大模型走进中国人民公安大学 | AI TIME In U

于 2023-11-23 18:29:38 发布
阅读量2.7k 收藏
点赞数
文章标签： 人工智能
原文链接：https://mp.weixin.qq.com/s?__biz=MzIzOTAxOTk3Nw==&mid=2247520350&idx=1&sn=983999f4f9431fb5b0e305b4425cd4e2&chksm=e932a2f8de452bee3ebfe13753b7ab3db5ec45dabdc9330b8b3c83e8d13e73a461e721f6fe4e&scene=126&sessionid=0
版权
此次活动聚焦大模型技术，清华大学许斌和聆心智能郑叔亮分享了预训练大模型如ChatGLM和CharacterGLM在公安领域的研究成果与实践，展望了AI在智能化社会中的重要角色。中国人民公安大学展示了AI技术的应用潜力，并强调了产学研合作的重要性。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

点击蓝字

5fa7723e3b81aa6cccfaf11a36aafbac.jpeg

关注我们

AI TIME欢迎每一位AI爱好者的加入！

随着人工智能技术的迅速发展，大模型成为未来智能化公安工作的关键技术之一。特别是在数据分析、案件侦破、社会安全监测等领域，大模型展现了巨大的应用潜力和实践价值。2023年11月22日，第六期AI TIME走进高校系列活动在中国人民公安大学举办。“本次大模型走进公安大学”活动由AI TIME、中国人民公安大学与CCF计算机应用专委共同主办。特别邀请了清华大学计算机科学与技术系研究员许斌和聆心智能联合创始人、CTO郑叔亮，两位嘉宾聚焦大模型，分享了各自在大模型领域的研究成果与实践经验。

活动伊始，很荣幸地邀请到中国人民公安大学研究生院院长、博士生导师霍宏涛教授致辞。霍院长对AI TIME走进中国人民公安大学表示热烈欢迎，并表达了对AI技术在公安领域应用前景的期待。

51e2ebf8e6b58c9327b85a03c8f0c0bf.jpeg

随后，活动进入主题报告环节。清华大学计算机科学与技术系研究员、博士生导师许斌老师带来“预训练大模型：生成式AI时代的基座”的主题报告。许斌老师深入探讨了大模型的技术发展路径，讲述了预训练技术在生成式AI中的核心地位。报告开篇，许老师介绍了预训练技术的革新，预训练技术是如何利用大量数据来训练模型，从而显著增强了模型在新场景中的适应性和对复杂信息的理解能力。接着，他详细介绍了国产大模型ChatGLM的研发历程，包括它在自然语言处理、情感分析、对话生成等方面的技术创新和应用成果。同时许老师也深入浅出地介绍了ChatGLM在处理复杂语境、提升人机交互质量方面所展现的卓越能力，以及其在公共安全、教育等领域的潜在应用价值。报告最后，许老师展望了大模型在智能化社会中的未来角色，期待其成为推动AI技术进步和实际应用的重要助力。

0d481af12f3c567435b0055234544c4a.jpeg

聆心智能联合创始人、CTO郑叔亮分享了“超拟人大模型CharacterGLM和个性化场景化应用”。他讲述了CharacterGLM在情感理解、共情、情绪支持等方面的先进性能，以及其在公安系统应用中的潜在价值。CharacterGLM不仅具备传统的助理和百科功能，还能根据用户个性化需求提供多样的AI角色，满足聊天和陪伴等情感需求。CharacterGLM可以通过创建丰富的角色人格、整合知识、形成持续记忆，并结合非语言信息表达，实现了更加深入和共情的用户交互体验。

