從“養蝦”到“殺蝦”，一款名叫“龍蝦”的開(kāi)源AI智能體OpenClaw近期持續成為社交平臺熱門(mén)話(huà)題。近年來(lái)，大模型驅動(dòng)的智能體已成為人工智能開(kāi)發(fā)機構爭相布局的戰略高地。從最初的“能對話(huà)”，到如今“可動(dòng)手操作”，不斷迭代的大模型將走向何方？
提升推理能力是關(guān)鍵
在相繼推出旗艦模型GLM—4.5、GLM—4.6后，去年12月，北京智譜華章科技股份有限公司上線(xiàn)并推出新一代視覺(jué)推理模型GLM—4.6V，核心目標之一是提升推理能力。
“讓AI像人類(lèi)一樣綜合感知、理解與決策，多模態(tài)推理能力的突破很關(guān)鍵，這也是大模型向通用人工智能演進(jìn)的必由之路?！敝亲V聯(lián)合創(chuàng )始人、董事長(cháng)劉德兵說(shuō)。
無(wú)論是通用大模型還是行業(yè)大模型，推理能力是打造未來(lái)競爭力的關(guān)鍵指標，一定程度上決定了其應用廣度和深度。
北京航空航天大學(xué)人工智能研究院副研究員胡堃解釋說(shuō)，推理能力可理解為模型不僅知道“是什么”，還能判斷“為什么”和“如何做”，并在復雜邏輯或跨領(lǐng)域條件下給出合理答案?！叭绻麑⒋竽Ｐ妥鳛橹?，傳統大模型近似知識庫型助手，回答用戶(hù)提出的事實(shí)性問(wèn)題；推理能力強的大模型更像策略型顧問(wèn)，不僅能回答常規的經(jīng)驗問(wèn)題，還能分析利弊、推演后果并綜合多種因素給出具體建議”。
對科學(xué)基礎大模型來(lái)說(shuō)，推理能力尤為重要。一方面，在數學(xué)、物理等領(lǐng)域，推理能力是解決定理證明和理論發(fā)現的關(guān)鍵基礎；另一方面，面向各學(xué)科領(lǐng)域的復雜科研任務(wù)，推理能力是任務(wù)理解和規劃決策的重要前提。
“磐石·科學(xué)基礎大模型一直堅持和重視推理能力的學(xué)習與強化?！敝袊茖W(xué)院自動(dòng)化研究所研究員張家俊介紹，如今磐石·科學(xué)基礎大模型將數字幻覺(jué)（大模型生成看似合理但實(shí)則虛構或失真的信息）從30%降至11%，科學(xué)模態(tài)數據分析和理解能力全面提升。
“隨著(zhù)應用場(chǎng)景日趨復雜，用戶(hù)更需要大模型在不確定的條件下進(jìn)行綜合分析并作出合理判斷與決策。眼下，推理能力是大模型規?；瘧玫母偁幗裹c(diǎn)?！焙鷪冶硎?。
智能體成重要形態(tài)
智能體是一個(gè)由“大模型+記憶系統+工具調用+規劃能力”構成的智能系統，已成為開(kāi)發(fā)機構發(fā)力重點(diǎn)：磐石大模型新增創(chuàng )新評估科學(xué)智能體，為科研選題、技術(shù)方案等科研決策提供支持；?？低晫I和大模型融入研發(fā)、生產(chǎn)決策全流程，打造了系列智能體；北航在智能無(wú)人機系統中引入智能體，使無(wú)人機自主完成復雜的飛行任務(wù)……
“當前，深化與拓展大模型核心能力，業(yè)內主要聚焦3個(gè)方面尋求突破?！焙鷪医榻B，一是進(jìn)一步提升多步推理和因果推理能力；二是持續創(chuàng )新高效訓練與推理算法，通過(guò)優(yōu)化模型結構、改進(jìn)訓練策略等，顯著(zhù)降低大模型對高昂算力的依賴(lài)，推動(dòng)其向更廣泛的應用場(chǎng)景普及；三是不斷增強大模型智能體化與自動(dòng)化任務(wù)執行能力，讓大模型能自主接收任務(wù)目標、規劃執行路徑、動(dòng)態(tài)調整策略并完成連貫的復雜流程。
