亚洲男人的天堂2018av,欧美草比,久久久久久免费视频精选,国色天香在线看免费,久久久久亚洲av成人片仓井空

人工智能作為戰略性的通用目的技術，正在重構生產要素配置方式，催生新型產業形態，其引發的“人工智能+”效應已從技術范式創新上升為驅動經濟高質量發展的核心動能，其發展水平直接關系到國家競爭力強弱與現代化經濟體系建設進程。全球主要經濟體紛紛將人工智能納入國家戰略體系，2024年我國也首次將“人工智能+”寫入《政府工作報告》，2025年政府工作報告進一步指出，要持續推進“人工智能＋”行動，支持大模型廣泛應用。 　　人工智能技術正呈現多點突破、交叉融合的發展態勢。算法層面，大模型技術突破推動生成式AI實現質的飛躍，深度推理、多模態融合等技術不斷突破認知邊界；算力層面，AI芯片能效比持續提升，極致的工程優化讓算力持續釋放；數據層面，高質量行業數據集以及合成數據為模型訓練以及應用構建提供新動能。技術迭代催生AI產業化，并推動各行業智能化應用全面開花：在文化傳媒領域，AIGC大幅提升創作效率；醫療領域，人工智能加速藥物研發創新，并提升輔助診斷的精確度；制造業中，人工智能助力產品設計、生產排程優化、提升質量檢測與缺陷識別效率等，推動制造的全流程智能化升級。當前，人工智能技術正加速“創新-轉化-應用”的迭代過程，為各行各業注入新質生產力，促進技術經濟系統的協同進化，重構產業價值網絡。 　　2025年，是全球人工智能應用加速落地的一年。為積極響應“人工智能+”國家重要戰略，中央廣播電視總臺與杭州市人民政府聯合主辦紀實創投類節目《贏在AI+》，致力于推動技術創新與產業融合，展示全國各地人工智能技術創新和應用的優秀創業企業，匯集院士、專家、投資者、優秀企業家等不同維度的精粹觀點，為未來的企業，尋找企業的未來。 　

摘要——隨著生成式人工智能（Generative AI）的快速發展，尤其是大語言模型的不斷突破，推薦系統正朝著更具通用性的方向演進。與傳統方法不同，生成式人工智能不僅能夠從復雜數據中學習模式和表示，還具備內容生成、數據合成和個性化體驗等能力。這種生成能力在推薦系統中發揮著關鍵作用，能夠緩解數據稀疏問題，并提升系統的整體性能。當前，基于生成式 AI 的推薦系統研究已取得了豐富成果。與此同時，推薦系統的目標也已超越單一的準確性要求，催生了大量面向多目標優化的研究，試圖在推薦中綜合考慮多種目標。然而，據我們所知，目前尚缺乏基于生成式 AI 技術的多目標推薦系統的系統性綜述研究，相關文獻仍存在明顯空白。為填補這一研究空缺，本文對融合生成式 AI 的多目標推薦系統研究進行了系統梳理，按照優化目標對現有工作進行分類整理。同時，我們總結了相關的評估指標和常用數據集，并進一步分析了該領域面臨的挑戰與未來發展方向。 關鍵詞——多目標優化，推薦系統，生成式人工智能，大語言模型

1 引言 在大數據時代，推薦系統已成為應對信息過載問題的關鍵工具，幫助用戶高效地發現有價值的內容。它們被廣泛應用于音樂、新聞、職位推薦等多個領域 [1]–[3]，通過過濾海量信息流，顯著提升用戶體驗。推薦系統的發展已歷經數十年，從最初的協同過濾方法 [4]–[7] 和內容推薦方法 [8], [9]，到后來的混合模型 [10]、基于圖神經網絡的方法 [11]，以及深度學習方法 [12], [13]，不斷演進以滿足日益增長的個性化和可擴展性需求。

