今年2月DeepSeek爆火,震惊国内外。实际上,在此之前,中国信息通信研究院(下称:中国信通院)的大模型评测团队就观察到国内模型性能迅速提升的势头,他们当中就包括中国信通院人工智能研究所所长魏凯。 魏凯说:“2024年一年,国内包括DeepSeek在内的多个大模型团队,一直从多角度努力,不断提升模型性能,基本上每个月都能看到新的进展。在我们的测试中,DeepSeek在2024年4月的模型性能排名还比较靠后,8月的版本已经是TOP10里的玩家了,到了10月的版本已经是前几名了,12月发布的DeepSeek-V3成为当时基础能力第一名的模型,而且是开源的,非常了不起。” 中国信通院是工业和信息化部直属科研事业单位,在人工智能领域承担决策支撑、新技术研究、标准研制、检验检测、咨询服务和国际合作等任务。2023年,魏凯带领团队推出“方升”大模型基准测试体系,依托“人工智能关键技术与应用评测部重点实验室”,制定测试标准,建设测试平台和数据集,定期对国内外大模型进行测试,目前已经构建了近700万条测试数据集。 “方升”是战国时期的度量衡标准器,也是现存最早的度量衡标准器。魏凯说:“现在国内外大模型基准测试很多,但缺乏标准化的测试方法和体系,刷榜作弊也时有发生。我们推出‘方升’,就是希望能够推动大模型基准测试的标准化。” 2.一个真正的人工智能应用软件,它的组成部分有大模型,有数据库、知识库以及各种调用工具,并不只是单纯依靠模型本身。 7.到了AI下半场,大模型要精简输出信息,甚至输出信息不是主要目的,主要是把活干好。少说话,多做事,是大模型从生成式(Generative)AI走向代理型(Agentic)AI的主要目标。 魏凯:根据我们过去一年的测试,通义千问、DeepSeek、豆包、混元、文心等模型表现一直比较好。我们也会测OpenAI、Anthropic、谷歌的模型,他们的表现也非常优异。最新测试看,基础模型TOP10中,中国的模型大概是6个左右,美国有4个。 我们观察到一个现象,最近大家更新的频率越来越快,导致TOP1的模型在那个位置待的时间越来越短了。近半年来基础模型的更新频繁,性能上你追我赶,排名经常轮动,但历次榜单中总是这几个模型的新版处在榜单前列。 魏凯:现在可能不到3个月,现在十几天就会变化。去年5月,OpenAI的GPT-4o是最好的模型,它在第一名的位置上保持了200多天的纪录。但现在,排名十几天就会变一次,竞争特别激烈。 这也是为什么现在大模型玩家越来越少了,因为每次训练至少要几百万美元,保鲜期却很短,你训完以后,再过几天,又要接着训,所以,支撑基础大模型创新,必须要有雄厚的资源保障。 魏凯:不管是后训练还是预训练,它都是训练阶段。对下游应用企业来说,会越来越少的参与到训练环节,一些公司可能会做一些微调,但随着基座模型能力快速迭代,做微调的用户企业也变少了。对广大用户侧的企业来说,如何通过提示词工程、检索增强、工作流等工程化方法,把大模型能力充分激发出来,开发针对特定场景的智能体,变得越来越重要了。围绕这方面需求的创新创业机会,也会越来越多。 魏凯:你向大模型提的问题好坏决定了它回答的质量的高低,我们可能都会有这样的直观体验,所以写提示词也是有技术含量的。在提示词之上,又加上了工作流,加上Agent,你看Manus和Cursor(AI编程智能体公司),他们就不做基础模型,就是调用别人的。基于别人的大模型,开发出高水平的智能体,技术含量也会很高,而这还并不需要重投入。 魏凯:智谱的技术团队实力很强,他们还重组资源来坚持长期投入。基础模型的比拼,看技术团队的实力,也看耐久力,“粮食”储备够不够多是一个关键。 