

人工智能现状报告

求数科技

2025-10-30

导读：人工智能（AI）：一个广泛的学科，目标是创造智能机器，与人类和动物的自然智能相对。

人工智能（AI）：一个广泛的学科，目标是创造智能机器，与人类和动物的自然智能相对。虽然通用人工智能和超级人工智能（AGI和ASI）是尚无统一定义的术语，但我们用它们来描述能够在所有具有经济价值的任务中匹配（AGI）并超越（ASI）人类全部认知能力的机器。人工智能代理：一种能够在环境中采取行动的人工智能驱动系统。

例如，一个能够访问一套工具的大型语言模型，需要决定使用哪一个工具来完成它被提示词要求执行的任务。人工智能安全：一个研究并试图减轻未来人工智能可能对人类造成的（从轻微到灾难性）风险的领域。上下文窗口：大型语言模型在回答用户提示词时能够处理的输入标记数量。扩散算法：一种算法，通过迭代去噪人工破坏的信号来生成新的高质量输出。近年来，它在图像生成和蛋白质设计领域处于前沿位置。环境：人工智能代理所作用的世界。它接收代理的动作并返回下一次观察结果，通常还会返回奖励（即动作好坏的信号）。

在此背景下，轨迹是代理在环境中的按时间顺序记录的体验，通常是从开始到结束的元组，如（观察/状态、动作、奖励、下一次观察）。这些轨迹用于强化学习。函数调用 / 工具使用：结构化调用，使模型能够使用类型化参数和模式调用应用程序接口、搜索、编程或计算器。生成式人工智能：一类人工智能系统，能够基于提示词生成新的内容（例如文本、图像、音频或三维素材）。图形处理单元（GPU）：人工智能的主力半导体，能够并行执行大量计算。

（大型）语言模型（LM，LLM）：一种在大量（通常是）文本数据上训练的模型，以自监督方式预测下一个词。专家混合模型（MoE）：一种模型类型，每个标记仅激活少量专家模块，从而在每步计算量较低的情况下实现高容量。提示词：一种用户输入，通常用自然语言编写，用于指示大型语言模型生成内容或采取行动。推理模型：一种在生成输出token时规划并验证其思考过程的模型，通常通过测试时计算和事后检查实现。

模型的显式逐步推理轨迹（包括在得出答案过程中列出的计算、中间目标和逻辑步骤的中间token）称为思维链（CoT）。强化学习（RL）：机器学习的一个领域，其中软件代理程序通过在提供奖励或惩罚的环境中进行试错来学习面向目标的行为（称为“策略”），以实现该目标。测试时计算（或推理时间计算）：在不改变权重的情况下，花费更多推理预算（更长的链、多次采样、自我一致性）以提高准确率。Transformer模型：一种位于大多数当前最先进机器学习研究核心的模型架构。

它由多个“注意力”层组成，这些层学习输入数据中对特定任务最重要的部分。Transformer模型起源于自然语言处理（NLP）（特别是机器翻译），随后扩展到计算机视觉、音频和其他模态。视觉-语言-动作模型（VLAM模型）：一种能够同时从视觉输入、自然语言和具身交互中学习的模型，不仅可以解释和描述世界，还能规划和执行其中的动作。如果去掉动作部分，该模型就变成VLM模型。世界模型：一种根据动作预测下一个状态的模型，从而实现实时交互式控制。