nmdbbzcl的博客

理解相似度检索的根本困难，需要区分记忆系统中的两个决策时刻。第一个是合并时刻（consolidation time）：一条新经验到来时，系统要决定把它编码得多深、要不要覆盖或合并旧记忆、旧记忆的遗忘风险要不要上调。第二个是检索时刻（retrieval time）：一个新任务到来时，系统要从存储中取出哪些记忆注入上下文。相似度是一个只在检索时刻才有定义的量。它需要“当前查询”作为参照物。在合并时刻，未来会问什么问题是未知的；

Hazan在讨论中把问题推到了技术栈之外：“我们按经济学的规则玩。”一个更对齐的模型对世界或许是好事，但如果它比不那么对齐的模型更慢、更贵，现有的市场和监管规则是否真的会激励任何一家前沿实验室把它发布出来？他对市场的评价是：“这个机制为人类带来了大量繁荣，但它最终也可能要为非常糟糕的事情负责”。这个观察把逆向博弈论的适用范围从“如何约束一个智能体”扩展到了“如何约束创造智能体的组织”。如果对齐的激励在实验室层面就是错位的，那么再精巧的智能体级机制也无法弥补组织级的激励失败。有评论者因此指出，

AGI至今没有国际公认的操作性定义。2026年的讨论中，至少四条定义路线在同时使用，每一条给出的“距离”含义截然不同。第一条是OpenAI的经济导向定义。其2018年章程将AGI描述为“在大多数具有经济价值的工作上超越人类的高度自主系统”，三个核心条件是覆盖广泛的工作、表现超过人类、能够高度自主运行。这一定义的优点是可操作，缺点是“大多数”“经济价值高”“超越”全部是模糊限定词，终点线的高度取决于定义者选择把线画在哪里。第二条是Bengio等人的认知多功能性框架。

把这几个维度混在一起比较，结论必然是混乱的。

Pareto支配（Pareto dominance）是多目标优化的核心概念。对于最小化问题，解x1x^{(1)}x1支配解x2x^{(2)}x2（记作x1≺x2x1≺x2∀i∈1mfix1≤fix2∀i∈1mfi​x1≤fi​x2∃j∈1mfjx1fjx2∃j∈1mfj​x1fj​x2x1x^{(1)}x1在所有目标上都不比x2。

AI保障不能被当作一次性评估，而应被视为贯穿AI生命周期的持续和自适应过程。生命周期保障把有效性操作化，因为它指定了证据何时过期、什么触发再保障、谁负责监控、升级和部署门控。触发条件可以包括监控的漂移阈值、模型或管道更新、事件报告、性能退化、对手演化或部署上下文变化。由于AI系统不是静态的，它们可能被重训练、更新、重新校准，或暴露于新数据和用户行为；静态的AI保障案例可能很快过时，因此需要一种整合反馈回路和自适应验证机制的保障生命周期方法。为了让这一点可操作，保障案例应该在部署前定义具体的再保障条件。

当岩石成为“墨水”，当AI成为“设计师”，当乡村不再依赖城市输送建材，我们看到的不仅是技术效率的提升，更是一种建造权力的下沉。偏远山区、海岛、荒漠都能以极低的边际成本拥有安全、舒适且个性化的住所。这场革命不会一蹴而就，但它已经在月球实验场和张家口的农宅中埋下了种子。保守估计，2035年之前，中国发达地区的乡村将率先体验到“岩石直打+AI装修”的完整服务；而全球范围内的普及，或许要等到2040年。但无论如何，那个自带钻头、熔化岩石、智能生长的建造时代，正以每年数倍的速度向我们驶来。

基于对当前攻防研究的系统梳理，论文提出了若干值得关注的未来研究方向。攻击方法的多样化与自动化。自动化对抗攻击（如基于GAN或强化学习的方法）有助于揭示模型的潜在脆弱性，特别是在利用视觉与文本模态之间关系的跨模态攻击中。防御机制的改进与多模态协同防御。开发自适应的提示扰动和反馈机制以处理恶意输入至关重要。利用跨模态验证——通过视觉和文本模态相互验证输入的合法性——可以提高防御效果。评估方法与标准化基准。