近年來，生成式人工智能（Generative AI）的突破顯著改變了推薦系統的格局。正如文獻 [14] 所指出的，基于生成技術的推薦系統已成為該領域的新興研究方向。生成對抗網絡（GANs）[15]、變分自編碼器（VAEs）[16]、擴散模型 [17] 和大語言模型（LLMs）[18] 等技術，使得推薦系統能夠更豐富地進行數據合成并實現更深層次的上下文理解。其中，大語言模型在處理多模態數據（文本、圖像、視頻）和生成上下文感知的推薦內容方面展現出強大能力，帶來了前所未有的靈活性。與傳統模型依賴歷史數據預測用戶偏好不同，生成模型可以模擬用戶交互、增強稀疏數據集，并生成個性化內容，從而為推薦范式的創新開辟了新路徑。

生成模型在推薦系統領域展現出巨大潛力。目前的研究主要集中在單一目標任務，例如通過合成數據提升準確性，或利用大語言模型增強可解釋性。然而，對準確性的過度關注可能導致“過濾泡沫”（filter bubble）現象 [19]，使用戶被限制在重復或同質化的內容中，抑制探索行為并削弱長期參與度。考慮到生成式人工智能在推理和理解方面的先進能力，其在多目標推薦中的應用也極具前景。 研究社區已廣泛探索在傳統推薦系統框架下平衡多種目標的多目標推薦系統（MORS）[20]–[23]，但在融合生成式 AI 技術方面，相關研究仍屬稀缺。因此，將多目標優化整合進生成式推薦系統，是一個亟待深入研究的方向。

為填補這一空白，本文系統調研了使用生成技術實現多目標推薦的現有研究。我們特別強調，任何關于推薦系統附加目標（如多樣性、偶然性或公平性）的討論，都隱含地將準確性作為基礎性前提。因此，我們將多目標推薦系統（MORS）定義為：優化準確性之外其他目標的推薦系統。 本綜述識別出當前生成式推薦系統中除準確性外的主要目標包括：多樣性、偶然性、公平性與安全性；此外還涉及新穎性、可控性、效率與魯棒性等附加目標。我們聚焦于推薦系統中廣泛應用的四類生成技術：GANs、擴散模型、VAEs 與大語言模型。針對每一類目標，我們深入回顧了主流的模型架構與評估指標，并總結相關發展挑戰，旨在為未來的多目標生成式推薦研究提供基礎性見解。

本文的主要貢獻如下：

本文為首個將生成式人工智能（包括 GANs、VAEs、擴散模型和大語言模型）與多目標推薦系統（MORS）結合的全面綜述，提出了一個面向目標的分類框架，系統回顧了四類關鍵目標（多樣性、偶然性、公平性、安全性）下模型架構、優化策略和評估指標的發展與局限性。 * 我們系統總結了不同目標領域（如公平性與偶然性）下的專用評估指標與對應基準數據集，為實驗設計提供標準化參考。 * 我們還討論了生成式 MORS 研究中的核心挑戰，并展望了未來的發展方向，包括改進評估指標、設計適用于 LLM 的高級策略、融合多種生成技術以提升推薦質量等。此外，我們強調跨學科合作（如倫理學、社會學）的重要性，以構建更加公平透明的推薦系統。這些見解為學術界與工業界的進一步探索與創新奠定了基礎。

文章結構概覽：

第 2 節綜述推薦系統、生成式推薦系統和多目標推薦系統的相關文獻，構建研究背景。 第 3 節介紹本文涵蓋的四類主要生成技術。 第 4 節作為核心部分，系統梳理基于生成技術的多目標推薦系統，按超越準確性的目標進行分類，介紹相關定義、模型與評估指標。 第 5 節總結各類目標下常用的推薦數據集。 第 6 節探討每類關鍵目標面臨的主要挑戰。 最后在第 7 節對全文進行總結。