“智能體能力意味著(zhù)大模型不僅能給出實(shí)際可行的方案，還可從被動(dòng)的信息提供者轉變?yōu)橹鲃?dòng)的任務(wù)執行者?！焙鷪艺f(shuō)。
在生產(chǎn)端，面對每日上萬(wàn)個(gè)訂單，?？低暤挠媱澲悄荏w可快速下達生產(chǎn)計劃和物料需求計劃，實(shí)現訂單24小時(shí)快速響應；其工藝智能體可自動(dòng)推薦最優(yōu)工藝，提升工藝設計效率?！按竽Ｐ凸庥新斆鞯摹竽X’是不夠的，從感知認知走向決策執行，智能體正成為大模型產(chǎn)品落地的重要應用形態(tài)?！睆埣铱≌f(shuō)。
在科研和工業(yè)領(lǐng)域，智能體帶來(lái)的變革同樣深刻。例如，為改變材料研發(fā)“大海撈針”式的局面，中國科學(xué)院基于磐石大模型構建的材料逆向設計系統智能體，已成功從2000萬(wàn)種新型析氫反應合金催化材料候選配方中，快速鎖定13種高性能材料，并將原本需耗時(shí)數月的材料設計周期縮短至30分鐘。
提供更好交互體驗
“今天，用戶(hù)早已不滿(mǎn)足于簡(jiǎn)單的文字對話(huà)或文本生成，下一代大模型不僅可以理解文本、圖像、視頻、聲音等多模態(tài)信息，還可理解現實(shí)世界的因果關(guān)系?！眲⒌卤f(shuō)，當它具備了多模態(tài)理解能力和因果推理能力，就可以感知環(huán)境變化并主動(dòng)調整行為，為用戶(hù)提供更自然、直觀(guān)和沉浸式的交互體驗。
劉德兵介紹，通用人工智能可分為L(cháng)1預訓練大模型、L2對齊與推理、L3自我學(xué)習、L4自我認知、L5意識智能5個(gè)等級。未來(lái)3年到5年，大模型領(lǐng)域的突破將主要圍繞如何實(shí)現通用人工智能從L3自我學(xué)習向L4自我認知推進(jìn)。最值得關(guān)注的是“沉思級”推理的實(shí)現，即模型能夠自主分析復雜問(wèn)題、生成優(yōu)化方案，并在決策中進(jìn)行自我批評和反思，而不再完全依賴(lài)人類(lèi)輸入。
這需要堅實(shí)的技術(shù)支撐。張家俊表示，除了當前備受關(guān)注的推理能力、智能體外，大模型還在朝著(zhù)多模態(tài)、后訓練、通專(zhuān)融合（通用能力與專(zhuān)業(yè)能力融合）、代碼生成等技術(shù)方向演進(jìn)。
其中，多模態(tài)旨在讓模型從底層架構上學(xué)會(huì )同時(shí)理解和生成文本、音頻、圖像、視頻以及其他模態(tài)信息；后訓練旨在通過(guò)投入更多后訓練資源，突破模型推理能力的上限；通專(zhuān)融合旨在充分利用超大模型的超強通用能力與領(lǐng)域模型的高效專(zhuān)業(yè)能力；代碼生成既可提升軟件研發(fā)等任務(wù)的效率，也是模型推理能力和智能體能力躍升的關(guān)鍵因素。
科技創(chuàng )新的落腳點(diǎn)是滿(mǎn)足人民對美好生活的向往。胡堃表示，要關(guān)注大模型的安全可解釋性、隱私保護，以及社會(huì )接受度?！霸诓痪玫膶?lái)，大模型將進(jìn)一步成為人類(lèi)可靠的智能伙伴?！眲⒌卤f(shuō)。（本文來(lái)源：經(jīng)濟日報 作者：沈 慧）