魏凯:投入海量数据和算力,开展大模型预训练,对于模型基础能力提升至关重要,预训练,是让大模型大量阅读和刷题,可以类比在学校中学习,而这些数据都是人类积累下来的,本质上还是向人类学习。但预训练不是提升模型能力的唯一路径,在后训练阶段利用强化学习,潜力也非常巨大。强化学习不太依赖人类提供的数据,而更强调从实战经验中学习,可以类比为在工作实践中学习。 目前,我们也要警惕一种高估大模型能力的倾向,错误地认为大模型无所不能,这是不准确的。在产业化应用中,我们要通过详细的评测,了解大模型能力边界,将任务需求与模型能力准确匹配。让大模型干它不擅长的活,一定会出问题。 魏凯:大方向是减少幻觉,但目前的技术路线不能100%保证没有幻觉。大模型生成内容,是靠神经网络参数来“回忆”,而不是一种精确查询。 魏凯:把确定性的东西都放在数据库里,让大模型检索,可以有效减少输出幻觉。就像律师或法官,在法庭打官司的时候,如果要引用法律条文,一定是查原文,这样才能确保完全准确。 到了一些严肃场景,还是得靠确定性的查询,所以一个真正的人工智能应用软件,它的组成部分有大模型,有数据库、知识库以及各种被调用的工具,它并不只能单纯依靠模型本身来满足需求。 模型本身就像一个中枢神经系统,它能调度,但它难以做到100%准确回忆,也不会直接干活,要具备“干活”能力,还是得靠调用其他的工具,那就是Agent。 魏凯:Agent实际上是运行在大模型上面的软件,利用大模型意图理解和规划能力,调用专业工具,实现复杂的功能。其实早在两年前业内已经在提Agent了,2023年年中,信通院发布的人工智能十大关键词,就已经将Agent纳入其中。两年来,得益于基座模型水平的提升,Agent的智能水平也在不断进化。 过去的Agent还要靠人写提示词,做成工作流,告诉它第一步干什么,第二步干什么,第三步干什么。今天的Agent可以自己规划工作流,自己产生思维链,与两年前基于人为提示词和工作流的智能体相比,智能水平显著提升。人的工作一直在往后退,AI的自主性更强了。 魏凯:我记得DeepSeek推理模型刚出来的时候,还专门有个教程说,不要让用户写提示词,否则影响模型的自主思考过程。现在并非不需要关注提示词了,提示词仍然非常重要。目前Agent已经内置精心设计的系统提示词,这部分提示词写得越好,模型能力就被激发得越充分,整体效果就越好。 魏凯:从技术上讲,大模型是一个操作系统,Agent就是一个应用程序。从功能上说,Agent非常像数字员工。未来,会慢慢进化出各种岗位特定的Agent,每个人可能会拥有很多Agent,有的是生活助手,有的是工作助手。 魏凯:未来是可能的,Agent会成为数字员工,人和数字员工合作,能力会越来越强。所以未来善用AI的人,可以拥有几乎无限个数字员工,从而成为一个超级个体,一个人可以指挥“千军万马”,这个意义上,一人公司不是梦。 魏凯:哪家公司也没有明显的优势,现在都处于胶着状态,所有人都想抢,手机操作系统厂商、一些智能硬件公司,还有超级APP厂商,包括新兴创业公司都想抢夺用户的入口。 魏凯:还早,Agent可能不是一个产品,用户自己都可以开发一个,但功能很单一。未来,Agent会很有市场,企业里会有很多覆盖多种功能的Agent。所以Agent可能不是一个产品,而是好多功能的集合,但Agent开发平台可能是少数。 魏凯:这是两回事儿,不一定,超级APP只会沉淀很浅层的数据,大量用户数据不会在APP上,因此,聊天机器人类型的超级APP,如果不附加其他深度应用功能,就很难构造自己的数据飞轮。 