AI Agent是人機交互新范式。AI Agent是能夠感知環境、進行決策、執行動作的智能體，在2023已順應大模型浪潮而生，隨著多模態等技術逐步成熟，當前各廠商持續推出相關產品，Agent已開始逐步進入各個場景的工作流中，成為人機協同新范式。根據Roots Analysis預測數據，預計24年全球AI Agent市場規模為52.9億美金，預計2035年達到2168億美金，對應24-35年CAGR為40.15%。 　　OpenAI推出Operator，AI正式邁入Agent時代。Operator由CUA新模型提供支持，其通過強化學習實現了GPT-4o的視覺能力與高級推理相結合，可以像人類一樣完成與圖形用戶界面（GUI）的交互。Operator運行在瀏覽器中，在云端構建虛擬環境來執行操作，工作步驟主要分為感知、推理、執行。當前Operator測試數據優于前期SOTA，但與人類差距仍較大，目前仍在快速進步中。 　　Operator遵守嚴格的數據使用和法律要求。OpenAI在數據使用上，除了公開和用戶提供的信息之外，還有較多的第三方公司合作。美國法律對OpenAI在數據訪問的隱私保護、數據安全、版權、特定領域數據保護等均有要求，Operator也提供了較為嚴格的安全措施。 　　Operator在多個場景應用已逐步顯示潛力。Operator的一些典型應用場景包括：旅行預訂、購物、餐廳預訂、行政任務、市場營銷、與 　　各行業合作。OpenAI正與DoorDash、Instacart、OpenTable和Priceline等公司合作，以改進Operator在現實世界中的應用。 　　中國團隊推出全球首個通用AI Agent Manus，性能表現優異，與阿里千萬達到合作。Manus定位為全球第一款通用Agen，面對各類復雜多變的任務，Manus在自己的虛擬環境中靈活調用各類工具——編寫并執行代碼、智能瀏覽網頁、操作各類網頁應用——目標為用戶直接交付完整的任務成果。在官方演示中，Manus展現了其篩選簡歷、遴選房產、股票分析等多種應用場景。在GAIA基準測試中，Manus在所有三個難度級別上都取得了新的最先進（SOTA）表現。目前Manus平臺宣布將與阿里通義千問團隊正式達成戰略合作。

2025年人形機器人將迎來量產元年，產業鏈發展前景廣闊　　人形機器人是AI應用落地的主要載體。大模型問世是人工智能發展的分水嶺，以人工智能大模型為代表的人工智能第三發展階段未來會有一段較長的發展紅利期，將成為新一輪科技革命和產業變革的重要驅動力量。人形機器人作為人工智能落地物理世界的優質載體，將受益于人工智能的快速發展，其擁有感知、思考、決策等能力不再遙不可及。人形機器人集成人工智能、高端制造、新材料等先進技術，有望成為繼計算機、智能手機、新能源汽車后的顛覆性產品。　　2025年人形機器人將進入量產元年，優秀企業有望逐步顯現。2025年，特斯拉optimus有望進入小批量量產階段，將有數千臺人形機器人落地在內部工廠運行，2026年有望對外銷售。英偉達在GTC2024大會推出人形機器人通用基礎模型ProjectGR00T。2024年11月，華為（深圳）全球具身智能產業創新中心宣布正式運營。Figure、1X、宇樹、智元、開普勒、優必選等國內外機器人領先企業已經先后開啟人形機器人的量產。　　人形機器人產業鏈空間廣闊，未來或達到萬億市場空間。馬斯克在2024年股東大會上表示，到2040年人形機器人未來數量將超過人類，可以替代人類完成無聊、危險和人類不愿意做的工作，成為工業主力，預計有望達到100億臺。我們預計當人形機器人年產量達到1000萬臺時，售價2萬美元，對應市場空間可以達到2000億美元，擁有超萬億人民幣的市場空間。高工機器人產業研究所（GGII）預測，2024年全球人形機器人市場規模為10.17億美元，到2030年全球人形機器人市場規模將達到151億美元，2024-2030年CAGR將超過56%，全球人形機器人銷量將從1.19萬臺增長至60.57萬臺。

