课程简介

在代码大模型从"能用"到"好用"的演进过程中，后训练技术已成为突破效果瓶颈的关键路径。

当前，尽管代码大模型在生成效率与基础能力上已取得显著进展，但在企业落地实践中仍面临领域适配性不足、长尾问题优化困难等核心挑战。研究发现，这些问题的解决不仅需要模型能力的持续提升，更需要建立模型与产品协同迭代的闭环机制。

本次分享将系统性地探讨代码大模型后训练的实践方法论，结合我司在通用研发场景和垂直业务场景的落地案例，深入解析如何通过模型优化与产品迭代的深度耦合，构建双向促进的效能飞轮。同时，基于实践经验，将展望未来智能编程的产品形态演进：从追求"全能模型"的单一范式，逐步转向构建多个"场景化专家模型"，最终实现企业级代码生成在效率与质量上的双重突破。

课程收益

1、帮助学员了解代码大模型后训练的核心技术路径与工程化实践

2、帮助学员了解模型能力适配不同专业编程领域的范式

3、帮助学员掌握复杂业务场景下的效果优化方法论

受众人群

开发各层级人员、研发管理岗、技术决策者及人工智能研究与软件工具开发等相关领域从业者以及其他对智能开发感兴趣的人员

课程周期

 0.5天（3H）

课程大纲

1、分享大模型后训练技术

1）分享代码大模型的不同阶段的后训练技术

2）结合案例分享模型优化方法

2、模型能力定义产品

1）模型协同产品的范式拓展，专家场景定制化

2）拓展AI应用边界

3、QA