与Orch-OR的物理主义进路形成互补的是朱利奥·托诺尼在2004年提出的整合信息理论（Integrated Information Theory, IIT）。IIT不直接诉诸量子力学，而是试图从现象学（phenomenology）出发，建立一套意识体验的公理化体系。其核心直觉是：意识体验具有两个不可分割的特征——信息量（informativeness）和整合性（integration）。Φmin⁡所有二分划ΦMIP。

对抗攻击是指通过对输入数据进行精心设计的微小扰动，使得机器学习模型产生错误预测或非预期行为的攻击方式。这一概念最早在图像分类领域被系统研究——在图像上添加人眼无法察觉的噪声，就能让一个以超过95%准确率识别熊猫的模型，以极高的置信度将其误判为长臂猿。机器学习模型的决策边界在高维空间中往往是不连续的、非线性的，存在大量“盲区”。攻击者可以利用这些盲区，构造出在人类看来完全正常、但模型却会“误解”的输入。现在，我们用数学语言形式化上述攻击目标。将LLM视为从token序列到下一个token分布的映射。

政策层面，6月堪称“AI政策月”——工信部印发《“人工智能+信息通信”创新发展实施意见》，商务部等八部门出台《关于加快“人工智能+消费”发展的实施意见》，《人工智能 智能体互联》系列7项国家标准正式发布，国务院常务会议专题听取人工智能发展情况汇报并部署重点工作。这个季度，国产大模型首次跨越“生产级质变点”，国产AI芯片龙头市值突破万亿元大关，具身智能融资规模逼近2025年全年总和，中国AI研究在顶级学术会议上首次超越美国登顶全球。2026年需求规模为400万颗，实际交付约300万颗，供需缺口约100万颗。

报告认为，AI在科研中的角色正从辅助工具升级为自主研究的“AI科学家”，即能够模拟乃至自主执行“假设提出、实验设计、数据分析、结论推断”完整科研链路的智能体系统。如果说2023年是“百模大战”的元年，2024年是“应用落地”的探索期，2025年是“商业化验证”的攻坚期，那么2026年则是AI发展新风口集中涌现的关键之年。这一年，AI不再仅仅是“会聊天、会写诗”的数字工具，而是开始“会规划、会行动、会干活”——从“对话AI”到“行动AI”的变革正在发生。然而，规模的快速扩张也伴随着行业的深度洗牌。

本文是对 OpenAI 于 2022 年 3 月发表在 arXiv 上的论文《Training language models to follow instructions with human feedback》（Ouyang 等，arXiv:2203.02155）的系统性精读。该论文是 ChatGPT 技术路线的直接前身，首次将"基于人类反馈的强化学习"（Reinforcement Learning from Human Feedback，RLHF）完整地应用于生产级大语言模型的对齐工程，提出了广为人知

博主智算菩萨，专注于人工智能、Python编程、音视频处理及UI窗体程序设计等方向。致力于以通俗易懂的方式拆解前沿技术，从零基础入门到高阶实战，陪伴开发者共同成长。目前已开设五大技术专栏，累计发布多篇原创技术文章，深受读者好评。别墅作为高端居住形态，历来是建筑技术创新的试验田和展示窗。从传统的砖石砌筑到现代的钢筋混凝土，每一次建造技术的革新都在别墅形态上留下深刻印记。

博主智算菩萨，专注于人工智能、Python编程、音视频处理及UI窗体程序设计等方向。致力于以通俗易懂的方式拆解前沿技术，从零基础入门到高阶实战，陪伴开发者共同成长。目前已开设五大技术专栏，累计发布多篇原创技术文章，深受读者好评。白血病（Leukemia）是一类造血干细胞的恶性克隆性疾病，在全球恶性肿瘤发病率中位列前十，其复杂的分子异质性和临床多样性使诊断与治疗面临巨大挑战。近年来，人工智能（AI）技术在白血病的基础研究、临床诊断、治疗方案优化和预后预测等环节展现出变革性潜力。