2024年，在各大企業紛紛角逐大模型之際，具身智能卻“異軍突起”，成為推動人工智能向物理世界深度滲透的重要力量。據不完全統計，2024年上半年，具身智能概念創業公司超50家，融資事件頻發。同時，在上海世界人工智能大會、世界機器人大會、云棲大會現場，具身智能機器人也備受矚目。

根據中國計算機學會（CCF）專家的定義，具身智能（Embodied Artificial Intelligence, EAI）是指一種基于物理身體進行感知和行動的智能系統，其通過智能體與環境的交互獲取信息、理解問題、做出決策并實現行動，從而產生智能行為和適應性。人形機器人作為具身智能的典型代表，被視為實現具身智能的最佳載體之一。但是，并非所有具身智能系統都必須采用人形機器人的形態。具身智能的實現方式多種多樣，可以根據具體任務和環境需求選擇合適的智能實體形態。

具身智能+人形機器人或將成為AI終極形態：人工智能的進步正在成為機器人產業發展的關鍵引擎。生成式人工智能的爆發，催生了初代“AI+機器人”的人形機器人。 　　政策推進人形機器人發展：國家層面頻繁發布關于機器人的相關政策，特別關注人形機器人這一未來產業的關鍵領域。相關政府部門調整戰略方向，出臺一系列政策推動和引領中國人形機器人產業向高質量方向發展。 　　市場空間廣闊：隨著人形機器人功能邁向多樣化和普適化，產業分工日趨成熟，成本持續下探，潛在應用場景有望涵蓋制造業、家庭服務等多個領域，市場機遇廣闊。中國電子學會數據顯示，到2030年，中國人形機器人市場規模有望達約8700億元。 　

來源：奇安信 　　近日，奇安信集團對外發布《2024人工智能安全報告》（以下簡稱《報告》）。據悉，這是我國首份人工智能安全報告。《報告》認為，人工智能是新一輪科技革命和產業變革的核心技術，被譽為下一個生產力前沿。具有巨大潛力的 AI 技術同時也帶來兩大主要挑戰：一個是放大現有威脅，另一個是引入新型威脅。 　　數據顯示，在2023年，基于AI的深度偽造欺詐暴增了3000%，基于AI的釣魚郵件數量增長了1000%。據了解，奇安信威脅情報中心監測發現，已有多個有國家背景的APT組織利用AI實施了十余起網絡攻擊事件。同時，各類基于AI的新型攻擊種類與手段不斷出現，甚至出現泛濫，包括深度偽造（Deepfake）、黑產大語言模型、惡意AI機器人、自動化攻擊等，在全球造成了嚴重的危害。 　　《報告》指出，AI與大語言模型本身伴隨著安全風險，業內對潛在影響的研究與重視程度仍遠遠不足。AI技術推動安全范式變革，全行業需啟動人工智能網絡防御推進計劃，包括利用防御人工智能對抗惡意人工智能，扭轉“防御者困境”。 　　業內普遍預測，未來十年該技術的惡意使用將迅速增長，人工智能的惡意使用在網絡安全、物理安全、政治安全、軍事安全等方面構成嚴重威脅。 　 　　大模型引爆AI熱潮 雙刃劍效應顯現

　　2022年以后，以ChaGPT為代表的大語言模型（Large Language Model，LLM）AI技術快速崛起，后續的進展可謂一日千里，迎來了AI技術應用的大爆發，展現出來的能力和效果震驚世界。IDC調研顯示，67%的中國企業已經開始探索 AIGC 在企業內的應用機會或進行相關資金投入。IDC預測，2026年中國AI大模型市場規模將達到211億美元，人工智能將進入大規模落地應用關鍵期。 　　《報告》認為，“AI是一種通用技術，通用就意味著既可以用來做好事，也可以被用來干壞事”。具有巨大潛力的AI技術同時帶來兩大主要挑戰：一是放大現有威脅，另一個是引入新型威脅。奇安信預計，未來十年，人工智能技術的惡意使用將快速增長，將在政治安全、網絡安全、物理安全和軍事安全等方面構成嚴重威脅。

