未解决 4 我们如何做智能客服？ 2019 KE.COM ALL COPYRIGHTS RESERVED 组织 应用 挖掘 算法 知识 生产 5 2019 KE.COM ALL COPYRIGHTS RESERVED 组织 应用 挖掘 算法 知识 生产 6 问题挖掘 知 识 管 理 系 统 客服工单 政策法规 职能部门 知识库 知识图谱 知识生产流程 KE.COM ALL COPYRIGHTS RESERVED 组织 应用 挖掘 算法 知识 生产 12 知识的组织 2019 KE.COM ALL COPYRIGHTS RESERVED 13 2019 KE.COM ALL COPYRIGHTS RESERVED 组织 应用 挖掘 算法 知识 生产 14 句型识别 意图识别 任务分发 COPYRIGHTS RESERVED 16 改进版 fasttext fasttext NLU- 意图识 别 2019 KE.COM ALL COPYRIGHTS RESERVED svm 17 算法 准确率 召回率 F1-score svm 0.88032 0.85182 0.86583 fasttext 0.96132 +0.081 0.873 +0.02118 0.9150 +0

面向具身智能的 大小脑模型协同算法研究及实践 盛律 | 软件学院 2025-08-23 1 具身智能的基本概念 基于物理载体进行感知和行动的智能系统，其通过智能体与环境的交互获 取信息、理解问题、做出决策并实现行动，从而产生智能行为和适应性 具身 智能 2 具身智能的基本概念 基于物理载体进行感知和行动的智能系统，其通过智能体与环境的交互获 取信息、理解问题、做出决策并实现行动，从而产生智能行为和适应性 能起点 3 具身智能的关键任务 导航 问答 操作 4 具身智能的核心目标 5 具身智能的核心要素 具身载体(Agent) 具身模型(Model) 智能 算法 物理 载体 相比具身载体的日趋成熟，具身模型的算法研究方兴未艾、挑战众多 现状 6 具身模型应该考虑哪些能力？ n 技能泛化、真实交互、本体扩展 Skill （技能泛化） Reality （真实交互） Embodiment

4.0 认知智慧城市 I 算法框架 选用开源框架在核心 技术上受到限制 集中建设智慧算力 ，汇聚数据 统一对外提供 AI 能力 ， 大步实现产业升级 ， 是最高效的 方式 背景介绍｜制约 AI+ 智慧城市发展的问 题 计算能力 场景驱动 限制城市发展人工智能技术水平的四大因素 数据资源缺乏有效分析 有效数据获取率低下 应用场景单一 新算法迭代更新慢 AI 计算能力不 足 系统集成公司可以在 平台上整合多家算法 厂商的算法（包括的 算法） ， 建设智能 化 项目 信息化系统业务管理公 司可以通过平台打磨智 能化的业务系统 ，进 化 自己的业务体系 软件开发公司可以通 过平台速度敏捷地开 发出智能化的应用软 件 背景介绍｜建设必要性 - 赋能企 业 中小算法厂商可以在 AI 开放平台上训练 自 己的算法 人脸识别 结构识别 姿态识别 AI 从业者 、繁荣本地 AI 生 态 语义识别 人脸属性 数据传递 人群分析 文字识别 数据存储 人证核验 行业学习 声纹识别 图像识别 · 动态可扩展 、平滑可 迁移 · 算法多选 、多模融合 · 分层解藕 、百花齐放 基础设施层 · 各尽所能 、各守本分 传感层 以分层解藕 、开放共享的原则补全现有体系 工地发生打架闹事事件 工地脏乱情况 车辆违规停车 情况

....................................................................................12 2.2 技术架构与核心算法................................................................................................... .........................................................................................37 5.1.3 算法准确性与效率............................................................................................. .........................................................................................77 7.1.2 算法偏差与错误..............................................................................................

