大型装备制造业数字化之道 基于模型的数字化企业 (MBE, Model Based Enterprise) 解决方案白皮书（修订版） 1 大型装备制造业数字化之道 西门子基于模型的数字化企业解决方案白皮书（修订版） 再版致辞 亲爱的各位读者： 2012 年 6 月 10 提高首次质量等目标。为了更好地使 MBD 数 据在产品的整个生命周期内能够有效充分地 进行利用，很多大型装备提供商、供应商通过 不同的型号项目开始研究、验证和应用 MBE (Model Based Enterprise：基于模型的企业 ) 方法，就是要基于 MBD 在整个企业和供应链 范围内建立一个集成和协同化的环境，各业务 环节充分利用已有的 MBD 单一数据源开展工 作，从而有效地缩短整个产品研制周期，改善 速制造技术突破性发展，以加强国防工业的基 础和改善美国制造企业在全球经济竞争中的地 当前，国内外大型装备制造企业的数字 化技术发展迅速，三维数字化设计技术得到 了广泛的应用，基于模型定义（Model-Based Definition，简称 MBD）的数字化设计与制造 技术已经成为制造业信息化的发展趋势。MBD 是产品数字化定义的先进方法，它是指产品定 义的各类信息按照模型的方式组织，其核心内

Evaluating Artificial Intelligence for National Security and Public Safety Insights from Frontier Model Evaluation Science Day Conference Proceedings 2 ables, thresholds for dangerous AI capabilities completed model evalu- ations, needs and priorities for subsequent rounds of evaluations, and considerations for wet lab validation of model outputs. Lessons Learned from Completed Model Evaluations Evaluations Embracing Complexity in Chem-Bio Model Assessments This session highlighted the persistence of threat actors and the complex evolution of chem-bio threats. During the discussion, one participant

5 4 ALIBABA CLOUD MODEL STUDIO SECURITY WHITE PAPER 安全 可信的 MaaS 阿里云百炼 安全白皮书 SECURE & TRUSTWORTHY MaaS 法律声明 阿里云提醒您在阅读或使用本文档之前请仔细阅读、充分理解本法律声明各条款的内 容。如果您阅读或使用本文档，您的阅读或使用行为将被视为对本声明全部内容的认 可。 1 域名、 图案标示、标志、标识或通过特定描述使第三方能够识别阿里云和 / 或其关联公司）。 6. 如若发现本文档存在任何错误，请与阿里云取得直接联系。 9 8 ALIBABA CLOUD MODEL STUDIO SECURITY WHITE PAPER 安全 可信的 MaaS 阿里云百炼 安全白皮书 SECURE & TRUSTWORTHY MaaS 编写组 指导委员会 阿里云智能集团安全治理中台负责人 阿里云智能集团安全保障研发负责人 responsibleAI@service.aliyun.com 编写组组长 联系我们 11 10 ALIBABA CLOUD MODEL STUDIO SECURITY WHITE PAPER 安全 可信的 MaaS 阿里云百炼 安全白皮书 SECURE & TRUSTWORTHY MaaS 阿里云百炼安全解决方案与核

0 00 设计成果标准化 *Model *Model_ ace *Mode1_ ace *Model pace *Model Soace *Mode1_ 5 Space *odel Space *Model Space *Model_ Space M d 1_Sp *Model Space *Model Space *Mode1 _Space _Space *Model Space aaccee oo eel ** 484542, 153170 *Mode1_Space 484622, 153170 *Mode1 Space *Mode1 Space *Model Space *Model Space *Model_ Space *Model_ Sp pace *Model *Mode1_Space *Mode1_Space 46*7 4d, _3 ce *Mode1Space *Model_Space M del_Sp *Mode1_Space *Model Space aaccee oo ** pa92 e1 o7 0 8 家 具 插 入 点 ： (-479001, 150722) 6510BF

org/pdf/2110.14168 [2] Scaling LLM Test-Time Compute Optimallycan be More Effective than Scaling Model Parameters Laws [1] 。 DeepSeek-R1 Zero: 无需监督微调 SFT ，纯强化学习驱动的强推理模型 DeepSeek-R1 技术剖析： DeepSeek-R1 Format Rewards: 规劝模型生成答案的过程是 和 没有使用 Reward Model, 因为 ORM 和 PRM 等基于神经网络的都可能遭受 reward hacking 而 retraining reward model 需要大量的计算资源，可能会复杂化整个流程 训练模板： 选择最简单的 Thinking Process ， 直接观察到最直接的 DeepSeek-v3-Base (671B) DeepSeek-R1 Intermediate Model ( 推理链可读性更强 ) 推理任务 - 规则奖励 (Rule-based Reward) 600k 推理数据 (Rule-based+Generative 奖励 ) 通用任务 - 偏好建模 (Reward Model) DeepSeek-R1 技术 Pipeline 总览 200k 通用数据