240156c2dc7687bc85ccdc8cc53a66c6.jpeg

AI TIME负责人何芸女士表示，很高兴与公安大学开展此次走进高校活动，未来AI TIME会继续致力于持续搭建产学研沟通桥梁，促进技术和知识的流动与共享。

此次“大模型走进公安大学”活动，不仅展示了AI技术在公安领域的应用潜力，同时也为同学们拓展科技视野搭建了桥梁。未来期待AI在公安工作中的更广泛地应用，共同迎接新时代的挑战，贡献科技的智慧和力量！

f8d1b13bcc46f20d78f0babc6de36c80.jpeg

往期精彩文章推荐

70c638011d35613afd4c060c41376540.jpeg

关注我们 记得星标

 关于AI TIME 

AI TIME源起于2019年，旨在发扬科学思辨精神，邀请各界人士对人工智能理论、算法和场景应用的本质问题进行探索，加强思想碰撞，链接全球AI学者、行业专家和爱好者，希望以辩论的形式，探讨人工智能和人类未来之间的矛盾，探索人工智能领域的未来。

迄今为止，AI TIME已经邀请了1400多位海内外讲者，举办了逾600场活动，超600万人次观看。

546aed64e135f40fc9d5b5bf011feaab.png

我知道你

在看

哦

~

fb1831ec114023d6f284536267eaa9ee.gif

点击 阅读原文 查看更多！

AITIME论道
关注
博客
ICLR 2025 杰出论文 | 模型编辑：必要性、短板与破局法
04-25 108
（笔者展望，在LLM时代，零空间投影大有可为，例如：在保护LLM某种能力不受影响的同时，增强/削弱LLM在目标任务上的表现。AI TIME源起于2019年，旨在发扬科学思辨精神，邀请各界人士对人工智能理论、算法和场景应用的本质问题进行探索，加强思想碰撞，链接全球AI学者、行业专家和爱好者，希望以辩论的形式，探讨人工智能和人类未来之间的矛盾，探索人工智能领域的未来。原因也很简单，如上所述，模型编辑这个伏魔圈，它的使命，就是撑到下一次微调，或者说版本更迭的到来即可。但是，这并不代表判“模型编辑”死刑了。
博客
ICLR 2025 杰出论文 | Learning Dynamics of LLM Finetuning
04-24 166
我们之前了解了SFT的情况，而DPO算法虽然看起来复杂，但通过链式法则进行导数计算后，最终的梯度仍然在这一项上，某些变种算法也如此。例如，中间部分显示的都是由GPT生成的内容，在学习这些序列时，它们之间的影响很大，但在语义上却毫无关系。的情况，指的是答非所问的序列。AI TIME源起于2019年，旨在发扬科学思辨精神，邀请各界人士对人工智能理论、算法和场景应用的本质问题进行探索，加强思想碰撞，链接全球AI学者、行业专家和爱好者，希望以辩论的形式，探讨人工智能和人类未来之间的矛盾，探索人工智能领域的未来。
博客
ICLR‘25 | 多模态光谱信息赋能 3D 分子表征预训练
04-23 189
此外，不同类型的光谱可以反映不同类型的能级信息，例如，红外光谱反映了振动能级结构，而紫外。AI TIME源起于2019年，旨在发扬科学思辨精神，邀请各界人士对人工智能理论、算法和场景应用的本质问题进行探索，加强思想碰撞，链接全球AI学者、行业专家和爱好者，希望以辩论的形式，探讨人工智能和人类未来之间的矛盾，探索人工智能领域的未来。具体而言，这一策略通过向分子中的原子坐标随机添加噪声，然后将带有噪声的分子结构输入模型，基于模型输出的表征来预测噪声，从而实现对分子表征的学习。这类方法的理论基础在于，对分子。
博客
ICLR‘25 | 多模态光谱信息赋能 3D 分子表征预训练
04-23 144
