米兰官网-通用智能体落地，如何破解“实习生困境”—新闻—科学网

日前，由中国互联网协会主理的2025“人工智能+”财产生态年夜会于北京中关村举办。会上，衔远科技首席技能官伸开颜于分享中谈到，当前企业于落地通用智能体历程中面对着“实习生困境”：“10分钟就能做出一个冷艳的演示案例（Demo），但落地却数以月计，且坚苦重重。”

怎样超过通用智能体的实习生困境？如下为伸开颜对于此的相干分享。

伸开颜。衔远科技供图

通用智能体的“实习生困境”

从ChatGPT发布，到本年各种年夜模子层见叠出，搭建一个智能体Demo变患上史无前例的简朴。10分钟，咱们就能做出一个冷艳的演示（Demo），但落地却数以月计，且坚苦重重。

咱们发明，解决行业长尾问题的边际成本，正于呈指数级上升。今朝的通用智能体，就像是一个名校卒业的“高智商实习生”——

基础模子的预练习付与了其博学的常识，数学及代码的强化进修带来了极强的逻辑推理，但于垂直范畴的现实运用中，依然“眼妙手低”。

底子缘故原由于在：基础模子被“困”于了数学、代码及通用的文本情况中。它们从海量预练习语猜中学会了专家的“台词”，却不懂营业暗地里的“逻辑与因果”。它们缺少于真实营业情况中的经验进修，这也是今朝通用基础模子面对的最年夜天花板。

“通专交融”的技能路径

一段时间以来，经由过程多个阶段的范围规则（Scaling Law），年夜模子的通用泛化能力确凿于显著晋升，但专业性依然不足。反不雅汗青上到达专家级另外专业AI，无一不是于特定的专业场景中举行了海量的自我博弈与强化进修。固然，已往这类成本是极高的。

对于此，上海人工智能试验室主任、衔远科技开创人周伯文，早于三年前就预判了这一瓶颈，并提出了“通专交融”的技能路径。

这一起径包罗三个条理。起首是基础模子层，需要全新的模子架构设计，实现“常识”与“推理”的解耦。

然而对于在运用层创业公司来讲，咱们更存眷接下来的第2、第三层。

第二层是“交融协同层”，咱们需要实现通用模子与专业常识、专业东西的深度协同推理。第三层是“摸索进化层”，这是最要害的一层——年夜模子必需于情况中举行交互，经由过程摸索及反馈不停晋升专业能力。经由过程于年夜量专业情况中的经验进修，终极反哺通用能力的晋升。

AI的下半场：“经验进修”

事实上，本年以来“通专交融”已经再也不只是咱们的猜测，而是正于成为国际行业的共鸣。

2024年诺贝尔化学奖患上主、DeepMind开创人戴姑娘 哈萨比斯于本年5月就明确暗示，DeepMind今朝的重心全于“通用+专业”的联合上。而“强化进修之父”理查德 萨顿于本年4月说患上更直接：AI 成长的“上半场”是从人类标注数据中进修常识，而下半场则是“经验进修”。

对于在智能体运用而言，此刻的要害点，已经经从模子架谈判练习算法，转移到了实际世界的使命界说与评估系统重构。只有如许，才能撑持专家智能体的能力进化。

对于在上述问题，咱们给出的解法即是“衔弘远不雅”。它不是一个简朴的智能体编排东西，而是一个进化引擎。

它的逻辑可以用如许一个公式来表达：

专家能力＝（基础模子×仿真情况）强化进修

于这里，通用模子只提供“底座智力”，咱们真实的壁垒，于在中间这一项——“情况”。没有情况，强化进修就没有奖励旌旗灯号 （Reward），模子就没法进化。 换句话说，咱们不只是于写提醒词（Prompt），而是于构建一个能让智能体“摔跟头”的虚拟世界。

更进一步，咱们发明了一个有趣的征象：当差别智能体的练习情况叠加时，跨范畴使命的强化进修不仅不会降低效率，反而能经由过程迁徙进修，极年夜地促成专业能力的晋升。而这，恰是通专交融的底子价值地点。

