0
| 本文作者： 鄭佳美 梁丙鑒 | 2025-04-28 11:19 | 專題：ICLR 2019 |
自 GPT-4 發(fā)布至今已有兩年，但對大語言模型的研究并沒有放緩，我們?nèi)蕴幵谝粋€技術(shù)進步涌現(xiàn)的時代。Anthropic 于 2024 年11月發(fā)布 MCP，成為接通 AI 生態(tài)的橋梁，自主的 Agent 工作流距我們更進一步。GPT-4o、GPT-4.1時隔僅一個月先后發(fā)布，實現(xiàn)上下文處理能力八倍提升。在國內(nèi)，DeepSeek 憑借FP8 混合精度訓練引發(fā)行業(yè)震動，Manus發(fā)布號稱全球首款通用Agent，先后在今年年初掀起全民AI熱潮。
前沿方向尚未收斂，技術(shù)突破紛至沓來。以月為單位的技術(shù)迭代下，如何看清AI行業(yè)的最新趨勢？
2025年4月26日，雷峰網(wǎng)(公眾號：雷峰網(wǎng))、AI科技評論 GAIR Live 品牌舉辦了一場主題為 “頂尖科學家聊 2025 ICLR 最近趨勢” 的線上圓桌沙龍。
圓桌主持人為雷峰網(wǎng)高級主編馬曉寧，并邀請了南洋理工大學校長講席教授，人工智能系主任，人工智能交叉研究院院長安波、浙江大學計算機學院百人計劃研究員趙俊博、清華大學AIR研究院助理教授趙昊、埃默里大學計算機系副教授劉菲，共同開啟了一場深度對話。
交談過程中，嘉賓們圍繞AI技術(shù)加速迭代下，LLM決策系統(tǒng)發(fā)展及應(yīng)用方向、Agent前沿趨勢、Scaling Law的前景、Diffusion及新模型架構(gòu)的可能性等多個方面發(fā)表了獨到見解。
從GPT-4開始，更大規(guī)模、更高質(zhì)量的樣本使模型智力不斷提升，LLM的能力邊界逐步拓展。然而，數(shù)據(jù)枯竭的隱憂也徘徊在Scaling Law的路徑盡頭。不久前，David Silver和Richard S. Sutton兩位頂尖人工智能技術(shù)專家聯(lián)合發(fā)表論文，指出從人類數(shù)據(jù)中提取的知識正迅速接近極限，高質(zhì)量數(shù)據(jù)源大多即將耗盡。
Scaling Law是否已經(jīng)走到盡頭？
對此，趙俊博表示需要對不同領(lǐng)域分別考慮。高質(zhì)量數(shù)據(jù)的耗竭已成定局，預(yù)訓練首當其沖?！叭祟愖罡哔|(zhì)量的一批token加起來有10~15T，DeepSeek-V3用了14.8T。在這15T數(shù)據(jù)的基礎(chǔ)上，如果接受比較高質(zhì)量的合成數(shù)據(jù)，再把數(shù)據(jù)質(zhì)量的門開得稍微大一點，差不多能擴展到25~30T，再往上就很難有更多的數(shù)據(jù)塞進來了。”
有業(yè)內(nèi)人士向AI科技評論指出，當前大模型及大模型產(chǎn)品發(fā)展的技術(shù)源動力仍為預(yù)訓練，它直接關(guān)系到模型的智力水平。25~30T是預(yù)訓練數(shù)據(jù)的上限，也或?qū)⒊蔀長LM的天花板。
當算力和樣本不足以筑起走向AGI的通天塔，技術(shù)層的創(chuàng)新點會成為AI行業(yè)邁向下個臺階的關(guān)鍵一招。
回頭再看，劉菲對有限數(shù)據(jù)的分配提出了追問?！艾F(xiàn)在大家在做基礎(chǔ)模型的時候，基本上是把能夠拿到的無論是文本還是其它模態(tài)的信息，幾乎是一股腦地放在預(yù)訓練當中。然后在后訓練階段，對于不同的領(lǐng)域，會有專門的數(shù)據(jù)。其實我們可以重新思考一下這個問題，有沒有可能有一種比較好的方法，能夠把數(shù)據(jù)在預(yù)訓練和后訓練中合理地分配，最大化地提高模型能力。”
任務(wù)創(chuàng)新同樣富于潛力。Predict the next word一直是訓練大語言模型的出發(fā)點，以完成這個任務(wù)為導向，模型性能實現(xiàn)了速度、指令遵循、推理能力等方面的全方位提升。劉菲提出：“現(xiàn)在我們能不能通過在任務(wù)上的創(chuàng)新，提出新的task，幫助我們提高模型的后訓練效果，或者模型在某一個領(lǐng)域需要的特定能力?！?/p>
以下是此次圓桌討論的精彩分享，AI科技評論進行了不改原意的編輯整理：
AI科技評論：這次我們沙龍的主題是頂尖科學家聊 2025 ICLR 的最新趨勢。我們請到了四位嘉賓，分別是浙江大學計算機學院百人計劃研究員趙俊博、南洋理工學院校長、人工智能系主任安波、埃默里大學計算機系副教授劉菲、清華大學AIR研究院助理教授、光輪智能首席科學家、智源學者趙昊。今天把四位老師請過來，希望可以跟大家分享一下我們在 ICLR 有什么樣的見聞，以及對于接下來人工智能走向和趨勢的預(yù)測。
我想問四位老師的第一個問題是，大家覺得今年的 ICLR 跟往年比有什么不一樣的地方？
