人工通用智能 — 第 06 章:自我演化智能 [KR]
自我改進指人工通用智能透過經驗、評估、適應和修正提升自身效能,並調整認知與行動方式。系統可運用記憶、反思和實驗找出改進方向,也可調整架構、計算資源及學習內容。改動須經多維度評估和不同情境驗證,並防止災難性遺忘。
自我改進指人工通用智能透過經驗、評估、適應和修正提升自身效能,並調整認知與行動方式。系統可運用記憶、反思和實驗找出改進方向,也可調整架構、計算資源及學習內容。改動須經多維度評估和不同情境驗證,並防止災難性遺忘。
第 07 章聚焦 AGI 評估與基準測試,指出一般智能不能以單一準確度分數或單一基準衡量。評估應涵蓋泛化、推理、學習、智能體行為、多模態能力、長期任務、穩健性與元認知。評估框架亦須考慮基準污染、安全與對齊,並結合多種測試。
現代人工智能已能處理語言、圖像、音訊、影片、程式編寫及數學問題,但能力仍不均衡,不能等同 AGI。推理可靠性、長期自主性、記憶、世界建模及因果理解仍是重要限制。研究正結合基礎模型、記憶、規劃、工具及其他系統,探索通往更一般化智能的路徑。
AGI 並非單一演算法、模型或基準測試成績,而是能在不同環境與任務中整合感知、學習、推理、記憶、規劃、行動和適應的系統級智能。實現 AGI 需要結合一般化、世界模型、記憶、學習與規劃等能力,並整合認知架構和工程基礎設施。評估及部署時,亦須重視可靠性、長期任務表現、安全與控制。
本章探討反事實推理如何透過改變特定條件、比較實際與替代結果,將結構性因果知識連繫至智能行動。反事實推理依次進行溯因、行動與預測,可用於決策、AI 可解釋性、機械人控制及模擬;其可靠性取決於因果假設、結構知識與不確定性建模。
科學 AI 結合數據驅動學習、物理模型、因果推理、模擬及領域知識,以加速科學理解、發現、實驗和工程分析。其應用涵蓋化學、材料科學、生物學、醫學、工程、氣候、能源及機械人;要建立可靠結果,仍需不確定性估算、可重現性和獨立證據驗證。
因果基準測試透過可重現的環境,評估算法估算處置效果、還原因果關係及推理幹預的能力,並須區分預測準確度與因果估算質素。IHDP 和 Twins 基準結合真實世界協變量與模擬結果機制,合成基準則可控制因果圖、混雜及處置重疊等條件;基準表現不代表普遍的因果效度。
第 07 章探討進階 AI 安全與對齊,涵蓋 AGI 風險、目標錯配、規格利用、獎勵駭客,以及欺騙性對齊等問題。內容亦討論可擴展監督、可校正性、不確定性認知和分佈轉移,並指出自主 Agent 的權限邊界、持續監控與狀態驗證等安全考量。
MiniMax 創辦人兼 CEO 閆俊傑表示,公司將持續開源直至實現 AGI,並主張盈利關鍵在於以技術創新持續降低推理成本,而非提高模型價格。截至 8 月,MiniMax 的 ARR 年化運行率已超過 8 億美元,企業業務佔比超過 80%;他認為低推理成本亦可降低客戶使用價格,以及強化學習和後訓練的成本。
AI 初創公司 Fireworks 聘請 Meta 首席策略官戴夫·韋納出任 CFO,韋納在 Meta 任職 14 年。Fireworks 於2026年7月完成15.05億美元 D 輪融資,估值達175億美元,年化收入運行率突破10億美元,平台每日處理超過40萬億個 Token。
《AI Systems Architecture》第03章聚焦推理優化,説明如何在維持預測準確度的同時提升模型部署效率。內容涵蓋量化、剪枝、知識蒸餾、執行引擎及記憶體管理,並指出批次處理需權衡推理吞吐量、請求延遲與記憶體使用量。
LG AI Research 於 2026 年 11 月 9 日開放 K-EXAONE 2.5 免費 API 存取,供開發者及研究機構透過 EXAONE API Platform 使用。
Preferred Networks 發佈金融專用小型語言模型 PLaMo 3.0 Fin,並以開放權重形式上架 Hugging Face,供用戶在 PLaMo 社羣授權範圍內使用。
阿里雲百煉模型廣場的 150+ 直供模型,可按任務類型選擇,並透過對比測試找出合適模型。文本對話與 Agent 工具調用可選 Qwen,數學、程式碼及複雜推理可選 DeepSeek,影片生成可選 wan,長文本與中文創作可選 GLM。百煉新用戶有 100 萬免費 tokens,可用於測試選型。
