【学习背景】
大语言模型（简称“大模型”）是近年来人工智能领域最重要的突破之一。随着技术的不断进步，大模型的性能正在快速提升，广阔的应用场景和巨大的应用潜力使其将在更多的领域发挥重要作用，为人类社会发展和进步带来更多影响。
中央企业作为发展新质生产力的主力军，在加快实施“人工智能+”专项行动中需要充分运用大模型技术，以智能化水平提升赋能传统产业转型升级，增强企业核心竞争力。为积极响应中央企业发展人工智能的战略部署，深入落实教育、科技、人才一体化融合发展，满足中央企业大模型人才紧缺需求，清华大学继续教育学院整合清华大学在大模型领域的优质资源，面向中央企业推出“中央企业首席智能官大模型研习班”。
【学习主体】
中央企业推动人工智能发展的负责人、首席人工智能官（CAIO）、首席技术官（CTO）、首席信息官（CIO）、有技术背景的CEO以及其他高层管理人员；对人工智能大模型技术及其在企业运营中应用感兴趣的资深专业人士。
【学习价值】
旨在为中央企业培养懂原理、懂技术、会应用、建生态的大模型战略应用人才。
【学习内容】
序号 |
课程类型 |
课程主题 |
课程内容 |
学时 |
1 |
理论 |
建立大模型的正确认知 |
- AGI、GenAI、AIGC、LLM……到底什么是大模型？ - 大模型的来龙去脉 - 大模型与之前的人工智能技术有什么不同？ - 对大模型的常见误解 - 大模型的核心技术框架概述 - 大模型对IT技术栈的影响 - 大模型对产业格局的影响 - 大模型未来展望 |
4 |
2 |
交流 |
现场教学：参访大模型企业 |
- 国产前沿大模型GLM的发展历程 - GLM大模型在各行业的落地情况 - 参访企业高管交流 |
4 |
3 |
应用 |
大模型如何在企业落地 |
- 大模型给企业带来了什么？新的能力，新的交互方式 - 对企业的机遇与挑战：开源与节流，新层次的竞争 - 大模型常见落地场景：文本生成、信息抽取、信息检索、智能对话、指令代码生成…… - 大模型技术选型的原则 |
4 |
4 |
交流 |
工作坊：大模型时代的CAIO工作 |
- - 大模型时代企业如何构建自己的竞争力：基础模型、组织变革、数据资产、业务场景 - 大模型时代研发团队组成 |
3 |
5 |
实践 |
确定大作业项目 |
- 导师指导学员进行作业方向选题 - 学员根据工作实际与研究方向确定作业项目 |
1 |
6 |
理论 |
大模型核心技术通识 |
- 从神经网络、深度学习到大模型 - 大模型的智能从何而来：数据准备，预训练和后训练（SFT、奖励建模与RHLF） - 大模型的基础设施：GPU与并行软硬件系统 - 深入讲解大模型的核心技术：Attention与Transformer - 大模型的最新架构：SSM、KAN与TTT - 多模态与具身智能 - 如何选择大模型 |
4 |
7 |
交流 |
现场教学：清华大学基础模型研究中心 |
- 了解清华大学基础模型研究中心 - 与清华大学科学家交流大模型最新科研进展 |
4 |
8 |
应用 |
大模型应用（一）提示词工程与简单智能体制作 |
- 如何选择大模型应用的技术路线：提示词工程，智能体，RAG，微调 - 提示词工程技术简介 - 提示词工程最佳实践原则：功夫在诗外 - 提示词模板、思维链、多步提示、few shot learning、提示词模式 - 提示词工程使用案例与比较 - 智能体：大模型时代的软件 |
3 |
9 |
应用 |
大模型应用（二）大模型API应用开发 |
- ChatGLM API技术详解 - CogView, CogVLM等API使用指南 - ChatGLM API企业落地案例 - CodeGeex代码助手实践 |
3 |
10 |
实践 |
制作智能体 |
- 制作自己的简单智能体 - 大作业应用开发 |
2 |
11 |
应用 |
大模型应用（三）大模型RAG应用与复杂智能体开发 |
- RAG概论 - 向量表示（Embedding）、向量数据库与向量检索 - 用LangChain开发RAG应用 - Agent详解 - Function Calling - 基于 Assistants API 开发 - 用LangChain开发智能体应用 |
