源自：专知“人工智能技术与咨询” 发布大模型在人工智能领域取得了革命性的突破，但它们也可能带来潜在的担忧。为了解决这些担忧，引入了对齐技术，以使这些模型遵循人类的偏好和价值观。尽管过去一年取得了相当大的进展，但在建立最佳对齐策略时仍然存在各种挑战，例如数据成本和可扩展的监督，如何对齐仍然是一个悬而未决的问题。在这篇综述文章中，我们全面调查了价值对齐方法。我们首先解析对齐的历史背景，追溯到20世纪2

源自：雷达学报作者：郭炜炜, 张增辉, 郁文贤，孙效华“人工智能技术与咨询” 发布摘 要合成孔径雷达(SAR)图像目标识别是实现微波视觉的关键技术之一。尽管深度学习技术已被成功应用于解决SAR图像目标识别问题，并显著超越了传统方法的性能，但其内部工作机理不透明、解释性不足，成为制约SAR图像目标识别技术可靠和可信应用的瓶颈。深度学习的可解释性问题是目前人工智能领域的研究热点与难点，对于理解和信任模

在此，采用多层神经网络构建局部评分模型，通过不断学习优化模型参数来提高模型评分的精确度，可用h(s1, i, s2, j, θ1)和g(s1, i, s1, k, θ2)表示。在此, “智能体”是进攻方的各作战单元, “动作”是作战单元选择打击哪个作战目标, “环境”是本文实验平台-计算机兵棋推演系统的模拟仿真环境, “状态”为所有作战单元和作战目标的联合状态。协同目标分配, 可表示为MDP(S1

源自：指挥控制与仿真作者：孙怡峰,廖树范,吴疆 李福林“人工智能技术与咨询” 发布摘 要针对战场态势信息众多、变化趋势认知困难的问题,提出基于大模型的态势认知智能体框架和智能态势认知推演方法。从认知概念出发,结合智能体的抽象性、具身性特点,明确了智能体构建的3个关键环节:学习环境、记忆方式和产生知识机制;设计了战场态势认知智能体架构,包括记忆部件、规划部件、执行部件、评估部件以及智能体训练要点。在

相比传统基于规则或小模型（如BiLSTM+CRF）的方法，LLM凭借其强大的语言理解、上下文感知和零样本/少样本学习能力，显著提升了在复杂、低资源或领域特定场景下的抽取效果。利用 KG 中的已有关系作为 LLM 的上下文提示（如“已知 A 是公司，B 是人，可能的关系包括 CEO_of、创始人_of…关系一致性检查：利用常识或业务规则过滤不合理三元组（如“人 ← 位于 ← 国家”合理，“人 ← 位

在AI算法部署领域，ONNX+TensorRT堪称“黄金组合”，优势无可替代：ONNX作为通用模型格式，能完美衔接PyTorch、TensorFlow等主流框架，解决不同框架模型的兼容性问题，是模型跨平台部署的“桥梁”；今天这篇PyTorch模型转ONNX+TensorRT加速全实操指南，就是为你量身打造的——不搞空洞理论，全程手把手带练，从环境配置、模型转换、参数优化到加速验证，每一步都有具体操

今天这篇YOLOv10自定义数据集训练全实操指南，专门为新手和项目落地党量身打造——不搞虚的理论，全程聚焦“能直接落地”的实操步骤，从数据集标注、环境配置，到参数调试、模型训练、最终部署，每一步都有详细操作+完整代码+避坑要点，跟着做就能成功训练出符合自己需求的目标检测模型！更关键的是，YOLOv10对自定义数据集的适配性极强，无论是几十张还是几千张数据，都能稳定训练出可用的模型，是新手入门目标检

今天这篇大模型辅助文献检索与筛选全技巧指南，就是为科研人量身打造的——不搞虚的理论，全程聚焦“能直接落地”的实操方法，从检索词构建、文献初筛、核心提炼到价值判断，每一步都有大模型精准辅助技巧，还有实用工具调用示例，跟着做就能把文献处理效率拉满，把时间省下来做核心研究！更关键的是，大模型能适配不同科研阶段的需求，不管是开题时的文献调研、实验中的文献参考，还是论文撰写时的文献梳理，都能高效辅助，是科研

能智能识别异常数据点，避免异常值影响分析结果；今天这篇AI辅助实验数据拟合与分析全实操指南，就是为科研人量身打造的——不搞复杂理论，全程聚焦“能直接落地”的实操方法，从数据预处理、AI拟合模型构建，到结果解读、图表绘制，每一步都有详细操作+完整代码+避坑要点，跟着做就能快速搞定实验数据处理，把时间省下来做核心实验！更关键的是，AI拟合工具上手简单，不用深厚的编程基础，借助Python的成熟库就能快

写周报，你只需要说“这周完成了项目A的测试、开了三场会、解决了客户B的投诉”，智能体帮你扩写成结构清晰、语气得体的周报。早晨，你的智能体已经根据交通状况提醒你“今天堵车，建议提前15分钟出门”。科技巨头们纷纷推出“智能体商店”，像下载App一样下载不同能力的智能体——写作的、做表的、订票的、管日程的。你想学一门新技能，比如摄影，智能体每天给你推送一个小知识点，并布置练习，还能点评你的作品。而智能体