DeepMind布局的强化学习路线,以及在蛋白质、材料、生物、数学等领域研发的垂直领域专业模型,对推动科学进展意义重大,如果能产业化,将会对实体经济产生重大影响。 因此,AI大模型的赛道无限广阔,语言和多模态模型,只是一个分支,AI能用于创新和研发,可能会极大加速人类创新速度,需要引起高度关注。 魏凯:外界绝对低估谷歌了。Transformer、MoE、蒸馏等技术都是谷歌创立的,而且,谷歌的大模型Gemini排名一直在前面,包括云、大数据等概念和核心技术也是谷歌最早提出来的。 你看谷歌(DeepMind)的布局方向,那些才是真正的高价值场景,为什么大家说聊天机器人找不到场景,因为聊天就这么回事,但DeepMind的探索不一样,它可以优化工艺流程,发现新药、新材料,对实体经济的价值很大。 国内也有一些公司在布局这些领域,但整体力量还比较薄弱,因为这方面难度很高。就像规模定律(Scaling Law)已经探明了,模型这条路可行,才有了今天的繁荣。今天,虽然DeepMind的创始人哈萨比斯获得了诺贝尔化学奖,激发了大家的兴趣,但这个领域的技术门槛很高,失败风险也很高,需要长期投入。 魏凯:目前的大模型还不能很好地理解空间关系,也不能很好地掌握时间序列、因果关系、物理定律等。大语言模型掌握了语言序列的分布,通过语言来理解世界,是简介的、不可靠的。要让AI实现通用智能,还需要建立世界模型。 魏凯:我认同山姆·阿尔特曼(OpenAI联合创始人)等人对AGI的观点,他们觉得这个词不太重要,我们只需要关心AI今天做得比昨天好,明天比今天好。比较容易定义目标、容易采数据的任务,AI很快就能突破,干得比人好。比如自动驾驶,就是很容易定义目标的任务,编程也是,这些领域会最早被突破。 魏凯:现在的人工智能都是基于神经网络去训练,但神经网络是个黑盒子,你不知道它学的效果怎么样,就跟学生一样,怎么看他学得好坏,那就需要考试,月考、周测、期中考试、高考等。 现在的人工智能也是这样,神经网络训练叫涌现,或者叫生成,结果不确定,因为它本质是黑盒子,只有通过测试,才能知道它的能力有没有达到。测试基准(Benchmark)是衡量大模型水平高低的一把尺子。 所以,每家大模型公司发布新模型的时候,都会引用一个测试结果,来说明它的产品性能;对内,公司的研发人员也得看评测结果,来决定是否结束训练,如果没达到目标,就需要继续训练。 应用开发商也得测大模型,哪个好用,哪个不好用。整体来说,基准测试(Benchmark)是个指挥棒,牵引着技术往前走,所以,谁能定义Benchmark,谁就定义了方向,因为神经网络人工智能最强大的地方在于,只要你定目标,它就能学到,跟目标接近。 魏凯:红杉中国推出xbench,实际上面向的是真实场景,比如AI在办公室能不能当文员,能不能当客服接线员,而不是早期的基准测试以学科考试题为主,比如高考题,或者研究生水平推理测试(GPQA)。那些学科考试类的评测,在学术上有价值,但并不能真正代表到真实用户场景中,AI具备完成任务的能力。 魏凯:第一,我们的题目有学科考试类的题,增加了大量垂直行业的题目,比如它是不是能理解接线员的问题,我们就更偏重行业应用的问题。 第二,现在的大模型测试很容易被骗,很多Benchmark的数据集是开源的,一些人会把它混到训练数据集里,大模型做过这些题,它当然能答对。现在,我们很多题不是开源的,是我们内部开发的。 魏凯:大模型发展从2020年到现在,已经5年了。大家都在针对一个目标往前奔,在考试上追求高分数,为什么中国和美国大模型的差距会缩小?因为大家的目标一致,目标已经明确,路线也清楚了(Scaling)。 现在的大模型侧重内容“生成”,给用户提供大量信息,这也会造成新的信息过载,但实际上并没有减轻人的工作量。下一阶段,精简输出信息,提升思考深度,增强使用能力是主要方向,意图理解、任务规划、深度研究、软件工程等能力就变得非常重要。 通过标准和测试,引导推动大模型面向产业实际需求,解决高价值场景中的关键问题,提升人工智能赋能实体经济的效能,这就是我们“方升”大模型基准测试体系建设的方向。