端到端自动驾驶要求海量高价值数据、超大规模算力和专业适配算法作为支 持。自动驾驶领域数据类型多样、格式复杂、算力分散，且以 Transformer 为基 底的人工智能网络模型结构在智能驾驶领域的适应性尚未被充分验证。建立行业 级智能驾驶智算数据平台，有望集中行业力量，建立高质量自动驾驶数据集、集 中算力资源、合力研发适用于端到端自动驾驶的算法模型，是推动人工智能技术 融入智能驾驶领域，破解我 融入智能驾驶领域，破解我国智能驾驶相对落后局面、实现赶超的最有潜力途径。 “智能驾驶智算数据平台”是指服务于汽车智能驾驶模型开发及测试的数据、 算力和算法综合服务平台，通常可分为企业级平台和行业级平台。其中，“智能 驾驶模型（智驾模型）”是指可具备感知、预测、决策、规划、控制等功能、可 驱动自动驾驶车辆安全、高效运行的分块化或一体化神经网络载体模型。 图 1 行业级智能驾驶智算数据平台示意图 智算数据平台一般由大算力 或专用人工智能芯片并行集群为主要计算 硬件，可以服务于人工智能深度学习模型的设计与训练，自动驾驶算法在各类数 据基础上不断地重复训练与验证，推动车辆对环境感知、路径规划等的认知水平 逐渐趋近于真实驾驶场景。 行业级智能驾驶智算数据平台旨在为行业内整车企业、智驾供应商、研究机 构及高校等主体的智能驾驶模型开发和应用提供基础数据、算力和算法服务，并 智能驾驶智算数据平台发展研究报告 2 协调上述单位及相

应用系统功能 外网公开数据 … • 适配 • 调度 • 纳管 • 框架 • 算法 • 训练 数据集成 平台 免协交换 采集 公开数据 采集 图片表格 识别 智能填报 平台 公共数据开放平台 疫情防控 宏观经济 金融服务 财源保障 用 厅 应 网协同 一 智能 中台 市政务数据平台总体架 构 共享交换平台 AI 模型库 （感知 / 认 知） 知识图谱 平台 物联共享管理平台 视频共享管理平台 AI 算法仓 AI 平台 服务 管理 数据 来源 数据 归集 数据 交换 • 数据目 录 • 数据质 量 • 数据模 型 • 运维监 控 • 数据开 发 • 数据安 建设内容 3 ： 增强数据安全保 障 建立数据分级分类体系 ， 明确不同等级、 不同类别的数据安全管控措施。 在数据使用过程中 ，通过多种脱敏方法实现数据的静 态脱敏、 动态脱敏 ，利用加密、 解密算法 ，结合数据沙箱模式进一步增强数据应用过程中的保 护 能力。 在数据使用后 ，通过 安 全审计对数据使用合规性进行审计与追溯 ，综合采取多种措施增强数据安全保 障 能力 ，消除数据安全隐患。 5

DataFunTalk 成就百万数据科学家！ 5 目录 模型可解释性在保险理赔反欺诈中的实践......................................................7 图算法在网络黑产挖掘中的思考....................................................................21 联邦学习与安全多方计算..... ............70 Fraudar 算法在京东关系网络反欺诈中的应用...........................................85 携程金融自动化迭代反欺诈模型体系.........................................................100 微众银行在联邦推荐算法上的探索及应用................. 度小满智能获客系统实践............................................................................. 297 金融风控反欺诈之图算法............................................................................. 307 机器学习在反欺诈中应用.....