4 |
12 |
交流 |
现场教学：大模型应用企业 |
- 标杆企业学习 - 参访企业高管交流 |
2 |
13 |
实践 |
大作业应用开发 |
- 导师指导学员进行大作业开发 - 导师与学员进行学习交流 |
2 |
14 |
理论 |
大模型数据工程、微调、评测与部署 |
- 大模型数据工程 - 微调的理论基础 - 微调技术的基本流程 - 微调的技术难点和策略 - 最新技术发展趋势 - 大模型结果评价体系、评估工具、评价标准体系 - 业务场景评测 - 生产级的 LLM 应用部署与维护 |
4 |
15 |
实践 |
使用微调API研发专有模型 |
- 使用微调API研发专有模型 |
4 |
16 |
理论 |
大模型的安全、合规与社会影响 |
- 大模型带来的新风险 - Prompt攻击与防范 - 大模型安全架构 - 大模型监管法规解读与实际操作流程 - 大模型的社会影响 |
4 |
17 |
交流 |
现场教学：模型安全、合规 |
- 模型安全、合规与社会影响权威机构学习 - 参访机构高管交流 |
2 |
18 |
实践 |
大作业完成测试 |
- 导师指导学员进行完成大作业的测试 |
2 |
19 |
实践 |
大作业答辩 |
- 每位学员进行大作业结业答辩 - 导师进行现场评价与建议 |
8 |
*1学时=45分钟
注：课程安排如遇调整，以实际安排为准。
【责任教授】
黄民烈，清华大学计算机与科学技术系教授。
清华大学长聘教授，清华大学基础模型研究中心副主任。长期从事大模型和自然语言处理研究。在国际顶级会议和期刊发表论文150多篇，谷歌引用近20000次，8次获得国际顶级会议最佳论文或提名奖（ACL、IJCAI、SIGDIAL等）。
【授课师资】
唐杰，清华大学计算机与科学技术系教授。
清华大学基础模型研究中心主任，领导研发了GLM系列大模型。研究领域：基础大模型、知识图谱、数据挖掘、社交网络。
东昱晓，清华大学计算机科学与技术系副教授。
清华大学知识工程实验室（KEG）成员。此前是Meta AI和微软雷德蒙研究院的研究员。研究方向为数据挖掘、图机器学习和基础大模型，相关成果应用于十亿用户级的社交网络和知识图谱产品中。
张鹏，智谱AI CEO。
清华大学2018创新领军工程博士。作为主要研究人员参与GLM系列大模型、AMiner等项目的研发工作，有丰富的企业AI应用经验。
张帆，智谱AI COO。
人工智能领域连续创业者，在汽车、旅游、企服等多个领域有超过十年智能技术的产业落地经验，曾任大搜车集团CTO，元因智能、妙计旅行创始人和CEO。曾在字节、腾讯、搜狗从事技术管理工作。巴黎十一大硕士，法国梅斯大学硕士。
刘江，智谱AI首席生态官。
长期从事人工智能领域技术战略研究和宣传布道。智源人工智能研究院创始副院长、美团技术学院原院长。图灵公司联合创始人。曾任中国计算机学会企业工作委员会主任、中国人工智能学会副秘书长。
注：授课教师还包括更多大模型领军企业AI负责人和资深技术专家。师资如遇调整，以实际安排为准。
【开班时间】
2024年12月16日至2025年1月7日。招生截止日期：2024年12月15日。
【学习时长】
学习时长为8天，共计64学时，采用分段式学习方式，每周集中学习2天，共计4周。
【学习费用】
学习费用每人39800元，每班30人。费用包含课程研发费、授课费、教学管理费、授课场地费、资料费、证书制作费等。协助预定学员用餐及住宿，费用自理。
【学习证书】
完成学习任务，符合结业条件的学员，将由清华大学终身教育处统一颁发清华大学继续教育学院主办的“中央企业首席智能官大模型研习班”学习证书，加盖“清华大学继续教育证书专用章”，可登录清华大学继续教育与认证网站进行证书查询，网址：http://thtm.tsinghua.edu.cn 。
【学习顾问】
王婷老师 清华大学继续教育学院
电话：13811477608，010-62795449
邮箱：edp@tsinghua.edu.cn
地址：北京市海淀区双清综合楼A座2层225-226
清华大学继续教育网址http://thtm.tsinghua.edu.cn
