上下文理解能力 大模型可以从大量的数据中学习， 并利用学到的知识和模式来提供 更精准的答案和预测。这使得它 们在解决复杂问题和应对新的场 景时表现更加出色 学习能力强 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 语言生成能力 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 ChatGPT 文心一言 1.4 大模型的分类 语言大模型 视觉大模型 多模态大模型 是指在自然语言处理（Natural Language 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GPT系列（OpenAI）、Bard （G sformer架构，经过大量文本数据训练而成，能够生成自然、 流畅的语言，并具备回答问题、生成文本、语言翻译等多种功能 ChatGPT的应用范围广泛，可以用于客服、问答系统、对话生成、文本生成等领域。它能够理解人类语言，并能够回答各 种问题，提供相关的知识和信息。与其他聊天机器人相比，ChatGPT具备更强的语言理解和生成能力，能够更自然地与人 类交流，并且能够更好地适应不同的领域和场景。

主席 • 张伟男 • 哈尔滨工业大学 • 委员 • 陈志刚，科大讯飞 • 车万翔，哈尔滨工业大学 • 张轶博，华为 • 黄民烈，清华大学 12 SMP-ECDT III • （深度）自然语言理解评测 • 领域 - 意图 - 语义槽 • 例如：“我想订上海飞往北京的航班” • 评测指标： • Sentence ACC • 领域、意图识别和语义槽填充全做对！ • 特点（难点） 输入和输出空间无限大 尽可能延续对话 没有明确的对话目标 任务型对话（任务执行） （ Task-oriented Dialogue ） 典型应用：智能助手 18 对话状态跟踪 . . . 自然语言生成 . . . 开放域对话 ( 聊天 ) 系统构 成 隐式反馈跟踪 确认状态跟踪 澄清状态跟踪 词法、句法、语义分析 拒识回复 确认及澄清回复 多领域用户对话意图识别 多领域对话状态跟踪 个性化回复 风格化回复 . . . 对话质量评估 情感分析 拒识、确认、澄清、隐式反 馈 ... TTS 领域内分析及处理 ASR 多领域对话状态分布 自然语言理解 文本或语音 文本或语音 状态更新 特征表示 特征表示 中间结果 终端 19 . . . 聊天技术的前沿研究点 Zhang et al. (2018) Oraby

AIGC突出创造性生产，依赖于多模型的技术融合 7  自然语言处理赋予了AI理解能力和创作能力: NLP有2个核心的任务：分别是1）自然语言理解—NLU；2）自然语言生成—NLG。  自然语言理解：希望机器可以像人一样，具备正常人的语言理解能力。需要涉及：1）语言的多样性；2）语言的歧义性；3) 语言的鲁棒性；4）语言的知识依赖；5）语言的上下文。  自然语言生成：为了跨越人类和机器之间的沟通鸿 R1模型在乳腺癌新辅助化疗方案优化中，通过整合全外显子测序数据和影像组学特征，生成个体化用药敏感性预测模型，显著 提高了病理完全缓解率  DEEPSEEK通过多模型技术融合，在医疗领域展现出显著的应用潜力。其核心技术依托于深度学习和自然语言处理，致力于开 发高效的智能工具，优化医疗工作流程。通过海量数据分析与挖掘，DEEPSEEK能够为医疗行业提供精准的智能决策支持。这 种技术不仅增强了医疗从业者的工作效率，还在一定程度上提高了患者的安全性和医疗质量。 - R1 模型为例，其智能体应用 “小 域医” 在面对个性化临床咨询场景时，借助多模型融合技术能够更精准地理解用户意图。在单项报告解读任务中，结合了图像 识别模型对检验报告中的图像数据进行分析，以及自然语言处理模型对报告中的文字描述进行理解，然后将两者的结果进行融合 ，从而增强了回答的逻辑性与可解释性。在综合报告解读任务中，更是整合了多个不同类型的模型，对来自患者的各种检验数据 、病历信息等多源数据进行全面分析，使得

AIGC突出创造性生产，依赖于多模型的技术融合 5  自然语言处理赋予了AI理解能力和创作能力: NLP有2个核心的任务：分别是1）自然语言理解—NLU；2）自然语言生成—NLG。 o 自然语言理解：希望机器可以像人一样，具备正常人的语言理解能力。需要涉及：1）语言的多样性；2）语言的歧义性；3) 语言的鲁棒性；4）语言的知识依赖；5）语言的上下文。 o 自然语言生成：为了跨越人类和机器之间的沟通鸿 智能创作时代》，增长黑盒，西南证券整理 ChatGPT 将成为智能时代的全新信息系统入口 7  大语言模型（LLM) 是指使用大量文本数据训练的深度学习模型，可以用于生成自然语言文本或理解语言文本的含义。  大语言模型可以处理多种自然语言任务，基于大语言模型开发的ChatGPT或能够为用户提供信息系统入口/界面，同时可以管理计 算资源并支撑应用开发。 ChatGPT作为一种大语言模型，可以成为信息系统入口的界面 根据知识库的形成方式，CDSS分为基于知识库和非基于知识库两类。  基于知识库的CDSS的知识库构建依赖人工预设好的知识库，并且知识库的内容必须有证据支持。  而非基于知识库的CDSS则更多地依赖机器学习和自然语言处理技术，从大量实例中获取知识，并让计算机学习过去的经验与 临床模式，将学到的经验放入知识库中，在诊疗过程中结合机器学习构建的知识库自动识别和实时管控诊疗缺陷。  目前，CDSS多为基于