趙俊博：我上一次來 ICLR 已經(jīng)是很多年前了。這個會其實是從我們NYU的實驗室split off出去的。14年剛開始的時候也就幾百篇論文，沒想十一年過去變化會這么大。所以我今年最直接的感受就是人多、論文多、會場大。當年的poster要講四五個小時，因為當時其實沒有那么多的poster，但現(xiàn)在的poster已經(jīng)壓縮到了兩個小時的極限。
安波：今年更大一些，有很多來自中國的老師和同學，內(nèi)容也特別多。今年組織注冊那個地方要排一個小時才能領(lǐng)到這個牌子，另外會場顯得更加擁擠，通道也比較窄。 我個人覺得這個會太大了，當然也證明這個會的質(zhì)量很好，來了很多優(yōu)秀的人。
劉菲：我去年參加了在維也納的 ICLR 會議，想把去年和今年的做一個對比。我感覺今年的論文在深度和廣度方面都是非常棒的，首先我看到了很多非常好的LLM潛在的落地相關(guān)的應(yīng)用。另外一個我注意到的現(xiàn)象是，今年有非常多金融領(lǐng)域的公司作為我們的贊助商。所以我個人也很期待，大模型將來在金融領(lǐng)域能有什么樣的突破性的發(fā)展。
趙昊：我前年去了基加利（盧旺達首都Kigali，編者注）那場，給我印象特別好。當時也是疫情后第一次 ICLR，能感覺到無論中國人還是外國人都很興奮。兩年以后再來，我覺得很意外的就是贊助商怎么這么多。因為最近幾次去 CV 的會議，贊助商的數(shù)量好像都有些變少。
AI科技評論：趙老師您今年帶了幾篇論文過來？
趙昊：今年就帶了一篇論文，是做 Conditional Image Generation 的。我的研究方法論是我們生成一些數(shù)據(jù)，然后用這些數(shù)據(jù)去訓練更好的感知和決策模型。我們用 reward modeling 的方式，用diffusion從各種控制信號生成圖片，讓它做得更好。
AI科技評論：四位老師今年在會場上肯定看到了一些論文、演講或者 poster。這些內(nèi)容里有沒有令你們印象深刻的、有趣的、好玩的東西，可以跟我們分享一下？
趙昊：那我就講一講我們?nèi)ψ永锝衲暌恍┯杏绊懥Φ?paper。第一個就是今年會上的最高分 IC light，也是比較少見地拿到了滿分。這個工作非常有意思，它在diffusion 里把光照做得很好。
一般大家會認為無論image diffusion還是video diffusion，生成出來的東西都不可控。目前的生成在幾何和物理方面表現(xiàn)都不好，但IC light居然能把光照做好，這件事是非常 surprising的。同時它也是一個很好的輪子，我和很多朋友最近都在用 IC light做光照控制的工作。在CVML領(lǐng)域，真正有影響力的paper 是能幫助別人的paper。
我覺得IC light有影響力，最大的原因是它超前于時代。我經(jīng)常跟我的學生們說，我最欽佩的科學家是能發(fā)現(xiàn)超越時代的、帶著藝術(shù)性和靈感的東西。最典型的就是孟德爾，他在DNA雙螺旋結(jié)構(gòu)被發(fā)現(xiàn)之前300 年，就能夠用設(shè)計巧妙的實驗發(fā)現(xiàn)豌豆育種出現(xiàn)不同性狀的比例是3:1。可能在300年、100 年、50年之后，大家看這個技術(shù)也就是那么回事，但他們就是能超前于時代把它做出來，而且還非常有實用價值，我特別喜歡這樣的工作。所以在3D scene understanding and synthesis這個領(lǐng)域，我今年首推IC light這篇滿分論文。
劉菲：我自己比較感興趣的方向是基于大語言模型的決策系統(tǒng)、規(guī)劃系統(tǒng)和推理系統(tǒng)。決策系統(tǒng)是一個蠻重要的方向，現(xiàn)在越來越多的用戶開始問大語言模型一些復雜問題。
我可以舉一個最簡單的例子，比如買咖啡機有非常多的選擇，可以買一個非常便宜的咖啡機做dripping coffee，也可以買一個高檔一些的。大語言模型根據(jù)用戶需求進行輔助決策，這就是一個非常簡單的決策系統(tǒng)。但同時也會有一些更為復雜的決策系統(tǒng)，比如家里的小孩升學，在擇校的時候會有非常多因素需要考慮，包括學校的地理位置、師資情況、排名、學生自身更適合哪種學校。很多時候大家只是把這些信息直接傳達給大語言模型，它當然會給一個答案，但是我們沒有辦法驗證這個決策是不是最合適的。針對單一事件做單一的決策，傳統(tǒng)上我們基于分類器或者決策樹，配合訓練數(shù)據(jù)，大語言模型已經(jīng)可以很好地進行輔助決策，但復雜的決策系統(tǒng)目前仍然是黑盒狀態(tài)。
一個我們比較感興趣的方向是如何把這兩種系統(tǒng)集合在一起。基于傳統(tǒng)的機器學習得到的分類器非常robust，但是只能應(yīng)用于特定的任務(wù)上，而基于大語言模型的決策系統(tǒng)可以達到特別高的靈活性，我們想把這兩種決策方式結(jié)合在一起。我們有一個系統(tǒng)叫做Define，主要是在金融領(lǐng)域針對月報或者年報，給出投資建議。