作者在 RK3588 上把 whisper.cpp 的 Whisper 編碼器卸載至 NPU,轉錄輸出與 CPU 參考逐字節一致,端到端耗時由 13.76 s 降至 11.15 s,並提交 PR #4159。
作者比較 TwIL-8B 與 Qwen3.5-9B 的模型卡數據,指出 TwIL 的 LiveCodeBench 81.6 分來自 verbose 版本,預設 balanced GGUF 並沒有已公佈的對應成績。
KV cache 與連續批次處理在玩具模型及 1,000 個請求的模擬中,降低了生成耗時和首 token 等待。
Anthropic 推出 Claude Fable 5.2,面向高要求推理及長期智能體工作;Claude Mythos 5.2 提供相同能力,但只供通過 Anthropic 驗證計劃的機構使用。
推薦理由:開發者可對照 Claude Fable 5.2 與 Claude Mythos 5.2 的定價、可用平台和 thinking block 相容規則,掌握採用兩款模型時的成本及遷移差異。
百度介紹 ERNIE Evolve,這套自動化研究系統可在明確目標和限制下選擇研究方向、修改程式碼並自主執行實驗。它在 NanoChat AutoResearch、NanoGPT Speedrun 和 SOL-ExecBench 均改善基線,並在前兩項超越當時比較的最強公開結果。
Dekita 提供一套方法,在 Temperature 0 下定位同一模型於不同 GPU 輸出分歧的首個 token,並以環境設定核對重現性聲稱。文中提供比較兩份輸出的腳本,並指出在 llama.cpp 將 micro-batch 設為 1 可令兩張卡的結果一致,但短提示詞總執行時間約增加 14 至 15%,提示詞處理速度下降一個數量級,生成速度幾乎不變。
Alan West 整理了以 llama.cpp 在本機運行 Qwen3.8-Flash-Next 的方法;社羣測試在 24GB VRAM 預算及 96GB DDR5 RAM 下,以 UD-IQ4_XS 達到 39.01 tok/s。
llama-modchip 讓 284B DeepSeek-V4-Flash 可在 64 GB 記憶體、無 GPU 的系統上進行 CPU 推理。它把模型檔由 76.87 GiB 壓至 56.56 GiB,在 256K 上下文窗口下記憶體佔用為 57.61–58.9 GiB。16 核 Zen 5 上的提示詞預填速度為 43.16–44.36 tok/s,解碼速度為 9.06–9.95 tok/s。
知識整合將結構化事實、非結構化文件、學習表徵及情境觀察連繫起來,形成智能系統可檢索和理解的共同知識表示。章節涵蓋本體、知識圖譜、多模態知識抽取與推理,並指出來源追蹤、信心估算、一致性檢查、衝突處理及更新管理對可靠性的重要性。
記憶增強網絡(MANs)透過可讀取、寫入和更新的明確記憶機制,補足傳統神經網絡依賴模型參數儲存知識的限制。注意力尋址可檢索相關記憶,多跳推理則逐步連結分散資訊,但增加計算成本,也不保證推理更準確。與 Transformer 架構結合時,明確記憶可保存即時上下文窗口以外的選定資訊。
本章説明 LLM 如何透過上下文學習及少樣本提示,利用示範例子適應新任務。內容涵蓋情節式學習、指示微調、參數高效適應、梯度式元學習及檢索增強適應等方法。適應效果受示範例子的品質、相關性與排序,以及上下文窗口限制和推理成本影響。
Ricursive 推出 Ripple 65B Preview,這款從零訓練的密集模型有 65B 參數、1M 上下文窗口,在 TerminalBench 2.1 得分 80.52。
Apple 新款 16 吋 MacBook Pro 頂配售價為 $14,549,16TB SSD 和 128GB 統一記憶體升級合共佔 $9,000,約為總價的 62%。
VFlash 以 Flash Primitive Decoding(FPD)並行預測動作原語,將視覺規劃延遲由自回歸視覺語言模型的約 12 ms 降至 A100 上約 1.1 ms。LEGO 組裝測試中,成功次數由 30 次中的 18 次升至 27 次;三個基準測試的準確度提升 2.9 至 4.6 個百分點。