第九届未来网络发展大会白皮书 服务生成算力网络白皮书 10 键难点。目前，通过关键字原句和表达语句来描述用户需求的方法存 在缺少语义信息、抽象级别低等问题，无法对复杂的用户需求进行充 分表征。而自然语言处理技术能够对用户意图准确地进行识别、解析 和预测等，是构建用户和算网之间沟通桥梁的有效手段。 此外，如何自动生成满足意图需求的算网融合策略也是实现算网 服务生成的关键。传统的策略生成方法依赖大量的人工经验设计，而 第九届未来网络发展大会白皮书 服务生成算力网络白皮书 16 点进行处理，实现通信和算力在网络的全局最优。一般来说，业务意 图是以抽象的符号、文字、语音等方式存在，服务生成算力网络需要 借助自然语言处理技术来将其转换成算网意图表达模型，从而生成满 足业务所需要的资源配置策略。同时，服务生成算力网络还可以通过 监测用户在平台上的行为，如点击、搜索、浏览历史等，可以获取用 户的兴趣爱好、 程包括：意图表达/解析、转译和验证、自动化部署/实施、网络状态 第九届未来网络发展大会白皮书 服务生成算力网络白皮书 24 感知、保障和自动调优。意图网络是由人工智能算法驱动的，通常包 括自然语言处理、机器学习和深度神经网络等技术，通过分析用户的 输入，包括文本、语音或图像等形式，能够准确识别用户的意图，并 将其转化为可理解的指令或任务。意图网络的引入为服务生成网络确 定了清晰的发

www.iresearch.com.cn 宏观：AIGC带来的人力需求变革 AI成为基础设施，部分基础工作被替代，社会人力结构和人才需求重塑 技术的跃迁、生产效率的提升并不会自然带来社会整体福利水平的提升，相反往往以牺牲部分人的利益为前提，进而引发社会结构、 人力需求的重塑。AIGC交互界面的用户友好性、大模型开源及API价格的降低、插件服务带来的应用生态繁荣等，都使得AI技术或将 www.iresearch.com.cn 教育 成长 中观：语言的发展及其教育影响 自然语言—数字语言—机器语言，代表着教育发生、成长及其现代突变 语言是人类认识世界、改造世界的基本工具。自然语言的出现，从词语到概念的演化，抽象程度的提高，使得教育得以发生，知识、 概念、经验得以传授和传承；数字语言的出现，生活和学习中各类数字工具的应用 来源：原教育部部长陈宝生《从ChatGPT看教育的未来和未来的教育》，艾瑞咨询研究院自主研究及绘制。 工具 关系 群体 理论 经验 能力 感觉 自然 社会 … … … 词 语 规 模 达 到 某 个 临 界 点 具 体 化 为 概 念 数字语言 自然语言 机器语言 教育 发生 从词语到概念，抽象程度的提高，使得教育得 以发生，知识、概念、经验得以传授和传承 ➢ 长度单位：米、厘米、毫米等

的大语言模型的进一步演进，同时 带动下游应用的拓展，涌现出新一批应用场景。 1.1. GPT 迭代更新，人工智能掀起科技潮 GPT 升级至四代，模型能力高速提升。ChatGPT 是由 OpenAI 开发的自然语言生成 模型，采用 Transformer 神经网络架构（又称 GPT-3.5 架构），基于大量的语料库使用指 示学习和人工反馈的强化学习（RLHF）来指导模型训练。模型可理解并生成对各种主 存储等关键环节作充足准备，以迎接人工智能新机遇。作为人工智能算力主要供应商的 英伟达，对人工智能下一个浪潮就提出了“具身智能”预测，即通过将智能算法与物理 实体的感知、行动和环境交互相结合，使机器能够以更自然、更智能的方式与环境进行 交互和解决问题的能力，打开了 AI 与机器进一步融合的想象空间。另外，近期 Open AI 扩大开源插件数量，有望快速开启 GPT 在垂直领域的大模型应用。 从 AI 可以允许应用程序在任何比例 下并排显示，并提供无限屏幕空间。Vision Pro 可以兼容并在虚拟空间中显示 Mac 屏幕，并与 iPhone、iPad 和 Mac 保持同步。FaceTime 通话让群组沟通更 加简单自然，使办公场景更加自如高效。 ⚫ 3D 相机为照片和视频增加新维度。空间计算使照片和视频色彩惊艳，细节出 众，全景照片可展开并以实景大小环绕带来身临其境的感受。Vision Pro 是苹 果首台