从洗浴中心到水上乐园，从办公楼宇到住宅小区，AI正在从根本上改变建筑调温的方式。这场变革的本质，是从“恒温控制”到“智温服务”的范式革命。恒温控制的逻辑是：设定一个固定温度，系统努力维持这个温度，不论外面天气如何、里面有多少人、每个人的感受如何。智温服务的逻辑则是：理解每一个空间的实际需求、预测每一个时刻的变化趋势、优化每一个决策的能耗与舒适平衡，让温度成为“活的”服务。实现这一愿景仍面临诸多挑战：数据孤岛需要打破、模型黑箱需要打开、系统集成需要标准化、复合型人才需要培养。

华为是中国智驾领域最具代表性的企业之一。2026年4月23日，华为乾崑技术大会正式发布乾崑智驾ADS 5系统。ADS 5并非简单的版本迭代，而是对底层技术架构进行了全方位重构，被华为定位为“为自动驾驶而来”。技术突破：ADS 5采用WEWA 2.0架构，进化为面向自动驾驶的AI智能体。硬件层面搭载896线激光雷达，算法层面实现端到端全AI大模型。功能上实现了不依赖高精地图的“有路就能开”无图全场景智能驾驶。商业化进展。

将数万字的小说转化为百字级的短视频脚本，本质是一个长文本摘要任务。这一任务的技术挑战在于：如何在极度压缩信息的同时，保留叙事的核心冲突、人物关系和情感张力。自动文本摘要（Automatic Text Summarization, ATS）分为抽取式（Extractive）和生成式（Abstractive）两种范式。抽取式摘要从原文中选取关键句子组合成摘要，优点是保真度高，缺点是连贯性差；生成式摘要则用自然语言重新表述原文要点，更接近人类摘要方式，但存在"幻觉"风险。

VLA与世界模型的路线之争，本质是具身智能两种认知范式的探索——直觉反应与深度推理、统计映射与物理建模、快速响应与长程规划。2026年的趋势表明，这两条路线并非"非此即彼"，而是走向融合——双系统协同的具身智能将兼具快速反应和深度推理能力，更接近人类认知的完整形态。在这一融合进程中，VLA提供了"理解世界"的语义能力，世界模型提供了"预测世界"的物理能力，两者的结合将使机器真正"理解并行动"于物理世界。这是具身智能的终极目标，也是通向AGI的关键一步。

理解L5，首先需要理解整个自动驾驶分级体系的逻辑。目前全球统一按照L0到L5划分自动驾驶等级。这一分级体系由国际汽车工程协会（SAE International）制定，后被中国《汽车驾驶自动化分级》国家标准（2022年3月1日起实施）采纳。表2-1 SAE自动驾驶分级标准一览级别名称核心特征驾驶主体责任主体L0无自动化驾驶员完全控制车辆人类驾驶员人类驾驶员L1驾驶辅助单一功能自动化（如定速巡航）人类驾驶员人类驾驶员L2部分自动驾驶多项功能协同自动化（如ACC+LKA）

博主智算菩萨，专注于人工智能、Python编程、音视频处理及UI窗体程序设计等方向。致力于以通俗易懂的方式拆解前沿技术，从零基础入门到高阶实战，陪伴开发者共同成长。目前已开设五大技术专栏，累计发布多篇原创技术文章，深受读者好评。厨房是人类文明的重要载体——它不仅是食物加工的物理空间，更是文化传承、情感交流和生活方式的集中体现。在人工智能技术的驱动下，厨房正在经历一场从"机械化"到"智能化"的深刻变革。

回到最初的问题：AI能否实现“温泉自由”？答案是：AI本身不能直接“开采”温泉水，但它正在从根本上改写地热资源“被发现”和“被开发”的经济与技术规则。从理论上看，AI通过多源数据融合与模式识别，能够显著提高勘探成功率、降低勘探成本。从实践上看，Zanskar等公司已用钻探结果证明AI发现隐伏热储的可行性。从趋势上看，AI与地热的融合正从勘探向开发、利用全链条延伸。然而，AI不是魔法。数据稀缺、物理可解释性不足、钻探技术瓶颈、储层不确定性、全链条经济性等挑战决定了“温泉自由”的实现是一个渐进过程。

