大家好，我是 Sumin Shin，目前在 LINE AI LAB、LINE Plus 擔任 LLM agent 相關服務的開發工程師。
去年七月，我以「LINE DEV Reporters」的身份參加了在東京舉辦的 Tech-Verse 2025，有機會第一手見證並聆聽 LY Corporation 各種技術成果的發表。
今年 Tech-Verse 的主要焦點之一就是 AI，現場有許多與 AI 相關的主題演講，結合了各種 AI 實際應用於服務的案例。身為現役工程師，很多內容都讓我感同身受，也不禁自問：「我能不能把這裡學到的東西帶回實際工作應用？」或「能不能基於這些經驗開發出全新的服務？」
這篇文章不會逐場詳盡總結每場演講內容，而是想和大家分享我在現場覺得印象深刻的瞬間。如果你錯過了 Tech-Verse，可以到 Tech-Verse 2025 官方網站 看看演講影片及相關資料喔！
前往會場的路上
活動當天早上，我從新宿車站附近的住宿出發，搭東京地鐵前往 LY Corporation 總部。因為平常都遠端工作，這是我久違的通勤經驗。擁擠的地鐵讓我想起首爾九號線的早高峰，心裡默默想著：「啊，這個城市的通勤也不輕鬆啊。」現實與想像的落差讓我有種頓悟的感覺，短暫地體驗了一下東京上班族的日常。
活動會場設在東京花園露台紀尾井町的四樓，也就是 LY Corporation 所在的大樓。場地空間算寬敞，同時有多個分會場進行不同議程。這是我第一次來紀尾井町辦公室，雖然不是在公司內部區域，但一到會場入口，經過一番通勤後被冷氣迎接的那一刻，至今印象深刻。
我在會場外的報到處領到名牌後，正式進入活動現場。共有六個會議廳，包括 Main Room A、B、C、D，以及 Seminar Room A、B。每個會議廳都分配了不同主題，像是 AI、安全、Server-side 等，相關議題的場次會依序在各廳進行。我主要都待在 Main Room A，因為這裡是 AI 主題的重點場地。
演講還沒開始時，看到主題演講會場一下子被參與者坐滿，讓我感受到緊張與期待。Keynote 內容介紹了 LINE 株式會社與 Yahoo! JAPAN 株式會社合併後的平台整合，並分享了 LY Corporation 未來的 AI 策略與關鍵 AI 應用案例。這就像後續各場演講的預告片，讓人對接下來的議程方向有初步掌握。
Tech-Verse Day 1－從 RAG 到 MCP，LY Corporation AI 技術力一窺究竟
第一天 Keynote 結束後，Main Room A 的議程聚焦於 MCP（model context protocol）、RAG（retrieval-augmented generation）等當前 AI 產業關鍵字在實際服務中的應用。許多演講不是只談論技術趨勢，而是著重於「如何導入、如何克服過程中的困難」，因此聽起來特別有代入感。
最讓我印象深刻的是「Ark Developer」相關的場次，主題是 Engineering evolving with AI。LY Corporation 以「Ark Developer」之名，為員工提供開發流程最佳化的 AI 解決方案，支援像是程式碼自動補全、Review 與安全檢查、自動產生註解與文件、測試碼自動撰寫等功能，背後則是 RAG-based 的 code assistant。我特別佩服他們能即時串流內部文件，讓 AI 助理提供程式脈絡相關的協助，還有從 GitHub 到 PR 產生的串接 demo。最驚豔的是，code assistant 把目錄結構當成圖（graph）來處理，查找相關程式時會進行圖形分析，而不是單純把程式碼當成一份份文件來看。
聽著聽著，我心裡想：「這真的就是 AI 參與在整個開發週期裡了吧！」，也自然思考我們團隊是不是也能導入類似工具。演講結束後，我問了旁邊一位來自前 Yahoo! JAPAN 服務團隊的新進工程師：「你們真的有在用嗎？」對方回：「比 Copilot 好用多了！」讓我印象深刻。
另一場值得一提的演講是 How to measure the quality of AI-Generated images。雖然最近 LLM 與 Agent 型 AI 技術很夯，但現場還是有團隊積極投入 Computer Vision 領域的研究與應用。針對圖片生成技術主觀性的問題，提出補強評估方法，這點從工程師角度來看真的很值得敬佩。
演講介紹了三種圖片生成模型的評估方式：傳統的分布型評分（如 FID（Fréchet inception distance）、IS（inception score））、美學標準（如 LAION 的 Aesthetic Score）、還有 LLM-based 的評分，例如 CLIP-IQA、Q-Align，以及用 Video-Language Model 做 VQA（visual question answering）問答式評測。這些方法讓我對如何分析生成圖片的品質有了更全面的理解，即使沒有標準答案也能評分。