此外，不同类型的光谱可以反映不同类型的能级信息，例如，红外光谱反映了振动能级结构，而紫外。AI TIME源起于2019年，旨在发扬科学思辨精神，邀请各界人士对人工智能理论、算法和场景应用的本质问题进行探索，加强思想碰撞，链接全球AI学者、行业专家和爱好者，希望以辩论的形式，探讨人工智能和人类未来之间的矛盾，探索人工智能领域的未来。具体而言，这一策略通过向分子中的原子坐标随机添加噪声，然后将带有噪声的分子结构输入模型，基于模型输出的表征来预测噪声，从而实现对分子表征的学习。这类方法的理论基础在于，对分子。
博客
ICLR‘25 | 多模态光谱信息赋能 3D 分子表征预训练
04-23 80
此外，不同类型的光谱可以反映不同类型的能级信息，例如，红外光谱反映了振动能级结构，而紫外。AI TIME源起于2019年，旨在发扬科学思辨精神，邀请各界人士对人工智能理论、算法和场景应用的本质问题进行探索，加强思想碰撞，链接全球AI学者、行业专家和爱好者，希望以辩论的形式，探讨人工智能和人类未来之间的矛盾，探索人工智能领域的未来。具体而言，这一策略通过向分子中的原子坐标随机添加噪声，然后将带有噪声的分子结构输入模型，基于模型输出的表征来预测噪声，从而实现对分子表征的学习。这类方法的理论基础在于，对分子。
博客
OlymMATH：奥林匹克级双语数学基准，R1 正确率仅为 21.2%
04-22 337
近年来，大型语言模型（LLMs）在数学推理任务上取得了显著进展。在 MATH-500 上，DeepSeek-R1 和 Qwen2.5-32B-R1D 的准确率非常接近（97.3% vs 94.3%），但在 OlymMATH-EN-HARD 上，两者的准确率分别下降至 21.2% 和 13.6%，表明 OlymMATH 在区分不同模型的推理能力方面更具优势。实验结果表明，从思维链长度的分布来看，OlymMATH-EASY 与 AIME 具有类似的难度，而 OlymMATH-HARD 则包含更多的挑战性题目。
博客
ICLR 2025 | 生成图像检测新突破：“幻像熔炉” & “超级侦探” 精彩演绎
04-21 311
与之前的基准数据集不同，团队从多个流行的 AI 绘画社区（如 ArtStation、Civitai 和 Liblib）收集了超过 150K 的 AI 生成图像，这些图像均由广泛的用户创作，使用了多种先进的生成模型（如 Midjourney、DALL·E 3 和 Stable Diffusion 等）。本论文通过对现有 AI 生成图像检测方法的重新审视，提出了一个新的问题设定，构建了更具挑战性的 Chameleon 数据集，并设计了一个融合多专家特征的检测器 AIDE。最后通过MLP网络输出分类结果。
博客
本周大模型新动向：知识蒸馏、个性化视频聊天、幻觉检测
04-20 992
值得注意的是，通过视觉指令微调，该模型在保持与前身架构一致性的同时获得了图像编辑功能，揭示了统一视觉理解、生成和编辑的潜力。AI TIME源起于2019年，旨在发扬科学思辨精神，邀请各界人士对人工智能理论、算法和场景应用的本质问题进行探索，加强思想碰撞，链接全球AI学者、行业专家和爱好者，希望以辩论的形式，探讨人工智能和人类未来之间的矛盾，探索人工智能领域的未来。全面的实验表明，本文验证的蓝图到细节的方法产生了高质量的训练数据，使得能够开发出更可靠、高效和有能力的代理。作者开源了收集到的合成数据和训练的。
博客
面向AI Infra的系统软件：挑战、思考和实践｜刘譞哲教授开讲
04-19 485
AI TIME源起于2019年，旨在发扬科学思辨精神，邀请各界人士对人工智能理论、算法和场景应用的本质问题进行探索，加强思想碰撞，链接全球AI学者、行业专家和爱好者，希望以辩论的形式，探讨人工智能和人类未来之间的矛盾，探索人工智能领域的未来。迄今为止，AI TIME已经邀请了2000多位海内外讲者，举办了逾700场活动，超800万人次观看。CVPR 2025结果出炉｜一作讲者已开启招募，欢迎新老朋友来预讲会相聚！AI TIME欢迎每一位AI爱好者的加入！提出观点，表达想法，欢迎。
