究显示,AI将很快自动化价值650亿美元的交通工作,大幅提升运输效率。从陆地到海空,AI正在推动全方位的交通创新。斯坦福专家强调,AI将通过基础模型、合成数据和数字孪生等技术,实现从单一车辆自动化到整个交通网络优化的跨越式发展,同时解决可持续性、安全性和公平性等关键挑战。
香港科技大学团队发表重要研究,开发GIR-Bench测试基准评估统一多模态AI模型的推理与生成能力。研究发现即使最先进的AI模型在理解与生成之间也存在显著差距,无法有效将推理过程转化为准确的视觉生成,为AI行业发展提供重要警示。
波兰研究团队开发ORCA数学基准测试,对五个主流大语言模型进行评估。结果显示ChatGPT-5、Gemini 2.5 Flash、Claude Sonnet 4.5、Grok 4和DeepSeek V3.2的准确率均低于63%。测试涵盖生物化学、工程建筑、金融经济等七个领域的500道数学题目。研究发现模型主要在四舍五入和计算错误方面存在问题,表明自然语言推理进步并未直接转化为可靠的计算能力。
Meta超级智能实验室联合麻省理工学院开发了SPG三明治策略梯度方法,专门解决扩散语言模型强化学习训练中的技术难题。该方法通过上下界策略为AI模型提供精确的奖惩反馈机制,在数学和逻辑推理任务上实现了显著性能提升,为AI写作助手的智能化发展提供了新的技术路径。