還有一個我們特別感興趣的方向是sequential decision making，它應(yīng)用于我們需要做一連串決定的場景。我舉個簡單的例子，如果我想制定一份新加坡旅行計劃，那我首先要決定買什么時間的機票、賓館訂在什么地方。同時我要參加ICLR，每天都會有具體的行程安排。把這一連串決策放在一起，需要一個非常復雜的系統(tǒng)。這個決策系統(tǒng)需要optimize goal，可能是多找時間和大家交流，也可能是控制有限的預(yù)算，這樣它才能做出最適合我的決策。說到這個，安老師有一篇paper叫Agent Studio，我特別喜歡，也希望能夠聽安老師講一下這個工作的細節(jié)。
安波：謝謝劉老師。這項工作的技術(shù)性不是特別強，我們做了一個能夠提供很多benchmark場景的工具，并做完了整個pipeline，可以讓大家更容易地開發(fā)Agent。
我個人這兩年更關(guān)注推理RL怎么和大語言模型結(jié)合在一起，以及Agent的研究。大語言模型這個概念已經(jīng)出現(xiàn)好多年了，現(xiàn)在應(yīng)該到了我們開始思考它落地的時刻，所以我會特別關(guān)注它在垂直領(lǐng)域落地方面的事情。我看了一些session，這方面的工作相對前兩年還蠻多的。
劉老師剛才講到?jīng)Q策系統(tǒng)，這也是我們所關(guān)心的。這方面有很多挑戰(zhàn)，比如多模態(tài)的推理。4月份新加坡一座房子失火，一人死亡，還有20多人受傷。我們把幾張照片發(fā)給GPT，問他能不能做一份現(xiàn)場處置應(yīng)對的規(guī)劃。我們發(fā)現(xiàn)GPT的規(guī)劃里有很多問題，體現(xiàn)出它的推理能力不夠。比如照片上明顯顯示很多小孩子受傷了，但是它推薦傷者去中央醫(yī)院，實際上新加坡有一個很好的兒科醫(yī)院叫KKH，離火災(zāi)場景只有3公里。
讓大模型從視頻里檢索出必要的信息，基于這些情況進行復雜推理，這是我們未來特別想做的事情。我們希望它能規(guī)劃消防人員怎么進場，需要它考慮現(xiàn)場視頻、圖片、報案的音頻，再把起火大樓的平面圖結(jié)合到?jīng)Q策中。怎么讓這些技術(shù)真正地解決現(xiàn)實問題，還有很長的路要走。這是很有挑戰(zhàn)的事情，但是有很多真實的應(yīng)用需要。
趙俊博：我接著剛才安老師的話說。post-training的scaling是在去年九月份左右，從GPT-o1開始出現(xiàn)的，而ICLR的截稿日期是10月2號，所以基本上在這次的poster里很難看到跟后訓練或者RL相關(guān)的工作。
這個年代發(fā)展太快了。去年10月ICLR截稿，現(xiàn)在文章才正式面世，但其實從去年10月到現(xiàn)在已經(jīng)發(fā)生了太多事，包括GPT-4.5、MCP、GPT-4o生成與理解統(tǒng)一的非常炫目的生成效果、國內(nèi)的Deepseek等等。當年ICLR出現(xiàn)其實是為了縮短文章面世的周期，但是現(xiàn)在這個周期是不是還是趕不上形勢的變化，是不是需要把這些 conference 的形式再重新思考一下。
安波：現(xiàn)在整個pipeline還是需要三個月甚至以上，也許可以再縮短一些。
AI科技評論：我們也感覺這大半年的時間天翻地覆。趙老師你在去年九月份的時候，當時設(shè)想今年年中可能會有哪些變化？
趙俊博：我覺得有些事肯定變了，但有些事其實也沒變。我對團隊說的一句話就是，我們現(xiàn)在做很多東西都是拍腦袋。比如安老師剛才說的這個場景，雖然它很難，但其實有兩種路徑解決這個問題。第一種路徑是multi-agent，比如可以專門做一個Agent解決消防車的調(diào)用，最后整個決策體系中穿插著各種Agent。但同時有些其他的問題可以依靠模型的底層能力直接解決。
我們可以看一下LangChain的發(fā)展，他們一開始面向multi-agent編排的技術(shù)做了很多東西，但關(guān)鍵是現(xiàn)在的base model太強大了，導致這些東西好像有一些就沒有意義了。這就涉及到一個問題，有些事兩年之內(nèi)base model 能不能解決掉。如果不能就堅持投入，如果能解決，那我們是不是可以把這方面投入稍微退一步？關(guān)鍵是基于現(xiàn)在這種非常瘋狂的變化，判別在兩年內(nèi)能不能解決，我感覺比較難做。
AI科技評論：最近對 Scaling Law 的討論非常多。我也想請教一下四位老師的答案，Scaling Law 到底有沒有走到盡頭？
趙俊博：我覺得要拆領(lǐng)域來看。首先從 Pre-train 的角度來說，我認為已經(jīng)到頭了，因為確實沒有數(shù)據(jù)了。人類最高質(zhì)量的一批 token 加起來有10~15T，DeepSeek-V3用了14.8T。在這15T數(shù)據(jù)的基礎(chǔ)上，如果接受比較高質(zhì)量的合成數(shù)據(jù)，再把數(shù)據(jù)質(zhì)量的門開得稍微大一點，我覺得差不多能擴展到25~30T，再往上就很難有更多的數(shù)據(jù)塞進來了。