　　研究發現，人工智能已成攻擊工具，并帶來迫在眉睫的威脅，相關的網絡攻擊頻次越來越高。數據顯示，2023年基于AI的深度偽造欺詐暴增了3000%，基于AI的釣魚郵件數量增長了1000%；奇安信威脅情報中心監測發現，已有多個有國家背景的APT組織利用AI實施了十余起網絡攻擊事件。各類基于AI的新型攻擊種類與手段不斷出現，甚至出現泛濫，包括深度偽造（Deepfake）、黑產大語言模型、惡意AI機器人、自動化攻擊等，在全球造成了嚴重危害。 　　在當前波譎云詭、風高浪急的國際形勢下，快速發展的AI帶來了更加復雜和難以預測的軍事威脅，包括相關武器系統的誤用、濫用甚至惡用，導致戰爭不可控性增加。例如人工智能被用在“機器人殺手”等致命性自主武器(LAWS)上，可能會導致無差別殺戮。數據顯示，2024財年，美國國防部計劃增加與AI相關的網絡安全投資，總額約2457億美元，其中674億美元用于網絡IT和電子戰能力。 　**　AI引入或放大12種威脅 業界對AI風險重視不足**

　　《報告》深入研究了基于AI的深度偽造（Deepfake）、黑產大語言模型基礎設施、利用AI的自動化攻擊、AI武器化、LLM自身安全風險、惡意軟件、釣魚郵件、虛假內容和活動生成、硬件傳感器安全等12種重要威脅，對其技術原理、危害情況、真實案例等進行了深入的剖析，旨在讓業界更全面的認識到AI普及帶來的兩大主要挑戰：一方面放大了現有威脅，比如釣魚郵件、惡意軟件和社會工程學等；另一方面是引入了新型威脅，如AI自動化攻擊、AI深度偽造等。

　　以AI武器化為例，據法新社2月10日報道，以色列軍隊首次在加沙地帶的戰斗中采用了人工智能（AI）軍事技術，包括AI驅動的瞄準器和無人機等.引發了人們對現代戰爭中使用自主武器的擔憂。這些技術正在摧毀對手的無人機，并被用于繪制哈馬斯組織在加沙的龐大隧道網絡地圖等。這僅僅是AI武器化、加劇軍事威脅趨勢的冰山一角。

　　《報告》認為，AI與大語言模型本身伴隨著安全風險，業內對潛在影響的研究與重視程度仍遠遠不足。 　　全球知名應用安全組織OWASP發布大模型應用的十大安全風險，包括提示注入、數據泄漏、沙箱不足和未經授權的代碼執行等。此外，因訓練語料存在不良信息，導致生成的內容不安全，正持續引發災難性的后果，危害國家安全，公共安全甚至個人安全，這些都亟需業內的高度重視和積極應對。 　**　AI威脅該如何應對？**

　　《報告》從安全行業、監管機構、政企機構、網絡用戶等群體角度，給出了應對AI威脅的建議。其中安全行業需要繼續發揮能力優勢，確保人工智能本身的安全性，并積極利用人工智能用于安全防護；監管機構需要對AI潛在風險與影響保持持續關注，在制度和法規上及時提供支持；政企機構需及時部署AI安全框架和解決方案，以及AI安全評估服務和檢測工具，還要依托AI推動安全升級；網絡用戶在嘗試最新人工智能應用的同時，同樣需要更新安全知識，形成良好的安全習慣。 　　面對AI網絡攻擊、AI武器化等日益嚴峻的安全威脅，《報告》認為，AI技術將會推動安全領域發生范式變革，全行業需啟動人工智能網絡防御推進計劃。新一代AI技術與大語言模型改變安全對抗格局，將會對地緣政治競爭和國家安全造成深遠的影響，各國正在競相加強在人工智能領域的競爭，以獲得面向未來的戰略優勢。全行業需啟動人工智能網絡防御推進計劃，包括利用防御人工智能對抗惡意人工智能，扭轉“防御者困境”。 　　具體內容如下