org/pdf/2110.14168 [2] Scaling LLM Test-Time Compute Optimally can be More Effective than Scaling Model Parameters 8 DeepSeek-R1 技术剖析：DeepSeek-R1 Zero DeepSeek-R1 Zero: 无需监督微调SFT，纯强化学习驱动的强推理模型 DeepSeek-v3-Base 格式奖励Format Rewards: 规劝模型生成答案的过程是 和 ➢ 没有使用Reward Model, 因为ORM和PRM等基于神经网络的都可能遭受reward hacking 而retraining reward model 需要大量的计算资源，可能会复杂化整个流程 ➢ 训练模板：选择最简单的 Thinking Process，直接观察到最直接的RL过程下的表现 反思数据 冷启动 Cold Start DeepSeek-v3-Base (671B) 双重验证 推理为中心的 RL 数学代码推理任务 流畅性奖励 正确率奖励 Intermediate Model (推理链可读性更强) Stage I: 推理链可读性 拒绝采样和全领域SFT 600k 推理数据 (Rule-based+Generative 奖励) 200k 通用数据 （Writing

Large Language Model (LLM) 大语言模型 Traditional Deep Learning 传统深度学习 技术篇：英特尔 AI 产品组合 英特尔 AI 实战视频课程 英特尔中国 AI 实战资源库 基于英特尔® 架构的 AI 软件工具组合 03 10 15 30 36 37 CONTENT 目录 Large Language Model (LLM) 大语言模型 https://www.intel.cn/content/www/cn/zh/customer-spotlight/cases/kingsoft-cloud-accelerates-large-model-inference.html 0.00 20.00 40.00 60.00 80.00 100.00 120.00 140.00 160.00 512 w/ 产业实践范例，全力加速 NLP 技术产业落地。 (如欲了解更多详情，请访问：https://github.com/PaddlePaddle/ PaddleNLP/tree/develop/model_zoo/ernie-3.0) ERNIE-Tiny 基于第四代英特尔® 至强® 可扩展处理器构建的基础设施 EasyDL BML ERNIEKit PaddleNLP 图五 ERNIE-Tiny

级的控制进行了较为全面的总结; 然后, 对不同具身智能系统架构进行介绍, 并总结了目前具身智能模型的数据来源, 包括 模拟器、模仿学习以及视频学习; 最后, 对基于大语言模型 (Large language model, LLM) 的具身智能系统面临的挑战与发 展方向进行讨论与总结. 关键词 大语言模型, 大型视觉模型, 基础模型, 具身智能, 机器人 引用格式 王文晟, 谭宁, 黄凯, 张雨浓, 郑伟诗 gence systems based on large language models (LLMs). Key words Large language model (LLM), large visual model, foundation model, embodied intelligence, robot Citation Wang Wen-Sheng, Tan Ning, Huang Kai 可以显著提高其在 少样本学习任务上的表现, 以 GPT-3 (Generative pre-trained transformer 3)[4] 为代表的大语言模型 (Large language model, LLM) 在没有进行任何参 收稿日期 2024-08-01 录用日期 2024-09-09 Manuscript received August 1, 2024; accepted

Agent 应用的服务、配置和AI智能体管理平台 构建AI Agent应用的通用范式 Model Provider User Ask Response Prompt Model 规划 MCP Tools MCP Server 业务API Agent Agent = Model + Prompt + MCP Tools 工具调用 存量业务接口快速转化 Alibaba/AgentScope 事件驱动 AI Agent 模型 LLM Observability AI 观测&评估 OTel OTel Nacos MCP Registry Model Chat Model Image Model Prompt Prompt Template Dynamic Prompt WorkFlow / Agent / Tools / Evaluation Memory Local Memory Chat Memory Redis Memory … RAG Document Reader Document Transformer Embedding Model Vector Store AI Proxy Token限流 Cache / RAG Tools/MCP Server OTel API Gateway OTel API 管理

ArXiv preprint arXiv:2501.12948 (2025). 9. Xi, Z. et al. The rise and potential of large language model based agents: A survey. Sci. China Inf. Sci. 68, 121101, (2025). 10. DeepSeek-AI et al. DeepSeek-V3 preprint arXiv:2412.19437 (2024). 11. Ma, X. et al. Safety at scale: A comprehensive survey of large model safety. ArXiv preprint arXiv:2502.05206 (2025). 第二章 AI 前沿 2. 具身智能 2.1 背景 具身智能是基于物理本体感知和行动 的智能系统，通过与环境交互感知信息、 Intelligence, π0: A vision-language-action flow model for general robot control. Technical Report (2024). 3. Figure AI, Helix: A vision-language-action model for generalist humanoid control (2025). 4.