Post-train方面，大家現(xiàn)在還是大幅依靠數(shù)學和代碼這種可校驗的數(shù)據(jù)。那么關(guān)鍵的問題是，物理、法律、心理等其他學科的數(shù)據(jù)能不能用，以及 Reward model 或者 Process Reward Model 這些相關(guān)技術(shù)能不能繼續(xù)發(fā)展?；蛘哌€有沒有新類型數(shù)據(jù)，比如說股票、游戲交互這些數(shù)據(jù)能不能拿來訓練大模型。
其它結(jié)構(gòu)上，Diffusion Language Model 暫時沒有跑出 Scaling Law，我們現(xiàn)在看到7B、8B 有一些效果，但是非自回歸的新方法還是值得期待的。
安波：我贊同趙老師的觀點，我覺得Scaling Law好像要到盡頭了。我們先說最近火的post training inference，它還是需要數(shù)據(jù)，需要得到那些reward signal。有人會說我們搞一個world model，但 world model也得用數(shù)據(jù)來訓練，MPC建那個model，還是得從數(shù)據(jù)里面來。
剛才趙老師談到了多智能體，有一個思考是有沒有 Multi-Agent Scaling Law，我感覺這個也不存在。我是做傳統(tǒng)多智能體的，我們發(fā)現(xiàn)并不見得智能體的數(shù)量增加，性能就會好，因為數(shù)量的增加會導致很多協(xié)調(diào)、通信方面的問題。我個人覺得學術(shù)界的人沒有必要執(zhí)著于研究 Scaling Law 是不是要走到頭了，因為這個問題已經(jīng)吵了很多年。
趙俊博：有沒有 Scaling Law 都可以去做 research，這沒什么直接關(guān)系。
劉菲：我非常同意安老師和俊博老師的想法，這里我可以再補充兩點。
第一點我認為可能有一個方向還可以再深入挖掘一下，就是在談到數(shù)據(jù)的時候，什么樣的數(shù)據(jù)應(yīng)該放在預(yù)訓練當中，什么樣的數(shù)據(jù)應(yīng)該放在后訓練當中?，F(xiàn)在大家在做基礎(chǔ)模型的時候，基本上是把能夠拿到的無論是文本還是其它模態(tài)的信息，幾乎是一股腦地放在預(yù)訓練當中。然后在后訓練階段，對于不同的領(lǐng)域，會有專門的數(shù)據(jù)。其實我們可以重新思考一下這個問題，有沒有可能有一種比較好的方法，能夠把數(shù)據(jù)在預(yù)訓練和后訓練中合理地分配，最大化地提高模型能力。
另外我對 Reverse Scaling Law 也很感興趣，我想補充的第二個方向是，在數(shù)據(jù)一定的情況下如何提高模型的能力，尤其是模型在具體任務(wù)上的能力。我們訓練大模型的初衷是 predict the next word，這個任務(wù)本身并不是很重要，其實是通過這樣一個簡單的任務(wù)達到訓練模型參數(shù)的效果。那么現(xiàn)在我們能不能通過在任務(wù)上的創(chuàng)新，提出新的task，幫助我們提高模型的后訓練效果，或者模型在某一個領(lǐng)域需要的特定能力。我認為這兩個方向，也許可以再深入挖掘一下。
像剛剛兩位老師提到過的，大部分大家能夠獲得的高質(zhì)量數(shù)據(jù)幾乎已經(jīng)被用掉了。這兩年大語言模型持續(xù)不斷地生成新的文本、圖片，短視頻，以后我們能夠拿到的數(shù)據(jù)，會有很多是模型生成出來的。如果我們不加思考地直接用這些數(shù)據(jù)訓練大語言模型，我不太確定對于模型究竟有沒有質(zhì)的提高。
安波：我稍微補充一下。我們 NTU 前兩天邀請了一位 EPFL 的老師，他就研究這個問題。未來的數(shù)據(jù)全部是大模型產(chǎn)生的，一代一代地迭代下去，這個世界會變成什么樣？他做了一些實驗，因為是模擬所以每一代的間隔都要短得多，但是他覺得這將來會對人類的價值觀，甚至一切都帶來很大的變化。
趙昊：在 Vision 領(lǐng)域，大家比較痛心疾首的是我們還沒有發(fā)現(xiàn) Scaling Law。之前我們做了很久自監(jiān)督的表征學習，也是想復現(xiàn)NLP領(lǐng)域的成功，但普遍認為結(jié)果不是特別成功。很多人認為這是信息密度的原因。Language 的信息密度更高，更容易出現(xiàn) Scaling Law，而 vision 需要壓縮信息。
我覺得 VLA 有可能在未來一段時間內(nèi)看到 Scaling Law，這是非常 promising 的一件事情。我們現(xiàn)在做 VLA，一般是用遙操作數(shù)據(jù)做動作，做完以后復原，再重新采集數(shù)據(jù)。其實每一條數(shù)據(jù)都是差不多的，但是就用這些差不多的數(shù)據(jù)訓練，50條的時候是不 work 的，200條的時候一般剛開始 work，500條數(shù)據(jù)的時候就非常 work 了。我也不知道為什么，但感覺很像 GPT 出來的時候 NLP 領(lǐng)域那種模模糊糊的感覺。我覺得隨著這些數(shù)據(jù)積累得越來越多，也許未來12個月、24個月、36個月，突然我們的 VLA 就能做出非常靈巧的東西。