L0级——无自动化：驾驶员全程执行所有动态驾驶任务，即使车辆配备主动安全系统（如自动紧急制动AEB、电子稳定控制ESC）。这些系统提供瞬时干预，但不会持续执行部分或全部DDT，因此不被视为驾驶自动化。L1级——驾驶员辅助：系统持续执行纵向（如自适应巡航ACC）或横向（如车道居中LKA）车辆运动控制之一，但不同时进行两者。驾驶员负责剩余的DDT部分（尤其是目标和事件探测与响应OEDR），并随时准备接管。L2级——部分驾驶自动化：系统同时执行纵向和横向车辆运动控制。

博主智算菩萨，专注于人工智能、Python编程、音视频处理及UI窗体程序设计等方向。致力于以通俗易懂的方式拆解前沿技术，从零基础入门到高阶实战，陪伴开发者共同成长。目前已开设五大技术专栏，累计发布多篇原创技术文章，深受读者好评。2026年6月，全球应用人工智能（Applied AI）领域正经历一场深刻的范式转换。

博主智算菩萨，专注于人工智能、Python编程、音视频处理及UI窗体程序设计等方向。致力于以通俗易懂的方式拆解前沿技术，从零基础入门到高阶实战，陪伴开发者共同成长。目前已开设五大技术专栏，累计发布多篇原创技术文章，深受读者好评。

大语言模型（LLM）的崛起标志着人工智能进入了全新的应用范式——从被动的内容生成工具进化为具备工具调用、自主规划与代码执行能力的智能体。然而，这种能力的跃升也带来了前所未有的安全挑战。当AI系统从"只说不做"变为"既说又做"，安全边界便发生了根本性位移：越狱攻击不再只是让模型说出不当言论，而是可能触发真实的物理操作；隐私泄露不再只是理论风险，而是已被实证验证的数据提取威胁；对齐防线不再只是一次性训练，而是需要在持续对抗中动态演进的持久战。本文将从理论层面系统剖析这三大安全挑战的技术机理、攻防博弈与前沿进展。

博主智算菩萨，专注于人工智能、Python编程、音视频处理及UI窗体程序设计等方向。致力于以通俗易懂的方式拆解前沿技术，从零基础入门到高阶实战，陪伴开发者共同成长。目前已开设五大技术专栏，累计发布多篇原创技术文章，深受读者好评。

博主智算菩萨，专注于人工智能、Python编程、音视频处理及UI窗体程序设计等方向。致力于以通俗易懂的方式拆解前沿技术，从零基础入门到高阶实战，陪伴开发者共同成长。目前已开设五大技术专栏，累计发布多篇原创技术文章，深受读者好评。交通运输是人类文明演进的缩影。从畜力车到蒸汽机车，从内燃机汽车到电动化浪潮，每一次动力系统的变革都深刻重塑了社会形态与城市结构。

博主智算菩萨，专注于人工智能、Python编程、音视频处理及UI窗体程序设计等方向。致力于以通俗易懂的方式拆解前沿技术，从零基础入门到高阶实战，陪伴开发者共同成长。目前已开设五大技术专栏，累计发布多篇原创技术文章，深受读者好评。自GPT-3以1750亿参数震撼问世以来，大语言模型的发展长期被"规模即正义"的信条所主导——更大的参数、更多的数据、更强的算力，似乎构成了通向更强AI的唯一路径。然而，随着缩放定律的边际收益递减、高质量训练数据的枯竭以及企业落地对成本与精度的双重约束，这一范式正在经历深刻转型。

博主智算菩萨，专注于人工智能、Python编程、音视频处理及UI窗体程序设计等方向。致力于以通俗易懂的方式拆解前沿技术，从零基础入门到高阶实战，陪伴开发者共同成长。目前已开设五大技术专栏，累计发布多篇原创技术文章，深受读者好评。通用人工智能（Artificial General Intelligence, AGI）是人工智能研究的终极目标：构建能够在任意认知任务上达到或超越人类水平的智能系统。

增材制造（Additive Manufacturing, AM）与人工智能（Artificial Intelligence, AI）的深度交汇，正在推动第四次制造业革命的核心技术跃迁。本文从AI核心算法分类、拓扑优化与生成式设计、原位缺陷检测、数字孪生闭环控制以及生物打印智能化五个维度，系统梳理当前学术前沿研究成果，剖析其理论基础与技术原理，并展望两大领域融合的未来趋势与挑战。