《春香草莓和久久草莓的区别》如果该参数参数化了一个线性层,那么执行一个训练步骤(即前向和后向传递)所需的 FLOP 基准量为 6nm²,其中 B 是该步骤中通过该层的输入数量。按照意大利记者法比奥-阿兰皮的说法,卢塞恩此前曾激活了亚历山大-斯坦科维奇的买断权,但随后国米也激活了反买断条款。尽管如此,这位塞尔维亚新星新赛季想要留在国米阵中依然非常困难,他预计会被再次租借给意大利以外的俱乐部。《春香草莓和久久草莓的区别》九·幺.9.1作为东道主,今年长安汽车首次独立“包馆”,加上“空降”馆外的歼-10C战斗机,都展示了品牌战略升级的方向。在“黑科技实验室”科技展示层面,“金钟罩全固态电池”、“天枢驾驶辅助”、“天域座舱”、“天衡底盘”等最新数智技术,以及飞行汽车、人形机器人并置,形成了一种独特的“陆空联动”效应。当下,小鹏汽车等新势力品牌也在飞行汽车领域投入巨大,蔚来等企业也纷纷涉足机器人领域。长安汽车在此次车展上将其人形机器人、功能复用型轮式机器人、髋部助行外骨骼以及三涵道载人飞行器同时展出,表明其开始对陆空立体出行解决方案的全面探索。纵向部门,如整合营销部像前锋,引领品牌全局,明确各部门方向、目标和任务;营销技术部如后卫,为各部门提供技术支持和效率方案。它们合力让新营销架构从“稳态”向“敏态”组织转型,快速应对市场变化。
20250812 🔞 《春香草莓和久久草莓的区别》该专业是军队院校重点建设的新质新域特色专业,是视觉传感、人工智能、机器视觉、空间信息等多领域融合的前沿交叉专业。该专业紧跟科技发展步伐,是构建“智慧千里眼”、实现战场透明感知与认知的关键支撑,是现代战争中不可或缺的“科技利刃”。女人尝试到更粗大的心理变化面对外界质疑IP能否保持热度,泡泡玛特方面曾公开表示“只要对IP做持续、正确的运营,IP会在长周期内爆发蓬勃的生命力”,目前来看,泡泡玛特已经用实践证明,中国企业能走出一条不同的IP化之路。
📸 贾清江记者 刘继伟 摄
20250812 😈 《春香草莓和久久草莓的区别》所以,他毫不犹豫的让儿子娶从未见过面的张幼仪为妻,因为张家显赫,兄弟中有中国银行副总经理、冯国璋总统府秘书长、中国蔬菜公司总经理等等,和这样的家庭联姻,不仅有助于提高徐家地位,而且张家兄弟们的声望和社会影响对于徐家未来发展产业大有助益。姐姐让我戴上避孕套歌曲原唱在行政答辩状中,武汉市人社局表示,不予认定为工伤的事实清楚、法律法规适用正确。中南财经政法大学提交的材料显示,自2020年9月起高校已恢复线下教学,王某平受伤致死时并不属于居家办公期间,也非因工外出,其在自家小区内死亡,不应被视为工作场所;王某平外出系接种疫苗,既不是参加单位组织的活动,也不是受单位指派参加的活动,不属于工作内容,也不属于履行单位工作职责,故不能认定为因工外出,王某平被精神病患者杀害也与工作职责没有法律上的因果关系,故作出不予认定工伤决定并无不当。
📸 李宗哲记者 邓洋 摄
🍆 黄仁勋在股东大会上透露,仅微软在近一个季度处理AI模型的请求量就比去年同期增加了五倍以上。此外,英伟达支持的CoreWeave等“neocloud(云端新秀)”AI公司股价自3月纳斯达克上市以来已上涨超300%,显示出AI长期增长前景的吸引力。成片ppt网站大片