胡诗云，易君健∗ 2025 年 6 月 摘要： 以 ChatGPT 和 DeepSeek 为代表的人工智能大语言模型（简称大模型），正在对知识工作者的生产方 式产生革命性的影响。本文面向经济管理学科的研究者，介绍大模型的技术原理、应用方式以及在科学研究全 流程中的应用。本文首先从社会科学和大语言模型的本质出发，分析了认知自动化的边界，指出围绕理论工作 的能力是人类科学家在人工智能时代的核心能力。 建议。大模型全面融入学术工作流程，不仅能通过自动化重复劳动提高研究效率，更能通过人机合作扩展人类 思维的广度和深度，经济管理研究即将走向人机协作的新时代。 关键词: 人工智能；经济学方法论；人机协同；大语言模型 JEL Codes: A11；B41；C45；D83 ∗胡诗云，北京大学国家发展研究院，博士研究生，电子邮箱：hushiyun@pku.edu.cn。易君健，北京大学国家发展研究院，教授，（联系方式）。作者 . . . . . . . . . . 9 3 祛魅 AI：大模型的基本原理 10 3.1 大语言模型的定义和历史 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 3.2 大语言模型的数学结构 . . . . . . . . . . . . . . . . . . . . .

节省大量的人力、物力，治愈更多的患者。 TrialGPT, 基于大语言模型的临床试验患者匹配方法 近年来，随着大语言模型（LLM）的发展，越来越多的人注意到了大语言模型在提 高临床试验招募的效率和准确性方面的潜力。 大语言模型作为一种基于深度学习的AI技术，已经在许多领域展现出了惊人的能 力，比如大语言模型为自然语言处理（NLP）领域的文本生成、文本摘要、问答系 统等任务带来了颠覆 统等任务带来了颠覆性的突破，也为计算机视觉（CV）领域的文生图等多模态任 务提供了新的思路。简单来说，大语言模型是一种可以理解给定的上下文，并根据 上下文做出回应的生成模型。大语言模型首先在一个包含数万亿单词的大型语料库 上进行预训练，训练的方式是通过给定的文本序列去预测下一个单词，从而得到基 础模型（base model），如GPT-3、PaLM、LLaMA等。然后，这些基础模型可以 进一步在特定的任务上进行微调 疗、法律、教育，等领域的文本对基础模型进行微调以得到专用大语言模型，这些 模型同样在具体领域上展示出了良好的性能。此外，大语言模型具有在推理时根据 输入的PROMPT学习新任务的能力，即上下文学习（ICL），这可能也是大语言模 型在具体领域展示良好性能的原因之一。 鉴于大语言模型的巨大潜力，已经有研究者开始探索大语言模型能否在医药临床试 验中提供帮助。如近期，为了尝试大语言模型能否帮助患者和医生在海量的临床试

）：以模型为核心，是对真实世界的模拟和解释 • 用语言逻辑方法获取理论模型：模糊 • 用解析数学方法获取数学模型：精确 • 用计算数学方法获取数据模型：近似 • 用机器学习方法获取概率模型：复杂 • 用人工神经网络获取网络模型：黑盒 • 超过两层的神经网络可以逼近任意连续函数 人类智能 • 抽象（语言）：概念，数字，理 念 • 逻辑（理性）：归纳，演绎，类 专用任务模型： NLP 、 CV 、 Gaming…… 2. 通用任务模型： AIGC • Diffusion 、 transformer ◼ 从 NLU+NLG 到 LLM （大语言模型） 1. 语言逻辑和数据集蕴含了人类的认知智能 2. LLM 是人类的认知智能的实现方式之一 3. LLM 的原理很简单；工程很复杂；效果很神奇 3. 推理能力（涌现）：一般需要 10B 以上， 时刻）：表现是慢思考；本质是合成数 据 有些是产品能力，不是模型本身的能力： RAG Function Call 1. 语言能力： 一本正经地说话，语言顺畅， GPT 时达 到 • NLG+NLU ：语言理解、语言表达（包括温度和情商） • 人类语言、代码语言、 XX 语言 2. 知识能力：海量公开知识，言之有物， GPT-2 时达 到 • 顺带学习（基座模型）：文字中蕴含了知识