博主智算菩萨，专注于人工智能、Python编程、音视频处理及UI窗体程序设计等方向。致力于以通俗易懂的方式拆解前沿技术，从零基础入门到高阶实战，陪伴开发者共同成长。目前已开设五大技术专栏，累计发布多篇原创技术文章，深受读者好评。

博主智算菩萨，专注于人工智能、Python编程、音视频处理及UI窗体程序设计等方向。致力于以通俗易懂的方式拆解前沿技术，从零基础入门到高阶实战，陪伴开发者共同成长。目前已开设五大技术专栏，累计发布多篇原创技术文章，深受读者好评。

博主智算菩萨，专注于人工智能、Python编程、音视频处理及UI窗体程序设计等方向。致力于以通俗易懂的方式拆解前沿技术，从零基础入门到高阶实战，陪伴开发者共同成长。目前已开设五大技术专栏，累计发布多篇原创技术文章，深受读者好评。当大语言模型从"对话工具"进化为"自主智能体"，安全边界便发生了根本性位移。传统LLM的安全关注点集中在输出内容的合规性上，而Agent则拥有调用工具、执行代码、访问文件系统乃至操控网络的能力——这意味着一个被攻破的Agent不再只是"说错话"，而是"做错事"。

一个有限状态机。

2025年1月，DeepSeek-R1的发布在全球AI领域引发了强烈震动——仅用纯强化学习（RL）便催生了自我反思、验证和动态策略适应等高级推理模式的涌现，在数学、编程和STEM领域达到了与OpenAI o1相媲美的表现。然而，当我们审视一个看似简单的问题时，DeepSeek乃至所有当前大语言模型（LLM）的深层局限便暴露无遗：让模型预测"一个玻璃杯从桌边滑落后会发生什么"，它或许能基于文本统计关联给出"杯子会碎"的答案，但它并不真正理解重力、脆性材料、碰撞力学这些物理过程的因果机制——它只是在做高级的文本

具身智能（Embodied Intelligence 或 Embodied AI）是人工智能领域近年来最受关注的研究方向之一，其核心思想是智能不仅存在于大脑的计算过程中，更深刻地依赖于身体与环境的交互。与传统的"离身智能"（Disembodied AI）不同，具身智能强调智能体必须拥有物理或虚拟的身体，通过感知和行动与环境进行实时交互，在交互中获取知识、发展技能并完成复杂任务。从学术定义来看，具身智能可以从两个层面理解。

具身感知（Embodied Perception）是具身智能系统的"感官系统"，负责从多模态传感器数据中提取环境信息，构建对周围世界的理解，为后续的决策和行动提供基础。与传统的计算机视觉或语音处理不同，具身感知具有三个独特特征：主动性（Active）——智能体可以通过移动身体或调整传感器来主动获取信息；交互性（Interactive）——感知与行动紧密耦合，感知指导行动，行动改变感知；具身性（Embodied）——感知结果依赖于智能体的身体形态和传感器配置。具身感知的核心挑战可以概括为四个方面。

具身交互与操作（Embodied Interaction and Manipulation）是具身智能的核心能力之一，指智能体通过物理接触改变环境状态的行为，包括抓取、搬运、推拉、插入、装配等。操作能力是具身智能体从"观察者"转变为"行动者"的关键——只有具备操作能力，智能体才能真正改变世界、服务人类。操作问题可以从多个维度进行分类。按操作对象的属性，可以分为刚性物体操作（如金属零件）、柔性物体操作（如布料、食物）和可变形物体操作（如橡皮泥、面团）。

具身导航（Embodied Navigation）是具身智能的基础能力，指智能体在环境中自主移动到目标位置的过程。导航是具身智能体完成任何物理任务的前提——智能体必须先到达目标位置，才能执行操作、交互或服务。与传统的机器人导航不同，具身导航强调智能体对环境的语义理解和与导航目标的灵活交互，而非仅仅遵循预设路径。具身导航根据目标指定方式的不同，可以分为以下几类：点目标导航（PointGoal Navigation）：目标用相对于起点的极坐标dθdθ或笛卡尔坐标xy(x, y)xy。