人工智能作為新一輪科技革命和產業變革的戰略性技術，正在對經濟發展、社會進步、全球治理等方面產生重大而深遠影響，加快人工智能基礎設施布局已成全球主要國家戰略重點。

人工智能基礎設施作為“新基建”的重要部分，我國重視并積極支持人工智能基礎設施建設發展，在公共數據集、行業資源庫、計算平臺、AI 芯片、算法學習框架、開放 AI 平臺、網絡基礎設施等人工智能基礎設施方面重點布局。報告認為人工智能基礎設施是以算力要素能力、數據要素能力、算法要素能力構成的基礎能力平臺為底座，以應用開放平臺等為主要載體，以賦能制造、醫療、交通等重點行業和領域智能化轉型為目標，為實現壯大智能經濟、構建智能社會的專有服務設施能力體系。當前，我國人工智能基礎設施尚處于初期，發展迅猛，其發揮的效力及釋放的價值還有很大的想象空間。

從2018年谷歌提出BERT預訓練語言模型至今，超大規模智能模型已經走過了三年的發展歷 程。近年來，預訓練模型成為人工智能領域一大重點研究方向。

大模型技術不僅是學術界重點關注的領域，產業領域也在期待其能夠在各個場景加速落地。人們期待，大模型不僅能夠提升應用服務的智能水平，甚至還能夠催生新的場景和產業模式。

然而，當前全球大模型商業落地仍處于早期探索階段，目前已有很多模型落地的探索，但真正讓大模型成為推動智能產業發展的核心引擎，目前仍存在不小的差距。

今日，智源研究院推出了《超大規模智能模型產業發展報告》，旨在梳理當前大模型領 域產業的發展情況，為讀者提供交流和討論的機會。

本報告將主要分為以下五部分內容。首先，報告將介紹大模型領域的技術發展情況和趨勢。接著，報告將梳理目前已經出現的大模型產業落地模式，提出該模式誕生的條件、特點和優勢。

然后，報告將重點介紹目前大模型已經開展商業化的發展領域，包括國際和國內的落地領域和應用 場景。最后，報告將用兩章內容論述應用存在的問題和解決案例，并提出下一步工作建議。

報告鏈接：//baai.org/l/MdRePort

報告首先討論了人工智能基礎設施的內涵及范圍，認為人工智能基礎設施是以“高質量網絡”為關鍵支撐，“數據資源、算法框架、算力資源”為核心能力要素，以“開放平臺”為主要賦能載體，能夠長期提供公共普惠的智能化服務的基礎設施。人工智能基礎設施將有力促進人工智能產業發展，深入賦能行業應用，為培育數字經濟、構筑智能社會提供關鍵承載。報告隨后梳理總結了全球主要國家及地區人工智能基礎設施發展戰略及特點，并圍繞“數據資源、算法框架、算力資源、開放平臺”AI新基建核心內容的發展趨勢進行分析研判，最后對加快我國人工智能基礎設施發展提出了若干思考。

【目 錄】

　　一、人工智能基礎設施的內涵及范圍 　　（一）何為“新型基礎設施” 　　（二）何為“人工智能基礎設施” 　　二、人工智能基礎設施全球戰略布局 　　（一）全球人工智能基礎設施戰略圖景 　　（二）我國積極推動人工智能基礎設施發展 　　三、人工智能基礎設施發展態勢剖析 　　（一）數據資源逐步實現開放共享 　　（二）算法框架有效集成AI核心能力 　　（三）算力資源走向云邊協同與定制化 　　（四）開放平臺呈現建設主體多元化 　　四、為人工智能基礎設施發展營造良好環境 　　（一）人工智能基礎設施發展面臨的問題 　　（二）加快構建人工智能基礎設施的思考