這場演講也讓我第一次知道 LY Corporation 有在營運 image translation 和 inpainting 的模型。要把圖片翻譯後還原成原本文字的樣式與排版，不只是 OCR 或翻譯而已，而是連版面與結構都要重新生成，技術難度很高。
更重要的是， 如何評估與提升圖片生成結果，這點讓我很有共鳴，因為在把生成式 AI 技術落地到服務時，這確實是最現實、最關鍵的挑戰。我現在做的 LLM-based 任務，不是要找出唯一正確答案，而是追求「更好的回應」，所以要定量評估與提升品質就很重要。這場演講也再次強化了「評估」與「驗證」對整個生成式 AI 品質的關鍵性，而不是只有把技術做出來就好。
中場休息時的花絮
原本以為這活動就是整天聽演講，但實際到現場才發現 Tech-Verse 遠不止如此。會場外有專門的交流空間，大家會三五成群開會或聊天。另外還有名為「Product Street」的海報展示區，兩天內輪番上陣，不會讓人覺得無聊。
還有不能錯過的就是現場準備的點心、正餐和咖啡。第一天中午我在紀尾井町大樓內的餐廳用餐，第二天則領到主辦單位準備的便當。這次的便當是壽喜燒便當，吃著美味的日式便當，真的有一種出差到日本的感覺。
演講間隔還有點心可以享用，讓整個活動氛圍很輕鬆，身心都很 放鬆。現場還有 barista 兩天都在現場現煮咖啡，香氣跟味道都超棒，大家都會排隊等一杯。點心也很用心準備，甚至有剩的時候我都會多拿一份。
還有一點很特別，就是可以在演講廳外直接找講者提問。我能直接把演講時產生的好奇心問講者，簡單聊幾句，對理解內容幫助很大。
還有一個有趣的小插曲。Keynote 結束後的第一場，現場有個互動時間，要和身邊的人打招呼聊聊天。第一天我自然地和旁邊一位來自前 Yahoo! JAPAN 服務團隊的新進工程師聊天，第二天則和來自台灣的 AI TF 團隊交流。聊天過程中才發現這個團隊其實直接參與了 Ark Developer 的部分開發。有趣的是，每次我去提問時都會碰到這組團隊。
還遇到一個意外狀況：我想問一位不會說英文的講者問題時，台灣 AI TF 團隊的成員突然自告奮勇幫忙日英、日中口譯，現場瞬間成為焦點，大家反而比起聽講者更期待聽他的翻譯，讓我覺得「這才是真正的交流啊！」
Tech-Verse Day 2－AI 實戰服務規劃案例
第二天的議程重點在於 LLM 或生成式 AI 實際應用於服務的案例。最讓我印象深刻的是 “LINE PLANET” and AI: Conversations with AI，講解語音型 AI agent 的技術堆疊與實際應用案例。
演講內容說明如何解決 STT（speech-to-text）→ LLM → TTS（text-to-speech, 語音合成）流程中常見的雜訊、回音、斷話保護等問題。介紹了像是用 turn detection 判斷用戶發話結束、依麥克風環境調整的聲學回音消除、以及降低網路延遲等技術。讓我印象深刻的是，這些技術不是單純流水線串接，而是有機結合，讓對話更自然。
這場演講讓我更確信 Voice AI 不是只把輸入輸出串起來，而是要整合多種技術，目標是讓互動更像真人對談。要做到即時回應又自然流暢，很多細節設計只有親自實作才會明白箇中難度，也讓我很想自己組一套能滿足這些複雜條件的系統。
除了 Voice AI，現場還有許多實際 AI 應用案例，無論是演講還是海報展示都有涵蓋。雖然我自己也是 LY Corporation 員工，但平常很少有機會直接接觸 Yahoo! JAPAN 相關服務。這次才發現，AI 其實早已深度應用在影評、廣告自動化、購物、搜尋型旅遊推薦等各種領域。
有些場次只開放給內部員工，所以細節不能多說，但光看議程標題與簡介就能感受到應用範圍之廣。最讓我印象深刻的是現場一直強調「AI for Service」而不是「Technology for AI」，這種以用戶體驗與實際價值為優先的態度，讓我收穫良多。
Tech-Verse 結束後的 After Party
每天活動結束後都有 After Party，餐點是請日本知名主廚準備的。大家邊享用美食邊和其他團隊成員交流，也拍了不少合照，徹底享受了 Tech-Verse 的最後時光。
Tech-Verse 2025 回顧
參加 Tech-Verse，最讓我有感的是看到每個人都在用 AI 解決自己領域裡的各種問題，並且把技術、服務、營運、溝通等各個環節串接起來突破難題。每場演講處理的問題與做法都不同，但共同點就是從自身立場出發解決實際問題，這點最讓我印象深刻。
雖然我身為 LY Corporation 的工程師，平常很少接觸 Yahoo! JAPAN 相關服務，但這次活動讓我第一次知道 AI 其實早已導入並運作在各種領域，例如留言審查、購物體驗優化、圖片生成、廣告自動化等等。
每項技術都很厲害，但更讓我佩服的是這些技術能真正落地、被團隊整合到實際營運中，並且願意無私分享。即使同在一家公司、同產業，能這麼深入了解其他團隊的實務經驗其實很難得。活動期間我一直 受到激勵，自然而然也想把事情做得更好。
今年的 Tech-Verse 給了我很多靈感，讓我更想學習、連結、成長。如果下次 Tech-Verse 再舉辦，我也希望能站上舞台，介紹屬於自己的專案！