让智能体“摔跟头”的虚拟世界怎样构建

怎样构建一个能让智能体“摔跟头”的虚拟世界？咱们经由过程自研“衔弘远不雅”，摸索出三年夜技能内核。

第一，是智能体的“模仿练习场”。不仅要提供一个静态的“科场”，还有要付与其动态的“宇宙”。此中的考量是，假如彻底依靠真实汗青数据，咱们永远没法笼罩那些稀有但致命的“黑天鹅”场景。

是以，咱们使用步伐化法则，合成出海量的、实际中少少发生的边沿案例。为相识决外部东西挪用不不变的问题，咱们引入了天生式世界模子（World Model）来模仿情况反馈。

更主要的是，这个情况具有“课程进修”（Curriculum Learning）能力。就像游戏设计同样，它会按照AI当前的程度，自顺应地调解难度。AI只有通关了“简朴模式”，才能进入“坚苦模式”。

第二，是“靠近专家水准的反馈机制”，也就是自顺应奖励。

传统的强化进修往往只提供终极成果，这对于在长链条的繁杂使命来讲，旌旗灯号过在稀少。就像学高数，教员只告诉你期末挂科了，却不说错哪一步，你永远学不会。

于“年夜不雅”里，咱们引入了“历程奖励”。对于在数学、物理等切确的专业范畴，咱们采用近似DeepSeek R1的思绪，将指标映照为可验证的法则奖励。而对于在繁杂的物理世界，咱们用动力学公式举行步伐化验证。

甚至，咱们付与了AI“好奇心”。咱们团队本年及清华年夜学初次提出了测试时强化进修算法（TTRL），引入基在自我一致性的“内涵奖励”机制。这项事情方才被AI顶会NeurIPS收录。

第三，是让进修更经济的“高效强化进修引擎”。

练习专家级AI很是耗损资源，不克不及只靠蛮力计较。咱们使用强化进修稀少奖励的特征，经由过程“低秩顺应”（LoRA）只更新少量参数，于包管机能同时可以或许实现高效练习。而于面临繁杂的多阶段使命时，咱们采用多智能体强化进修（MARL），均衡差别模子的专业能力及推理成本。

纵然面临没法改动参数的闭源模子，咱们也能经由过程上下文强化进修（In-Context RL），优化它的影象经验库，让它于对于话流中变患上愈来愈智慧。

总结一下，高保真的情况、专家级的密集反馈、高效的进化引擎，这就是“衔弘远不雅”这台“数字风洞”的内部运作机制。

从智能体进化平台到企业智能涌现平台

基在衔弘远不雅的进化能力，咱们进一步体系构建了三层平台：底层的数据治理、中间的进化引擎、上层的专家智能体治理。

于运用层，咱们将智能体分为两类：一类是批示计划智能体（CIP），是于作战批示室举行决议计划的“诸葛亮”；一类是协同履行智能体（Syngents），是于疆场上履行使命的“赵子龙”。

之前企业买AI是买软件，此刻是买“数字员工”。咱们的平台，现实上就是这些数字员工的“入职培训中央”及“终身进修中央”。

基在这套平台，咱们已经经构建了多个行业的专家级智能体。好比，于生物信息行业，咱们与国度卵白质科学中央互助构建的智能体，能提出新的科学假定，并主动举行卵白质组学数据阐发。实测显示，其阐发速率比人工快10倍，且约有25~30%的主动天生假定，到达了研究生程度的原创性与合理性。

于修建行业，咱们与某头部央企互助构建了“规划体例智能体”。它既能从“经验驱动”到“模子驱动”，实现智能规划体例；又能从“过后调停”到“事先预感”，实现智能危害预警。比拟人工，规划体例时间节省70%，工期延误周全受控，并为某中型企业降本3300万元。咱们还有为供给链范畴行业头部企业构建了“国际物流多式联运路径计划智能体”，它联合年夜模子对于多源路况的及时感知，以和运筹学求解器的最好路径计较，将应急物流计划的时间从几小时缩短到了几分钟。

数据终将耗尽，但情况可以无穷天生数据。咱们坚信，高质量的智能体情况，将是2026年最稀缺的资产。咱们也但愿与各行各业的专家联袂互助，将各范畴深挚的行业“know-how”，转化为智能体的练习场，一路构建真正专家级另外智能体。