更连贯的回答 可迁移性高 学习到的知识和能力可以在不同 的任务和领域中迁移和应用 。 这 意味着一次训练就可以将模 型应 用于多种任务，无需重新 训练 语言生成能力 大模型可以生成更自然 、更流 利 的语言，减少了生成输出时呈现 的错误或令人困惑的问题 1.1 大模型的概 念 1.2 大模型的发展历 程 大模型发展历经三个阶段 ，分别是萌芽期、 沉淀期和爆发 期 1 练模型包含了预训练大模型（可以简称为“大模型”） ，预训练大模型包含了预训练大语言模型（可以简称为“大语言模 型”） ，预训练大语言模型的典型代表包括 OpenAI 的 GPT 和百度的文心 ERNIE ， ChatGPT 是基于 GPT 开发的大模型产 品， 预训练大模型 预训练 大语言模型 预训练大语言模型 GPT 文 心 ERNIE 1.3 人工智能与大模型的关 系 深度学习模型 文心一言是基于文心 ERNIE 开发的大模型产 品 语言大模型 是 指 在 自 然 语 言 处 理 （ Nat u ral La ng uage Processing ， NLP ）领域中的一类大 模型， 通常 用于处理文本数据和理解自然语言 。 这类大模型 的主要特点是它们在大规模语料库上 进行了训练， 以学习自然语言的各种语法 、语义 和语境规则 。 代表性产品包括

Big-data Driven ，模型基于大规模语料训练而成； Multi-tasks Adaptive ，支持多种任务 ，包括自然 语言生成 NLG 和自然语言理解 NLU 类的任务； AI 大模型就是预训练语言模型 通过在大规模宽泛的数据上进行训练后能适应一系列下游任务的模 型 产业研究 战略规划 技术咨询 2 Few-shot (Zero-shot) ，在少甚至无标注样本的 条件下支持推理（自监督学习）。 将模型在下游各种自然语言处理任 务上的小规模有标注数据进行微调 得到适配模型 预训练语言模型 从海量数据中自动学习知识 将模型在大规模无标注数据上进 行自监督训练得到预训练模型 不同特定任务 有标注训练数 据 模型预训练 模型微调 最终模型 提出 Transformer 框架在机器翻译中取得显著进步 ，其分布式学习和强大编码能力受到广泛关注。 2018 年 Google 和 OpenAI 基于 Transformer 提出了预训练语言模型 BERT 和 GPT ，显著提高了 NLP 任务的性能 ，并展示出广泛的通 用性。 众多预训练模型相继涌现， OpenAI 以 GPT2 、 GPT-3 、 ChatGPT 等系列模型为代表，持续引领大模型时代的浪潮

提出“智能”的行为主义定义，即通过外在表现而非内在机制判 断 智能。 2. 技术目标： 1. 为早期人工智能研究提供了明确方向，例如自然语言处理和对话 系统的开发。 2. 启发了后来的聊天机器人 ( 如 ELIZA,ChatGPT) 和语言模型的 发 展。 一、人工智能发展简史了解 CDC 疾控 人 1.2 人工智能的诞生 人工智能的诞生可以追溯到 20 世纪 50 年代 可迁移性高 学习到的知识和能力可以在不同 的任务和领域中迁移和应用。这 意味着一次训练就可以将模型应 用于多种任务，无需重新训练 二、大模型：人工智能的前沿 语言生成能力 大模型可以生成更自然、更流利 的语言，减少了生成输出时呈现 的错误或令人困惑的问题 2.2 大模型的发展历程 萌芽期：模型小 ( 参数 <1 亿 ) 、任务单一、依赖人工设计规则。 突破期：标志事件是 可以更准确地解决难题，具有更广泛的常识和解决问题的能力。 2023 年 12 月，谷歌发布大模型 Gemini, 它可以同时识别文本、图像、音频、视频和代码五种类型信息，还可以 理解 并生成主流编程语言 ( 如 Python 、 Java 、 C++) 的高质量代码，并拥有全面的安全性评估。 2024 年 12 月， DeepSeek 迅速崛起，震撼全球，使得人工智能进入“普惠”时代

机器人编程，就是针对机器人为完成某项作业进行程序设计。 工业机器人编程是机器人技术的一个重要方面，它是与机器人所采 用的控制系统相一致的。为了用简单的方法描述作业、操控机器人， 机器人的语言应运而生。在本节中，主要详细介绍示教编程。 本 节 导 入 1 、示教编程 图 6-1 示教再现式机器人控制系统工作原理 示教盒 记忆装置 伺服放大 示教部分 再现部分 公共部分 工作装置 难以与其他操作同步 很难规划复杂的运动轨迹 以及准确的直线运动 难以与传感信息相配合 机器人语言编程是指采用专用的机器人语言来描述机器人的动作 轨迹。机器人语言编程实现了计算机编程，它具有良好的通用性，同 一种机器人语言可用于不同类型的机器人。此外，机器人编程语言可 解决多台机器人之间协调工作的问题。 2 、机器人语言编程 离线编程是在专门的软件环境支持下，用专用或通用程序在离线 情况下进行机器 两种情况 机器人语言提供一种通用的人与机器人之间的通信手段。它是一 种专用语言，用符号述机器人的运动，与常用的计算机编程语言相似。 1 、工业机器人语言的发展概况 1975 年 IBM 公司研制出 ML 语言 随后又研制出 AUTOPASS 语言 1974 年 在 WAVE 语言的基础上开 发了 AL 语言 1973 年 美国斯坦福大学开发了第一种 机器人语言—— WAVE