本期 China AI Weekly Digest 整理了 2026-10-30 至 2026-11-06 追蹤的 181 則中國 AI 資訊,涵蓋 Apple 測試在 Apple Intelligence 接入 Qwen、Tencent Hy4 新增視覺推理與電腦操作,以及晶片供應受阻。
作者以自己部署的多智能體流程對照 SwarmEvolve,分析以潛在空間狀態和 KV cache 交接取代文字摘要的設計及其取捨。論文報告稱,該方法在部分任務上於 3 至 8 分鐘取得最佳已知分數,而可比框架約需一小時;Qwen3 8B 的結果高於 AlphaEvolve 使用前沿模型找到的方案。
Obligra Verify 團隊提出 LLM 評估的記錄方法,把每次執行視為一次建置,記錄輸入並保存原始輸出,以追溯分數的來源。執行清單可記錄數據集雜湊、提示詞版本、固定模型 ID、參數及評分器版本;相同輸出和評分器版本應能得出相同分數。生成則可能有波動,作者建議同一設定重跑三或五次,並報告分數的離散程度。
MIT CSAIL 四位研究者在〈Sparks of Weight-Space Programming〉博客文章中,展示通用大模型可直接讀寫另一個神經網絡的權重,無須梯度下降或訓練迴圈。
寒武紀前三季度營收95.3億元、歸母淨利潤37.2億元,Q3歸母淨利潤同比增長147.7%,但市值已較萬億高位回落逾四成。公司前三季度營收目標進度為70.6%,Q4需完成近40億元收入,交付和驗收進度將影響收入確認;存貨及預付款較年初增加90億元,經營現金流淨額只有2.3億元。文章指出,市場估值焦點已由扭虧轉向未來營收目標、客戶復購、現金回款與市場份額能否跟上。
Anthropic 發佈 Claude Sonnet 4.6,定價維持每百萬 token $3/$15,並提供 beta 版 1M token 上下文窗口。Anthropic 的早期測試稱,Claude Code 用戶約有 70% 的時間偏好它而非 Sonnet 4.5,對 Opus 4.5 的偏好率為 59%;作者沒有進行實測。
推薦理由:文章並列 Anthropic 早期測試的用戶偏好比例、Sonnet 4.6 的定價及 Opus 4.6 的任務定位,呈現日常工作與深度推理的選型差異。
OpenAI 的 o3 和 o4-mini 推理模型與研究人員合作,在 Linux 核心中找出 948 個達 CVE 級別的漏洞,並自主完成其中一個漏洞的利用。
本週科學消息包括 NASA 澄清 SR-71 Blackbird 844 只是移去清潔、EDF 將逐步調整離峯時段,以及 OpenAI 楊–米爾斯理論證明的首個電腦版本有望下週發布。EDF 會在 2026 年 11 月 4 日至 2027 年 11 月 30 日間逐步調整相關客戶的時段,每日仍有八小時離峯時段。物理學家委員會確認證明有效前,1,147 頁內容仍會保密。
神經符號 AI 將神經網絡的模式識別能力,與符號系統的知識表示及推理能力結合,讓系統從經驗中學習並進行結構化、可解釋的推理。典型架構由神經處理、符號知識及整合機制組成,核心挑戰是把連續的向量或機率轉換為離散實體和邏輯表達。整合方法包括由神經網絡生成符號事實、把符號知識納入模型訓練,以及運用可微分推理和知識圖譜。
本章的綜合專案旨在建構可處理命題邏輯及部分一階邏輯的可重用推理引擎,整合知識表示、規則評估、查詢處理及解釋生成。引擎涵蓋前向鏈接、後向鏈接、合一及歸結等推理方法,並以知識庫、解析器、推理控制器、工作記憶及查詢介面組成。
《知識表示》第 01 章説明命題邏輯如何表達命題及其關係,並以真值指派和邏輯運算評估複合公式。真值表可列出含 n 個不同原子命題的公式的 2^n 種指派;邏輯等價、CNF 和 DNF 則支援公式轉換及推理處理。
知識圖譜以實體、屬性及關係組織資訊,將分散資料連結成可供搜尋、探索與推理的知識網絡。內容涵蓋 RDF 與屬性圖等資料模型、圖譜建構及品質管理,並説明知識圖譜如何配合 LLM 和 RAG 提供結構化脈絡。