飞猪大模型算法专家罗超确认出席 AICon 北京，并分享 LLM-Agent 技术在对话场景的落地

12 月 19-20 日， AICon全球人工智能开发与应用大会收官之站将在北京举办，本次大会 将以 “探索 AI 应用边界” 为主题，聚焦企业级 Agent 落地、上下文工程、AI 产品创新等多个热门方向，围绕企业如何通过大模型提升研发与业务运营效率的实际应用案例，邀请来自阿里、字节、华为、京东、快手、美团等头部企业、大厂以及明星创业公司的专家，带来一线的大模型实践经验和前沿洞察。一起探索 AI 应用的更多可能，发掘 AI 驱动业务增长的新路径！

阿里巴巴高级算法专家罗超已确认出席并将在「企业级 Agent 的设计与落地」专题发表题为《LLM-Agent技术在对话场景的落地与思考》的主题分享。

本次分享聚焦大模型与 Agent 技术在 B 端对话系统中的深度实践，覆盖外呼语音对话、客诉进线场景及商家服务三大场景。基于架构演进视角，拆解从传统多轮对话框架过渡到 LLM-Agent 化的算法架构演进历程。重点介绍以下技术技术模块：1）端到端大模型对话技术实现多 SOP 融合与流程遵循， 2）强化学习在 SFT 基座上的优化策略，同时保持高准确性以及高度拟人化 3）Agent 化工作流以动态编排替代硬编码，支持复杂场景的灵活性。

罗超是飞猪大模型算法专家，2016 年获得约克大学博士学位，毕业后一直从事计算机视觉、自然语言处理以及语音处理三个方向的应用研究落地工作。现负责飞猪 B 端算法团队，近两年主导了大模型技术对飞猪供应链与客服能力的升级。他在本次会议的详细演讲内容如下：

演讲提纲

1. 对话技术架构演进与飞猪的对话场景

• Bert 模型与传统 workflow 式“NLU-DM-NLG”对话架构

• LLM 升级传统架构中单一模块

2.端到端 LLM 对话架构+Agent 协作框架

• 飞猪对话落地场景

• 端到端对话技术

• 高准确率场景的 SOP

• 多 SOP 融合挑战

• 模型结构与训练策略

• 引入 COT 显式生成决策依据

3.强化学习在对话场景的应用

• SOP 对话场景下的 RL 选型

• 奖励函数设计

• 强化学习训练框架与策略

4.LLM-Agent 化

• 传统 workflow 的问题

• Agent 化的核心思想

• 动态编排机制

这样的技术在实践过程中有哪些痛点？

• 多 SOP 融合的复杂性与高准确率要求：不同业务场景 SOP 逻辑差异微小，模型需同时兼容多套策略且避免互斥或混淆，业务方对准确率要求高。

• 长上下文与动态意图理解：电话对话场景噪音多、口语化强、意图切换频繁，模型需精准捕捉核心需求并保持连贯性。

• 工作流 Agent 化的稳定性问题：动态决策链路中，Agent 的流程跳转、状态管理与异常回退易出错，需平衡灵活性与可控性。

• 实时性要求与推理效率：端到端模型需低延迟响应（如电话对话的<1 秒），但 Agent 的多步推理可能拖累性能。

演讲有哪些前沿亮点？

• 端到端 SOP 对话的难度与解决方案

• COT 与对话场景的结合

• 训练数据的生成方法

• 不同场景的强化学习策略

• Agent 技术的工程化方法

听众收益

1. LLM-Agent 技术在 B 端供应链和客服场景一手的经验

2. 端到端 SOP 对话的难度与解决方案

3. 语音对话场景下一手经验，如何做到高准确率与性能的平衡

除此之外，本次大会还策划了LLM 时代的软件研发新范式、Context Engineering、Data+AI / Agent 落地实践、大模型系统工程、企业级 Agent 的设计与落地、大模型时代下的搜广推系统实践、多模态从技术突破到创新应用落地等 10 多个专题论坛，届时将有来自不同行业、不同领域、不同企业的 50+资深专家在 AICon 北京站现场带来前沿技术洞察和一线实践经验。

现在报名即可以享受 9 折优惠，单张门票立省 580 元，详情可扫码或联系票务经理 13269078023 咨询。