AI科技評論：剛才趙老師提到的一個問題我很好奇。您說我們有很多行業(yè)性的數(shù)據(jù)，其實現(xiàn)在還沒有辦法用來訓練，是這樣嗎？
趙俊博：至少在今天，通過各種技術(shù)報告我們可以看到，大家后訓練的主體數(shù)據(jù)還是數(shù)學和 code，這是因為我們需要一個非常明確的 reward 計算公式。數(shù)學是比較容易算 reward 的，coding 可以跑個 OJ，也有比較明確的 reward 計算方式，這些肯定是最高級的數(shù)據(jù)。次一級的數(shù)據(jù)可能需要一個 model，不管叫它 judge model 還是 reward model，總之得對模型給出的結(jié)果和實際的正確答案進行比較，這對數(shù)據(jù)的要求還是挺高的。比如你算出來答案是5，模型的輸出是5，那5是不是等于5，這就是一個 reward。我覺得強化學習在大語言模型上面的空間還是比較大的，后面還是有不少事可以做。
趙昊：我有一個關(guān)于 NLP 的問題想請教一下趙老師。我以前讀書的時候，大家會管 Alexnet 這種模型叫 backbone，然后會在 backbone 上做 fine tuning?，F(xiàn)在在 NLP 領(lǐng)域，大家一般會管 backbone 叫 foundation model，然后后面叫 post training。現(xiàn)在我們定義的 post training 和 fine tuning 的區(qū)別是什么？
趙俊博：我本來想回答這兩個不是一個意思，但我后來想，SFT 好像也在 post training 的范疇里。我不確定現(xiàn)在是不是還在，大家的術(shù)語一直在穿插。
安波：我的理解是 post training 的概念更廣。Fine tuning 早期可能只有 SFT，后來加入了 RHF，但是沒有把 test time 那些囊括進去。現(xiàn)在用 RL 做的 inference、reasoning，是不屬于 fine tunning 的。
AI科技評論：我們最近一直比較關(guān)心一個問題，擴散模型和回自回歸架構(gòu)在生成任務(wù)上各自有什么優(yōu)劣？
趙俊博：我個人比較看好 Diffusion。我說的不是直接用一個 Diffusion Model 生成圖像，我覺得 Diffusion 是個很大的概念，它可以 diffuse 很多東西。
比如清華大學朱軍老師做的 RDT，整個機器可以用 Diffusion 在坐標空間的幾個目標點上跑擴散過程。還有謝賽寧他們做的 Meta Query，它可以理解圖像和文本，同時外接了一個 Diffusion Model，通過中間一些簡單的空間上的連接，可以把 Diffusion 吐出去再去生成。這就是一個很典型的 autoregressive 和 Diffusion Model 的整合，去完成所謂的生成、理解的統(tǒng)一。
Diffusion 打破了自回歸的限制，它的特點是可以擬合高維，可以做 Multi-Modelity 的擬合。所以我覺得 Diffusion Model 會在各種各樣的地方出現(xiàn)，雖然 Diffusion LLM 還沒有跑出 Scaling Law，但我覺得它還是未來可期。
安波：這個方向其實我們也沒有做太多工作，但我感覺可能并不是那么容易切換過去。如果真的非常厲害的話，大公司早就紛紛轉(zhuǎn)到那個賽道上去了。而且關(guān)于能不能取代 Transformer，我覺得可能性也不大。
AI 科技評論：對于這一點，劉菲老師怎么看？
劉菲：我們在 diffusion model上的探索也不是很多，但我比較認同俊博剛剛的觀點。Diffusion model 在圖像生成，或者在多模態(tài)任務(wù)上，確實展現(xiàn)了比較突出的優(yōu)勢。
我主要是做自然語言處理方向的，所以在這個領(lǐng)域，Autoregressive model 仍然是主流。原因在于，無論是文本數(shù)據(jù)還是一些時間序列數(shù)據(jù)，本身都具有很強的序列特性，在這種情況下我們通常更傾向于使用 Autoregressive model。當然它也有自己的問題，比如在推理（inference）階段，很難做到并行處理。針對這一問題，目前有幾個可以考慮的方向，一個是剛剛俊博提到的，將 diffusion model 和 Autoregressive model 結(jié)合起來。
另一個方向是，即便我們現(xiàn)在談到 Autoregressive model 時，Transformer 確實非常成功，但近年來也有看到 recurrent neural networks（RNN）及其變種重新受到關(guān)注。這些變種在某些方面相較于 Transformer 是有一定優(yōu)勢的。
