LLM 在電商平台的落地應用：商品屬性自動化解決方案
LLM 在大規模資料環境中建構可擴展、成本效益提示管道的實務經驗與可行策略，探討開發過程中遭遇的挑戰與解決方案。
深入了解 LINE SHOPPING 如何運用 LLM 從千萬商品中萃取屬性，為關鍵應用提供動力。
可擴展且成本效益的系統建置
- 核心策略與方法論
- 開發實戰經驗分享
- 提示工程與少樣本學習技術
挑戰與解決方案
- 技術難題突破
- 規模化與成本控制洞察
- 準確性與效能平衡策略
聽眾收穫：
- 提示工程和少樣本學習的實務見解
- 了解大型語言應用如何設計以平衡準確性、成本和擴展性
- 從成功方法和失敗中汲取的經驗教訓
講者
林儀潤(Vila Lin)
台灣連線股份有限公司
EC Data Lead
資深機器學習工程師與技術團隊領導，專精於大規模 AIGC、推薦系統、 NLP 解決方案開發。
目前在 LINE TW 電商事業群負責 AI 技術的產品化，致力於將前沿技術轉化為實際商業價值。
成功將多項 AI 技術解決方案整合至核心產品中，並在成本控制、系統效能優化、團隊協作效率提升等方面取得顯著成果。
目前正推動 AI 技術在營運部門的落地應用，實現智能化轉型。
樂於分享大規模系統設計經驗、AI 技術產品化心得，以及團隊管理與技術決策的實務案例。
歡迎與同好交流討論機器學習工程化、系統架構設計、以及 AI 技術的商業化應用等相關議題。