com/PKU-Alignment/align-anything 55 未来技术方向展望: 强推理赋能 Agentic 发展 ➢ 日常聊天任务其实对于强推理能力的需求不大 ➢ 未来更多是能否利用强推理能力赋能Agent和具身智能 ➢ OpenAI Deep Research Agent ➢ Anthropic PC Controller ➢ 需要依赖于强推理模型反思、长程规划、Tool Use 工具调用等能力 ➢ ≠ 价值安全 安全复杂性和维度超出传统方法 ➢ 内生价值安全性：AI系统不仅需 要应对不确定性，还必须考虑物 理规律下的人类价值观对齐，例 如肢体语言的安全性、个人空间 的边界感。 ➢ 外生具身安全性：在复杂动态环 境中不仅要短期安全，还要确保 长期行为的安全性，例如对操作 环境造成影响的安全性。 VLA系统安全的独特挑战 68 总结 基于复杂推理慢思考+强化学习新技术范式，通过高质量数据驱动产生强推理模型 模态穿透：全模态场景下，智能推理边界拓展 自学机制：理由→奖惩→改进，形成自闭环 演进 方向 强推理赋 能多模态 全模态 统一 模态穿透 拓展边界 强推理 慢思考 模态 穿透 多模态 输入输出 全模态 统一 具身 Action … … ① ② ③ ④ ⑤ STaR ReSTEM SCoRe 理由 奖惩 改进 无 一条理由轨迹/问题 无轨迹，只有多个结果 微调 过滤数据 微调 多理由轨迹/问题

30%能源消耗 ⚫ 破解蛋白质折叠难题，加速癌症药物研发 ②多模态深度对齐 ⚫ 跨模态理解：通过神经符号系统实现图文音统一编码（如从建筑设计图生成施工 解说视频） ⚫ 具身智能：2026 年机器人将具备“触觉-视觉-力学”联觉（如凭触感判断水果成熟 度） 技术普惠： 1. 盲人通过触觉反馈装置“观看”电影 2. 工厂质检员用 AR 眼镜识别 0.01mm

3. 大模型：人工智能的前 沿 3.5 大模型原理 3.6 大模型产品 3.7 大模型应用领 域 厦门大学大数据教学团队作品 大模型通常指的是大规模的人工智能模型 ，是一种基于深度学习技术 ，具 有 海量参数、强大的学习能力和泛化能力 ，能够处理和生成多种类型数据的 人 工智能模型。 通常说的大模型的“大”的特点体现在： 2020 年 ， OpenAI 公司推出了 GPT-3 ，模型参数规模达到了 虚拟讲师 生活 制定学习计划 ， 做旅游规划 媒体 软文撰写 ， 大纲提炼 ， 热点 撰写 5.1.3 常见的 AIGC 应用场 景 5.1.4 常见的 AIGC 大模型工 具 这些工具基于大语言模型技术 ， 具备文本生成、 语言理解、 知识问答、 逻辑推理等多种能力 ， 可广泛应用于写 作辅 助、 内容创作、 智能客服等多个领域。 通过不断迭代和优化 ，为用户提供更加智能、 高校老师怎么用？ n 高校教师可以使用语音类 AIGC 工具（喜马拉雅音频大模型、腾讯智影） ，根据自己教学课 件 的文本内容， 自动生成专业的配音 ，可以采用专业播音员的音色 ，也可以使用 AIGC 工 具（比 如米可智能）“克隆” 自己的讲课声音 ，用自己的音色生成配音 n 高校教师使用鬼手剪辑 GhostCut 进行语音翻译 ，可以把一种语言的讲课视频自动转换成另 外 一种语言的讲课视频 5.4

产需求。 10 01 工业人工智能 (AI) 行业观察 毋庸置疑，AI 技术的应用正为工业领域带来前所未有的创新性变革。而且，工业领域对 AI 技术的部署，正在随着 AI 技术本 身的发展和工业应用复杂性的增加，日渐从传统的 AI 技术向更加复杂的工业大模型过渡。 传统 AI 技术则主要基于规则和知识库实现智能工作，它通常使用神经网络结构，通过大量数据进行训练，来获得较好的性 个底层核心算法的混合机器学习模型分析，包括各种如基于 ResNet50 的检查、语义剪辑分割（以实现 像素级的缺陷识别）以及识别和测量（自动识别图像中的边缘类型和自动测量距离）等功能。模型经英特尔® OpenVINO™ 工 具包优化，提高在英特尔® 硬件平台上的效率。工业视觉控制软件支持图像审查和模拟，所有功能以模块形式集成，便于扩展 应用，支持低代码操作和流程向导。 方案优势 标准化设计实现了快速部署和易于扩展到新

智慧课堂：促进学生成功的新智能 在校学生的绩效数据增长非常快 46 智慧体现在什么地方？ 将学生的绩效数据集成在一起，以更好 支撑对学生学习过程的理解。 了解学生参与习惯，实现对学生施加具 有针对性的干预策略。 智慧教育结果 掌握学生每年的进步情况 早期诊断学生学习中遇到的困难，并施 加补救措施。 矩阵 仪表盘 学习分析 管理报告 学生信息系统 学生管理系统