AI 科技評論：所以說，接下來大家很可能會探索其他架構(gòu)？
劉菲：對，是這樣的。
趙昊：從我的角度來看，我覺得這個問題可以分成兩塊。一塊是 vision 本身要不要和 language 結(jié)合的問題。如果只做 vision，比如視頻或圖像生成的話，我們其實特別關(guān)注推理速度，所以未來一兩年內(nèi)，純 vision 的任務(wù)應(yīng)該會慢慢轉(zhuǎn)向 AR（Auto-Regressive）思路，因為在速度上有明顯優(yōu)勢。但圈子里還是會有很多做多模態(tài)大模型的人，他們其實并不清楚該怎么和 language 更好地結(jié)合。比如多尺度的 token 如何映射到語言空間，目前誰也說不清楚。所以我覺得，未來的發(fā)展方向是需要把這兩塊問題區(qū)分開來看待。
AI 科技評論：最近大家對 Agent 也很關(guān)注，四位老師有什么想法嗎？
趙昊：我自己做 Agent 的工作不是特別多，但最近找到了一個我認為非常有趣的方向，就是把區(qū)塊鏈技術(shù)和 agent 通訊結(jié)合起來。我們目前正在機器人系統(tǒng)中，探索基于 Agent 信息交互方式，搭建一個可信的加密協(xié)同框架，我覺得這個領(lǐng)域非常值得深入。
區(qū)塊鏈的特點是大家以分布式的方式共同計算，沒有任何一個節(jié)點能掌握全局信息，但每個節(jié)點都參與了鏈的運作。區(qū)塊鏈里有一個核心的數(shù)據(jù)結(jié)構(gòu)叫 Merkle-Tree，它的特點是每個葉子節(jié)點上的計算結(jié)果都可以被有效驗證，并最終在根節(jié)點完成整體計算，但葉子節(jié)點本身并不知道整體發(fā)生了什么。對應(yīng)到 agent 系統(tǒng)中，就是每個 agent 可以參與到協(xié)作中，通過通信協(xié)議去執(zhí)行任務(wù)，并最終得出結(jié)果，但每個 agent 本身并不知道整體的任務(wù)全貌。在機器人領(lǐng)域，這種特性非常有用。
安波：那最終你們想解決什么問題？優(yōu)化的目標是什么？
趙昊：想做的是一個系統(tǒng)，讓 agent 可以協(xié)同完成任務(wù)，而且系統(tǒng)具有很強的抗破壞性。
AI 科技評論：很新穎的思路！劉菲老師您怎么看？
劉菲：我覺得趙老師提到的將 agent 和區(qū)塊鏈結(jié)合的方向，確實非常新穎，非常值得深入挖掘。我這邊在 agent 方向上也有兩個代表性的工作。第一個是 HARBOR[1]，這是一個 multi-agent system。我們設(shè)想未來，每個人都可以擁有一個專屬于自己的 personalized LLM agent，能夠深度理解你的興趣愛好，根據(jù)個性化需求，幫助你做出更合適的決策。
在這樣的設(shè)定下，multi-agent system 既可能是合作關(guān)系，也可能是競爭關(guān)系。我舉個例子，比如大家在申請工作時，可能都會用到一些大語言模型或者 agent 幫助修改簡歷、優(yōu)化表達。如果只有一個職位，所有申請者之間就構(gòu)成了競爭。在這種場景下，我們很感興趣的問題是：在 multi-agent system 中，如何讓 agent 同時考慮個人偏好，并幫助用戶做出最具競爭力的決策。
另一個工作是 PlanGenLLMs[2]，一篇綜述性論文。我們對現(xiàn)有的 planning system 做了系統(tǒng)性的梳理和研究。因為現(xiàn)在各個 planning 系統(tǒng)在評測時缺乏統(tǒng)一標準，數(shù)據(jù)集不同，定義的 agentic capabilities 也各不相同，所以我們希望能提出一個更統(tǒng)一的評估方法，對各種 Agentic system 進行更科學的評估和比較。
AI 科技評論：這種系統(tǒng)會去考察 agent 的哪些方向？
劉菲：這是一個非常好的問題。我舉幾個例子，比如我們來到新加坡開會，希望讓 Agent 幫我做一個出行計劃，但它最終提供的方案可能并不是用戶真正喜歡的，所以這就是其中一個問題。還有一種情況是，比如我的預(yù)算有限，但可以接受稍微超出的方案，或者有一些截止日期，必須嚴格遵守的。這種情況下，Agent 系統(tǒng)需要在多目標優(yōu)化環(huán)境中，深刻理解哪些目標必須嚴格執(zhí)行，哪些目標可以有一定的靈活性。這是我們評判 Agent 系統(tǒng)的一個重要方向。
另一個方向是我個人比較感興趣的。因為未來很多 Agentic system 會分布到家居環(huán)境中，比如冰箱、手機等這類 edge devices，它們無法直接調(diào)用大模型，因為資源受限。所以未來的一個問題就是，如何在小模型上也能實現(xiàn)較強的 agentic capabilities。