博客
ICLR‘25 | 评估大模型智能体的复杂任务规划能力
04-18 406
研究发现，工作流不仅可以作为一种流程先验知识直接指导智能体的规划过程，帮助其在复杂任务中更高效地执行，还可以作为链式思考（Chain-of-Thought, CoT）的增强手段，通过为智能体提供更相关的API选择，减轻其在多步任务中的负担。AI TIME源起于2019年，旨在发扬科学思辨精神，邀请各界人士对人工智能理论、算法和场景应用的本质问题进行探索，加强思想碰撞，链接全球AI学者、行业专家和爱好者，希望以辩论的形式，探讨人工智能和人类未来之间的矛盾，探索人工智能领域的未来。
博客
ICLR‘25 | 评估大模型智能体的复杂任务规划能力
04-18 353
研究发现，工作流不仅可以作为一种流程先验知识直接指导智能体的规划过程，帮助其在复杂任务中更高效地执行，还可以作为链式思考（Chain-of-Thought, CoT）的增强手段，通过为智能体提供更相关的API选择，减轻其在多步任务中的负担。AI TIME源起于2019年，旨在发扬科学思辨精神，邀请各界人士对人工智能理论、算法和场景应用的本质问题进行探索，加强思想碰撞，链接全球AI学者、行业专家和爱好者，希望以辩论的形式，探讨人工智能和人类未来之间的矛盾，探索人工智能领域的未来。
博客
ICLR‘25 | 评估大模型智能体的复杂任务规划能力
04-18 310
研究发现，工作流不仅可以作为一种流程先验知识直接指导智能体的规划过程，帮助其在复杂任务中更高效地执行，还可以作为链式思考（Chain-of-Thought, CoT）的增强手段，通过为智能体提供更相关的API选择，减轻其在多步任务中的负担。AI TIME源起于2019年，旨在发扬科学思辨精神，邀请各界人士对人工智能理论、算法和场景应用的本质问题进行探索，加强思想碰撞，链接全球AI学者、行业专家和爱好者，希望以辩论的形式，探讨人工智能和人类未来之间的矛盾，探索人工智能领域的未来。
博客
ICLR‘25 | 评估大模型智能体的复杂任务规划能力
04-18 268
研究发现，工作流不仅可以作为一种流程先验知识直接指导智能体的规划过程，帮助其在复杂任务中更高效地执行，还可以作为链式思考（Chain-of-Thought, CoT）的增强手段，通过为智能体提供更相关的API选择，减轻其在多步任务中的负担。AI TIME源起于2019年，旨在发扬科学思辨精神，邀请各界人士对人工智能理论、算法和场景应用的本质问题进行探索，加强思想碰撞，链接全球AI学者、行业专家和爱好者，希望以辩论的形式，探讨人工智能和人类未来之间的矛盾，探索人工智能领域的未来。
博客
ICLR‘25 | 评估大模型智能体的复杂任务规划能力
04-18 244
研究发现，工作流不仅可以作为一种流程先验知识直接指导智能体的规划过程，帮助其在复杂任务中更高效地执行，还可以作为链式思考（Chain-of-Thought, CoT）的增强手段，通过为智能体提供更相关的API选择，减轻其在多步任务中的负担。AI TIME源起于2019年，旨在发扬科学思辨精神，邀请各界人士对人工智能理论、算法和场景应用的本质问题进行探索，加强思想碰撞，链接全球AI学者、行业专家和爱好者，希望以辩论的形式，探讨人工智能和人类未来之间的矛盾，探索人工智能领域的未来。
博客
ICLR‘25 | 评估大模型智能体的复杂任务规划能力
04-18 189
研究发现，工作流不仅可以作为一种流程先验知识直接指导智能体的规划过程，帮助其在复杂任务中更高效地执行，还可以作为链式思考（Chain-of-Thought, CoT）的增强手段，通过为智能体提供更相关的API选择，减轻其在多步任务中的负担。AI TIME源起于2019年，旨在发扬科学思辨精神，邀请各界人士对人工智能理论、算法和场景应用的本质问题进行探索，加强思想碰撞，链接全球AI学者、行业专家和爱好者，希望以辩论的形式，探讨人工智能和人类未来之间的矛盾，探索人工智能领域的未来。