随着2006年DeepLearning算法的提出，人工智能(AI)的发展进入 了第三次浪潮。DeepLearning凭借自身优秀的信息表征及关系提取能 力，已经为计算机视觉(cv)及自然语言处理(nlp)等领域带来了突破性的 进展。现在，AI的魔力已经被逐步引入药物研发的领域，并正在深刻地 改变这个领域的研究和发展流程。无论是在早期的药物筛选、药物优 化，还是在药物的临床试验和后期的上市监控，AI的应用都愈发广泛。 构相似性 分析则非常依赖已知的蛋白结构，对结构未知的蛋白无从下手。 随着AI技术的发展，越来越多的问题在AI的帮助下得到了改善。如大语言模 型可以整合海量的医疗研究相关文本，通过在文本中提取潜在的关联信息，发现 人类可能忽视的模式或连接。目前已有研究通过向大语言模型提问的方式，提取 出针对特定疾病的潜在靶点，从而避免一些不必要的组学实验。此外，AI模型完 成训练之后，可以将类似反向对接技术的时间复杂度降低到线性级别，甚至提高 基于上述所提的AI在靶点发现中的应用，本文将依据近期的AI医疗相关论 文，为大家介绍AI在药物靶点发现中的两个应用: 驱动新颖靶点的发现，预测蛋 白质结构。并将为大家介绍这些方法的技术细节以及局限性。 医学大语言模型驱动新颖靶点的发现 目前已有研究利用大语言模型，通过分析海量的医疗文本，实现了对新颖靶 点的挖掘。这里我们以英矽智能于23年9月发表的论文: Biomedical generative pre-trained based

应链攻击风险，保障整体系统可信性。 6.4 应用服务组装 6.4.1 应用管理 a) 应支持整合与处理来自不同领域、不同层面的知识，从而更好地满足来自多样化场景的需求。 将专业领域的知识与通用语言建模能力相结合，为用户提供高质量的内容和服务； b) 应预置政务场景大模型应用模板，如政策文件、政务问答、政务要素等，模板中需预置行业大 模型，大模型需具备政务行业属性，以实现快速构建政务大模型应用能力，同时支持用户自定 识别服务。 a) 应具备理解用户目的能力，意图识别服务能够通过对用户输入的文本进行分析，理解用户的意 图，从而为后续的对话处理提供明确的方向； b) 应具备自然语言交互的能力，意图识别服务可以支持自然语言交互，用户可以使用自然语言进 行提问和查询，无需特定格式或关键词，使得对话更加自然和便捷； c) 应具备多轮对话支持的能力，意图识别服务可以支持多轮对话，可以在对话过程中动态地调整 意图识别结果，从而更好地引导对话过程； 意图识别结果，从而更好地引导对话过程； d) 应具备强大的后端知识库，意图识别服务通常与强大的后端知识库相结合，可以提供更加全面 和准确的信息和服务； e) 宜具备自我学习和优化的能力，意图识别服务可以通过机器学习和自然语言处理技术进行自我 学习和优化，不断提高对话系统的效率和准确性。 6.4.2.2 检索组件 检索组件允许用户高效地查询和获取文档中的关键信息，提升信息获取的效率，进而提升工作和决 策的效能。 a)

(Diffusion-related) 05 展望 01 大语言模型 (LLM) 03 语言视觉大模型（ VLLM ） AI 大模型概 览 s EMENS: H a l t h · n r · · D&A ， Yubo Ji 2 © Siemens Healthineers, 2024 Topic 1 大语言模型 LLM © Siemens Healthineers Healthineers, 2024&AYubo Ji 8*22B Gemma LLAMA 3 Grok-1 国产语言大模型 开源闭源混合 仅开源 仅闭源 开源闭源混合 仅开源 仅闭源 LLM 的发展之 路 s EMENS: H a l t h · n r · · 国外语言大模型 DB©RSXiemens Healthineers, 2024 里 程 碑 临床文档生成 ( 如电子病例， 临床笔记， EHR) 获取临床洞见， 辅助诊断 报告规范化， 术语归一化 智能随访 出院小结生成