AI 科技評論：那可以理解為像冰箱、手機這種設(shè)備上，會有自己的端側(cè)小模型？
劉菲：是的，可能在端側(cè)有一個小模型，處理一些本地任務(wù)，同時后臺由大模型提供支持。一些請求可以直接在小模型上完成，另一些則發(fā)送到大模型上處理。
AI 科技評論：安波老師，您認為“小模型+Agent”是一個趨勢嗎？
安波：我認為是的?，F(xiàn)在大模型的決策能力都還很弱，更不要說小模型了?？傮w來看，大語言模型在處理決策問題時，基本上是通過 imitation learning，即模仿已有數(shù)據(jù)。而這也解釋了為什么 inference 過程如此關(guān)鍵。我認為未來無論是大模型還是小模型，要完成復雜決策任務(wù)，都需要引入 RL（強化學習），因為 RL 能通過與環(huán)境的交互，不斷提升模型的能力。
其實剛才兩位老師提到的方向，我也有研究。在做大語言模型之前，我一直在做 multi-agent system 的研究。在這個領(lǐng)域里，communication（通訊）是一種方式，但更關(guān)鍵的是如何實現(xiàn) dynamic 協(xié)作優(yōu)化，尤其是在機器人領(lǐng)域，每個 agent 如何在動態(tài)環(huán)境中高效協(xié)同，這是最困難的部分。而且劉菲老師提到的第一個方向，我認為確實是剛需，只不過這里面還有很多算法上的挑戰(zhàn)，比如如何快速找到最優(yōu)解。
AI 科技評論：安波老師，您從什么時候開始做 multi-agent system 的？
安波：我從上學期間就開始做了。稍微科普一下：這個領(lǐng)域起源于上世紀 80 年代，早期主要是軍方為了建傳感器網(wǎng)絡(luò)。因為當時單個傳感器能力弱，比如確定一輛車的位置，需要三個傳感器協(xié)同定位。這就是最早的 sensor network。
后來，機器人比賽中也需要分布式協(xié)作而非集中式控制，這種場景中，Agent 完全是合作的。之后，隨著互聯(lián)網(wǎng)興起，計算博弈論出現(xiàn)了；再后來，傳統(tǒng)的 distributed planning 難以擴展，于是 distributed RL 被提出來了。到 deep learning 階段，這一切又被進一步 deep 化。直到今天，隨著大語言模型的出現(xiàn)，AI Agent 的概念再次被提出，但實際上，早期的 multi-agent system 已經(jīng)包含了很多基礎(chǔ)思想。
AI 科技評論：那您怎么看 RL 和 Agent 的結(jié)合呢？
安波：我認為這是未來真正落地決策型大模型的關(guān)鍵環(huán)節(jié)?，F(xiàn)階段我們還能通過充分挖掘大語言模型現(xiàn)有的能力，加一些工具鏈去完成任務(wù)。但如果要讓它真正運行在現(xiàn)實世界中，就必須要和環(huán)境有真實交互。我們現(xiàn)在也在做一些相關(guān)探索，比如在 token level 上做 exploration（探索），這是一個巨大的機會領(lǐng)域。所以，把 RL 和大語言模型結(jié)合起來，去解決復雜決策問題，是非常重要的方向。
AI 科技評論：俊博老師最近有關(guān)注到一些相關(guān)的公司嗎？
趙俊博：這種公司現(xiàn)在很多了，我覺得今年后面還會越來越多。比如前段時間 Manus，雖然功能上還有很多局限，但在交互體驗上確實讓人眼前一亮。
趙昊：寫文獻綜述很好用。
趙俊博：這個領(lǐng)域我覺得肯定是有泡沫的。我也很同意安波老師剛才的看法，大模型本身的決策能力還比較弱。但不管怎么說，大家都在努力往這個方向推進。我相信今年 Agent 領(lǐng)域的版圖還會進一步擴大。
AI 科技評論：安波老師，您最近有用過市面上的 Agent 產(chǎn)品嗎？
安波：我用得不多，但有關(guān)注到一些，像 Manus 的評價我也看了很多?？傮w來說，它還是有不少值得學習的地方。
AI 科技評論：您覺得通用 Agent 是未來可能實現(xiàn)的目標嗎？
安波：我認為肯定是 AI 發(fā)展的方向。人類對 AI 的需求不只是聊天式交互，而是希望 AI 能幫我們完成特別復雜的任務(wù)，這就是 Agent 的本質(zhì)。但這條路非常難。即便今天 AI 在某些數(shù)學領(lǐng)域已有突破，我覺得要實現(xiàn)真正的通用 Agent，十年時間也很難完成。
AI 科技評論：劉菲老師，您目前的研究有沒有一些能實用化的 Agent 項目呢？
劉菲：雖然我們正在做 Multi-agent system 和一些 planning 相關(guān)的算法開發(fā)，但也注意到，盡管 agent 很火，真正能落地的項目其實并不多。
這里面主要有兩個潛在問題。第一個是魯棒性問題。很多 agentic system 最后是以任務(wù)成功率作為評估標準，但目前大部分系統(tǒng)的成功率遠達不到 90%-95%，這會在落地應(yīng)用時帶來很多困難。