博客
ICLR‘25 | 评估大模型智能体的复杂任务规划能力
04-18 146
研究发现，工作流不仅可以作为一种流程先验知识直接指导智能体的规划过程，帮助其在复杂任务中更高效地执行，还可以作为链式思考（Chain-of-Thought, CoT）的增强手段，通过为智能体提供更相关的API选择，减轻其在多步任务中的负担。AI TIME源起于2019年，旨在发扬科学思辨精神，邀请各界人士对人工智能理论、算法和场景应用的本质问题进行探索，加强思想碰撞，链接全球AI学者、行业专家和爱好者，希望以辩论的形式，探讨人工智能和人类未来之间的矛盾，探索人工智能领域的未来。
博客
ICLR‘25 | 评估大模型智能体的复杂任务规划能力
04-18 88
研究发现，工作流不仅可以作为一种流程先验知识直接指导智能体的规划过程，帮助其在复杂任务中更高效地执行，还可以作为链式思考（Chain-of-Thought, CoT）的增强手段，通过为智能体提供更相关的API选择，减轻其在多步任务中的负担。AI TIME源起于2019年，旨在发扬科学思辨精神，邀请各界人士对人工智能理论、算法和场景应用的本质问题进行探索，加强思想碰撞，链接全球AI学者、行业专家和爱好者，希望以辩论的形式，探讨人工智能和人类未来之间的矛盾，探索人工智能领域的未来。
博客
ICLR‘25 | Dynamic Diffusion Transformer
04-17 470
在空间级别，同样需要引入一个 Rooter（Rtoken）来预测每帧图片输入 token 中需要计算的部分，得到一个token mask，mask的值为0代表该 token 不需要计算，而 mask 的值为 1 代表该 token 需要计算。AI TIME源起于2019年，旨在发扬科学思辨精神，邀请各界人士对人工智能理论、算法和场景应用的本质问题进行探索，加强思想碰撞，链接全球AI学者、行业专家和爱好者，希望以辩论的形式，探讨人工智能和人类未来之间的矛盾，探索人工智能领域的未来。2、扩展对模型的支持。
博客
ICLR‘25 | Dynamic Diffusion Transformer
04-17 421
在空间级别，同样需要引入一个 Rooter（Rtoken）来预测每帧图片输入 token 中需要计算的部分，得到一个token mask，mask的值为0代表该 token 不需要计算，而 mask 的值为 1 代表该 token 需要计算。AI TIME源起于2019年，旨在发扬科学思辨精神，邀请各界人士对人工智能理论、算法和场景应用的本质问题进行探索，加强思想碰撞，链接全球AI学者、行业专家和爱好者，希望以辩论的形式，探讨人工智能和人类未来之间的矛盾，探索人工智能领域的未来。2、扩展对模型的支持。
博客
ICLR‘25 | Dynamic Diffusion Transformer
04-17 373
在空间级别，同样需要引入一个 Rooter（Rtoken）来预测每帧图片输入 token 中需要计算的部分，得到一个token mask，mask的值为0代表该 token 不需要计算，而 mask 的值为 1 代表该 token 需要计算。AI TIME源起于2019年，旨在发扬科学思辨精神，邀请各界人士对人工智能理论、算法和场景应用的本质问题进行探索，加强思想碰撞，链接全球AI学者、行业专家和爱好者，希望以辩论的形式，探讨人工智能和人类未来之间的矛盾，探索人工智能领域的未来。2、扩展对模型的支持。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值