无论是多传感器融合派厂商，还是视觉派厂商，都大量使用智能化传感器，他们是实现 NOA 的必要条件。 要实现 NOA 对智能传感器硬件要求很 高 特斯拉 Model 3 小鹏 G9 厂商要搭建起高效的算法模型 ，开发的系统既要能精准识别并处理各传感器获得的数据 ，还要能有效应对模 型未考虑到的长尾问题。这大大增加了系统所需数据量 ，增加了开发难度。 软件在 NOA 等行为。 小鹏汽车开发的城市 NGP 的代码量 、 感知模型数量、 预 测 / 规划 / 控制相关代码量 ，分别是其高速 NGP 是 6 倍、 4 倍 和 88 倍。 要实现 NOA 还需要高水平算法的支 持 上图：摄像头获得的车 辆左、 中、右三方的感 知结果（即路况）。 下图： BEV+Tf 架构下， 特斯拉自动驾驶软件对 上图感知结果进行融合 后的效果。 新架构下特斯拉自动驾驶软件的融合效果 特斯拉率先在汽车业应用 AI 大模 型 传统算法将自动驾驶系统划分为感知、规划、控制等 3 大块 ，每个部分又可细分为不同的模块和子模块。每个 模块各司其职 ，有着独立且明确的目标。 传统的自动驾驶算法框架 传统的自动驾驶算法是基于规则开发的 规划模块的作用主要是根据车辆实 际行驶时面临的实时交通环境

于创造社会价值，才能让科技成果转化为普惠民生的发 展动能，让每一条道路都通向更美好的安全出行图景。 技术突破是根基，安全落地是底线。自动驾驶技术的核 心在于构建全域要素深度融合的智能系统。需要在感知 算法、决策控制、高精定位、计算芯片等关键领域持续 深耕，同时以更高标准解决复杂交通场景下的长尾问题。 但技术的进步必须以安全为前提，必须将“可解释性”和 “可靠性”融入技术研发的全生命周期，构建覆盖汽车研 智能驾驶技术架构与关键能力 08 2.1 车端硬件 09 2.1.1 感知硬件 09 2.1.2 域控制器 13 2.1.3 执行硬件 18 2.2 车端推理 19 2.2.1 算法架构演进 19 2.2.2 算法场景应用 20 2.3 云端训练 20 2.3.1 训练数据 21 2.3.2 训练芯片 22 第三章 智能驾驶行业赋能与场景创新 24 3.1 主动安全 25 代表自动 驾驶功能。 1.2 智能驾驶的逻辑架构 智能驾驶系统由车端传感器、车端平台层、车端算法层、 云端服务层四大部分组成，车端平台层以芯片、域控制 器、车载通信和操作系统等驱动摄像头、激光雷达、毫 米波雷达等传感器进行环境感知，并通过车载通信实现 车云协同；车端算法层整合管理域、算法、应用及安全 域，实时解析传感器数据生成决策指令；云端提供全导 航、数据管理和模型训练等功能，通过

MemoryCache内存空间 通道2 通道1 … … 图 .11通道示意图 ii. 基于 hash 的查找算法 MemoryCache 的数据存放于查找是基于 hash 算法的，利用 key 值通过 hash 算法直接映射实际物理地址，查找算法复杂度永远为 O（1），不会因为数据的多少而影响了查询效率，算法弊端是无法 进行不等值比较查找，数据在内存中是乱序存放，不进行排序操作。 出现 hash 冲 的时候，原则上先将自己挂接到虚拟节点的链表尾端，等待下次分 配。由于数据块在分配中会被不断切割，会导致数据块不断的由大 变小，为了防止内存碎片的过多产生，需要对产生的内存碎片做合 并。 内存合并算法在内存被归还后执行，主要思路是查看当前内存块 与前后内存块的关系。归还后，如果当前内存块的后一块内存为空 闲内存，则表明可以与后内存合并，直接将当前内存的空间扩充至 当前内存空间与后置内存空间的综合即可，同时将后置内存块从链 智慧交通综合大数据管控平台设计建设方案 这样对于申请内存的函数，一样可以满足使用要求，对于剩余内存 的维护，则大幅度降低了碎片内存的产生，提升了整体内存分配效 率。 v. 二级 key 的算法实现 memorycache 除 了 支 持 key.value 模 存 储 之 外 ， 还 支 持 key.key.value 的存储模式，可以根据第一级 key 的值进行全部数据的 查询与删除。二级