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。
日本MV与欧美MV的区别张阔:这段周期内AI本身的能力逐步变强,单纯从学习能力、解题能力讲,水平已经非常高了。但如果从AI对人类GDP产生的影响看,还远远没到极限。AI有一定的生产力,也让新的能量爆发出来了,但最终其价值还是要在那些垂直的产业场景上去产生足够大的作用才得以充分体现。从这个角度讲,我觉得目前AI的能量1%都没有释放出来。未来我觉得一个节点是,AI给人类GDP带来10%影响的时刻,因为很少有一个技术可以实现10%的影响。从身价对比来看,弗拉门戈战胜切尔西,可以算是“以弱胜强”——根据德转的估值,弗拉门戈总身价2.2亿欧元,切尔西总身价9.7亿欧元。不过,弗拉门戈仅仅是输在球员名气上,这支巴西豪门是2022年南美解放者杯冠军、D组种子队,击败切尔西,并不是冷门。日本MV与欧美MV的区别http://www.17c.com.gov.cn三亚供电局应急办负责人介绍,该局与三亚相关部门及重点单位加强全天候应急联络,建立“一户一策”电力服务保障机制,同时组建了10支便民服务队。便民服务队将协助用户开展重点区域、重点部位电力设施巡视监测及用电安全专项检查。特别是针对住宅小区配电房在防风防汛期间保电经验不足的情况,安排专人上门指导小区物业开展防风防汛隐患排查工作,并检查应急发电机启动和油料储备情况。据了解,新一份政策宣言提出“LEAP”框架,重点包括优化法律与监管(Legal and regulatory streamlining)、扩展代币化产品种类(Expanding the suite of tokenised products)、推进应用场景及跨界别合作(Advancing use cases and cross-sectoral collaboration)、人才与合作伙伴发展(People and partnership development)四个方面。
20250815 ⭕ 日本MV与欧美MV的区别中国作家协会6月17日发布的《2024中国网络文学蓝皮书》显示,中国网络文学用户规模达5.75亿人。截至2024年底,网络文学作品总量超过3300万部,年新增200万部,同比增长7%。现实、科幻、历史等多类型涌现精品,中短篇创作强势崛起,网络文学逐步形成独特的审美特征,丰富并拓展了当代文学形态。成品网站免费直播有哪些平台推荐据了解,尽管此前遭到拒绝且已有协议,拜仁仍在关注尼科-威廉斯与巴萨之间的情况,以及巴萨是否真的能完成这笔交易。巴尔科拉仍然是拜仁引援名单上的优先目标之一,但他是否愿意转会仍不明朗。莱奥也仍在俱乐部内部的讨论之中。
📸 蒋代发记者 方银国 摄
20250815 🛏️ 日本MV与欧美MV的区别据德天空知名记者普莱滕伯格报道,转会费高达1.5亿欧元的维尔茨将在利物浦拿到2000万欧元外加奖金的税前年薪,外加可能获得的奖金,合同将签署至2030年,交易有望下周完成体检。低喘 闷哼 律动 舒服吗郑飞建议,应从明确标识要求和加大责任追究两方面发力。标识办法明确要求,一旦检测到AI生成内容,传播平台应在发布内容周边添加显著提示标识,并在文件元数据中加隐式标识,确保全流程可溯源。在未来落实过程中,可进一步细化技术标准,比如规定标识文字的最小高度、对比度、展示时长等,让标识一目了然。另外,对于不按规定标注的行为,需要严厉处罚:除加大行政罚款、暂停业务或纳入不良信用记录等行政措施外,还要利用法律手段加大威慑。通过明确、显著的标识标准和更严厉的责任追究,才能从根本上震慑违规不标注行为,实现“AI数字人”应用的透明化、合规化。
📸 白益国记者 张坚志 摄
💢 车主介绍,高先生当时驾驶的是一辆17.5米长的半挂货车,而且是空车,“有牌照,有登记营运证,手续齐全,车上没有违法行为,不存在改形,车是正常年审,他不认为有啥违法行为。”姨母的绣感中字3