安全性与可靠性。文章最后展望了量子通信与区块链、隐私计算等前沿技 术融合发展的广阔前景，强调其在构建未来安全高效金融基础设施中的战 略价值。 俄罗斯自然科学院外籍院士 吴永飞 一、量子科技作为新质生产力代表已成为国 内外关注焦点 俄罗斯自然科学院外籍院士 吴永飞 02 强量子科技发展战略谋划和系统布局，把握大趋势，下 好先手棋”。2024 年全国两会《政府工作报告》中强 调要“ 办法是给领导打造一个智能分身（如虚拟助手、数字镜 像或智能秘书），初期可承担基础事务，例如日程管理、 差旅安排、会议记录、讲话初稿等，逐步拓展至批示起 草、正式讲稿撰写等更复杂任务；而更高阶的决策辅助， 则可在条件成熟后自然实现。当然，这一过程需要数据 支撑、持续训练和习惯调整，初期可能伴随一定适应成 本，但长期价值显著。 可以鼓励有兴趣的员工率先尝试开发个人智能助理， 以提升工作效率。部分员工可能会有顾虑：如果 趋势和资产价格走势研判具有明显作用；在量化交易 方面，人工智能同样在投资组合管理中发挥了重要作 用。近年来，深度学习以及大模型技术的突破使得自 然语言处理和图像识别在证券行业得到广泛应用，如 智能投顾系统能够通过自然语言理解与客户进行交流， 提供个性化的投资建议，利用图像识别技术分析卫星 图像等非传统数据源，为投资决策提供新的视角。此 外，强化学习在交易策略优化方面的应用也逐渐受到 关注，通过不断试错和学习，优化交易策略，提高交

变人机交互模式，并催生更多新应 用。比如：在软件开发领域，人类将更专注于系统架构与创新设计，而 AI Agent 则高效承担具体 执行，开发范式迎来全新重构。在人机交互界面，我们将从图形交互迈向自然语言交互，并在视觉 汪涛 与听觉的基础上，逐步融合五感，实现沉浸式的空间多模态交互模式，用户体验将在镜像世界中升 维。移动互联网中的百万 App 不再是信息孤岛，而是 Agent 相互连接的智能服务，形成多智能体 第二波繁荣，但 AI 仍缺乏泛化性，难以灵活迁 移经验。 第三个十年，Transformer 催生了认知智能 萌芽，基于大模型的生成式 AI 得到发展，人类 经历了 ChatGPT 时刻，AI 在自然语言理解、多 模态生成和推理能力上形成突破，并且开始探 索生成与行动边界，AI 从理解世界走向改变 世 界。在这个阶段，内容生产、自动驾驶、机器 人交互取得长足的进展，但 AI 在推理能力和创 同编程是消解大规模软件开发困境的根本之道。 人机协同编程，解决人因所带来的软件复杂性难题 12 软件开发模式系统性重构 迈向人机共生的软件工程新时代 流程重构 从流水线到代理化SDLC 入口重构 从代码到自然语言 角色重构 从程序员到设计师 架构重构 从微服务到Agent工作流 组织重构 人机共生团队 语言与工具重构 迈向Agent原生 协作重构 低代码+AI+专业开发 质量与成本重构

AGI工作机制的可解释性：不可解释就不可信吗 • 两种科学：以人为主的科学，以AGI为主的科学（人可能不能理解）  社会问题 • 工作替代、角色分工：人的新定位（问题洞察能力、结果鉴别能力） • 新的人机接口：人类自然语言（javis），重做一次应用 • 知识平权：知识分子的优势丧失；科学范式的变化  文本时代结束：文本不再是知识的唯一载体和工具  知识不再代表智能：公开的知识不再有价值，个人数据+三观过滤更有价值 管理功能：任务、资源、 镜像、存储、数据、 用户、运维 业 务 层 动态监控 资源监控 集群监控 全景大屏 状态信息 资源使用 任务运行 监 控 层 模型训推 自然语言 图像处理 语言识别 文字识别 深度学习 应 用 层 计算节点 硬 件 层 管理节点 存储节点 网络节点 GPTJ-6B LLAMA2-7B ChatGLM3-6B 数字人应用 AI辅助社群运营 AI智能体 AI智能体基础 AI智能体构建 AI智能体在新媒体中多应用 AIGC 通识课 AIGC课程导论 主流AIGC工具与开源框架 自然语言处理 跨模态生成技术 计算机视觉 AIGC的伦理与社会影响 AIGC未来的发展趋势 深度学习和模型训练 教育大模型训练 数据工程共创横向课题 科研创新平台 • 数据预处理、模型选择、模型训练