企業平臺
發現評估
自動化
AI+自動化
行業解決方案
業務解決方案
合作伙伴
生態聯盟
咨詢服務
培訓服務
交流社區
客戶成功
產品文檔
公司介紹
新聞列表
聯系我們
加入我們
近日，在藝賽旗“AI無界·智動未來”為主題的企業級智能體春季產品發布會上，藝賽旗首席科學家、南京大學人工智能學院院長黎銘教授作為特邀嘉賓，為我們帶來了題為“基于大模型的流程自動化”的精彩分享。
黎銘教授深入剖析了當前#流程自動化 的現狀與挑戰，并展望了大模型技術在軟件開發與流程自動化領域的廣闊前景。
藝賽旗首席科學家
南京大學人工智能學院院長 黎銘教授
#1
洞悉流程的關鍵
流程挖掘
對于企業來說，不論是數字化轉型或提效都得先梳理流程。通過流程挖掘用數據還原實際業務鏈條，理清崗位協作和瓶頸環節，后續自動化才能真正見效。
黎銘教授首先指出了當前自動化面臨的幾大痛點：
一是依賴行業專家歸納總結流程，覆蓋面窄且靈活性差，導致流程制定成本高且難以普及，難以滿足多樣化的業務需求；
二是缺乏統一、高質量的日志系統，業務系統異構、數據分散，使得流程整合與優化難度加大。這些痛點限制了流程自動化的廣泛應用與深入發展。
#2
大模型技術
破局之道
面對這些挑戰，黎銘教授提出了基于#大模型 的流程自動化解決方案，利用機器學習技術，從業務數據中自動學習流程，實現流程的自動發現、配置與運行。
更重要的是，該方案能夠根據業務條件與變化對自身進行適時調整，從而提高了流程自動化的靈活性與適應性。黎銘教授強調，大模型技術以其強大的學習與泛化能力，為解決流程自動化痛點提供了新思路與新方法。
#3
大模型在
軟件開發中的應用
黎銘教授進一步分享了大模型在軟件開發領域的應用案例。他提到，ChatGPT、DeepSeek等大模型已在自然語言處理、機器翻譯、問答系統等多個領域取得了巨大成功。
在軟件開發方面，Microsoft與OpenAI合作開發的Copilot、GitHub與OpenAI合作開發的Codex等工具，能夠根據開發者的輸入自動生成符合語法規范的代碼片段。這些工具的出現，不僅提高了代碼生成效率，還降低了軟件開發門檻。
#4
大模型的挑戰
與解決方案
大模型在軟件開發中的應用也面臨諸多挑戰。黎銘教授指出，ChatGPT等預訓練語言大模型對“語言”質量過度依賴，且對蘊涵代碼中的程序功能語義建模不足。針對這些問題，黎銘教授團隊針對代碼的局部領域關系、線性依賴關系、多層次結構交互關系等進行了深入研究，提出了多種學習模型。
其中，針對代碼的多層次結構特征，提出了基于新型“金字塔注意力機制”的Transformer基礎模型PA-former，該模型能夠充分考慮代碼的多層次結構特征，提高了大模型對代碼結構特征的學習能力，積極應對大模型在軟件開發中的應用難題，并已與#藝賽旗 的產品進行了實際融合，應用于此次新品中的“智能組件生成”以及“業務開發推薦”功能中。
從實驗室創新到商業產品落地，黎銘教授團隊與藝賽旗的合作印證了“研以致用”的技術進化邏輯。這種深度融合學術界理論突破與產業界工程能力的協作模式，正在重新定義流程自動化的價值邊界。我們有理由相信，在不久的將來，隨著大模型技術的不斷發展與完善，流程自動化與軟件開發將迎來更加智能化、高效化的新時代。