第二個問題是安全性挑戰(zhàn)。比如，模型生成的內(nèi)容中可能包含幻覺信息，尤其是在代碼生成的場景下問題更突出。正常情況下，如果 agent 正確地生成代碼，是非常好的；但如果因為幻覺問題，生成了不存在的 library name，或者惡意用戶提前注冊了這些名字并植入了惡意代碼，那后果就很嚴重了。當然，這只是當前我們已知的一些問題，未來隨著應(yīng)用的深入，肯定還會遇到更多新的挑戰(zhàn)。所以，安全性問題必須高度重視。
趙昊：我聽完劉菲老師講的，覺得以后如果每個人都有自己的 personal agent，大家為了搶票、搶資源，不就變成了 agent 之間的戰(zhàn)爭了嗎？如果以后要買一張機票，得付費買一個更厲害的 agent，感覺還挺可怕的。
AI 科技評論：競價排名應(yīng)用到個人生活里了。
趙昊：對，到那時候，要么自己處理所有復雜事務(wù)，要么就得付錢用好一點的 agent。這種趨勢我覺得很快就會出現(xiàn)。
AI 科技評論：如果從大模型智力提升的角度來看，大家能預(yù)測一下，未來有哪些技術(shù)可能幫助模型更聰明？下一個階段的研究趨勢會是什么？
趙昊：我目前的研究方向是生成更可控的內(nèi)容，進而訓練出更聰明的機器人。這也是我認為提升 AI 智力的重要方式。但目前機器人的問題在于，它們在物理世界的靈敏性還遠遠不夠。機器人領(lǐng)域不僅技術(shù)復雜，還涉及產(chǎn)業(yè)鏈，比如供應(yīng)鏈，所以發(fā)展速度不像純軟件那樣快。不過，隨著資金和關(guān)注度的增加，機器人技術(shù)肯定會越來越快進步。
AI 科技評論：那你覺得，什么樣的機器人才算是真正聰明的？
趙昊：其實現(xiàn)在機器人借助大語言模型的能力，已經(jīng)挺聰明了。最大的問題不是智力，而是靈敏性。也就是說，當前機器人的“小腦”還不夠發(fā)達，不夠敏捷。
AI 科技評論：劉菲老師，您覺得該如何進一步提升大模型的智力？
劉菲：我個人認為，基礎(chǔ)模型（pretraining model）仍然是最核心的。最初一兩年里大家都在拼基礎(chǔ)模型，最近半年雖然評測報告少了，但基礎(chǔ)模型的重要性并沒有下降。如果有一個非常穩(wěn)健的基礎(chǔ)模型，在此基礎(chǔ)上進行長上下文擴展、強化學習（RL）微調(diào)、多模態(tài)能力擴展等，都會變得更加順暢。而基礎(chǔ)模型質(zhì)量不好，后續(xù)的問題會層出不窮，不僅是幻覺問題。
當然，好的基礎(chǔ)模型并不一定非得超級大。其實大概 70B 參數(shù)的模型，就可以非常好用了。雖然更大的模型可能有額外優(yōu)勢，但“越大越好”并不總是成立的。所以，我認為未來一個非常重要的方向，就是在適中的模型規(guī)模上，把預(yù)訓練做到極致。
第二個方向，是未來半年到一年內(nèi)，關(guān)于模型安全性的研究，無論是評測體系還是技術(shù)本身，都會成為重點。
最后，我也很期待大模型在交叉學科領(lǐng)域，比如 AI for Science、AI for Education、AI for Finance，能夠帶來真正突破性的進展。
AI 科技評論：安波老師，您覺得呢？
安波：我這邊還是更關(guān)注決策相關(guān)的問題，無論是在 inference 階段，還是在 multi-agent 階段。我認為這確實是一件非常難的事情。完成一個具體任務(wù)是一方面，但如果希望進一步提升系統(tǒng)的魯棒性，特別是在應(yīng)用到一些此前數(shù)據(jù)未覆蓋到的場景時，基本上是非常困難的。整體來說，我們還有很長的路要走。
劉菲：我非常同意安老師的觀點。未來與環(huán)境的真實交互，確實是 agentic system 中非常重要的一環(huán)。
AI 科技評論：俊博老師，您的看法呢？
趙俊博：我的觀點一半樂觀一半悲觀。樂觀的地方是，LLM 的 post-training 這一條路徑已經(jīng)逐漸被摸索清楚了，而且今年之內(nèi)依然有不少可以深挖的空間。比如說，數(shù)據(jù)目前還沒有被完全窮盡，還有很多新型的數(shù)據(jù)尚未真正鋪開應(yīng)用。同時，算法和基礎(chǔ)設(shè)施（Infra）方面也仍有比較大的提升空間。當然，長文本問題涉及到的一些結(jié)構(gòu)體系改進，也是接下來的挑戰(zhàn)之一。不過整體來看，一切變化發(fā)展都很快，所以最終要到今年年底，我們才能真正看到會發(fā)生什么樣的新變化。
AI 科技評論：好的，那我們就靜靜期待，今年年底還會有哪些新的突破出現(xiàn)。也非常感謝四位老師今天和我們分享了這么多寶貴的內(nèi)容，謝謝大家！
參考文檔：
1.https://arxiv.org/pdf/2502.12149
2.https://arxiv.org/pdf/2502.11221
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
專題
