以“前沿發(fā)明，引領AI產業(yè)新變革”為主題的“2024百度十大科技前沿發(fā)明”發(fā)布會日前在京舉行。此次發(fā)布會不僅展示了百度在人工智能領域的最新科技成果，還匯聚了眾多業(yè)界精英和專家，共同探討AI產業(yè)的未來發(fā)展。百度2024十大科技前沿發(fā)明，具體如下：

1、基于生成式大模型的智能體技術

該發(fā)明技術創(chuàng)新性地引入了思考模型，使智能體具備了任務規(guī)劃、工具調用、知識增強和反思進化等多重能力。通過系統(tǒng)化的設計與核心能力的定向優(yōu)化，能夠低成本地支持不同應用場景下智能體的規(guī)模化建設與部署；通過建設大規(guī)模仿真能力，加速智能體構建與分發(fā)。該技術系統(tǒng)已成功應用于文心智能體平臺、商家智能體、文心快碼等多個重點場景，顯著提升了智能體的研發(fā)效率，降低了研發(fā)門檻。其中，商家智能體通過規(guī)劃+專家的多模型協(xié)同技術和大規(guī)模仿真技術，提升反思、進化和使用工具的能力，構建AI營銷能力；文心快碼依托代碼推薦和智能體系統(tǒng)，與傳統(tǒng)DevOps工具鏈有機結合，推動人機協(xié)同結對編程的深度探索與落地。

2、基于大模型高效訓練框架的多模型協(xié)同進化技術

該發(fā)明技術從工程和算法兩個角度攻克系列難題。工程架構上，從混合并行策略、通信效率、計算存儲優(yōu)化全方位創(chuàng)新突破，顯著提升大語言模型訓練性能，支撐文心全系列模型全流程高效穩(wěn)定訓練。算法策略上，研發(fā)了大小模型協(xié)同的預訓練技術，攻克了模型間知識難以繼承的技術難題，改變了傳統(tǒng)模型的訓練范式，降低了新模型訓練成本?；谠摪l(fā)明構建了各規(guī)模模型的技術壁壘，使文心大模型訓練吞吐速度在過去一年提升了4.1倍，支持文心一言高效滿足不同需求的廣泛業(yè)務，賦能千行萬業(yè)。

3、基于大模型和知識檢索增強技術的多模態(tài)內容創(chuàng)編一體的智能系統(tǒng)

本發(fā)明技術綜合運用知識增強、多源內容解析、融合式編輯、檢索增強文生圖等技術，解決了專業(yè)長文及多模態(tài)內容生成質量弱、創(chuàng)編無法共享容器、文生圖主體準確性差等問題。檢索增強文生圖，旨在通過智能判斷用戶需求自適應處理參考圖，進而基于混合模態(tài)的生圖系統(tǒng)顯著提升了生圖主體的一致性，有效彌補長尾內容刻畫不準確的短板，整體效果遠遠超過文生圖原生系統(tǒng)。百度文庫已經在基于用戶指令及上傳內容實時生成行業(yè)研報、演示文稿、思維導圖、畫本漫畫并支持一站式編輯、跨模態(tài)轉換、通用/個性化生圖等復雜任務方面取得了顯著的效果提升。2024年8月，極光旗下月狐數(shù)據(jù)發(fā)布報告顯示，百度文庫智能PPT市場份額已達八成，近3月用戶規(guī)模復合增速達23%，增速遠超行業(yè)水平。

4、支持規(guī)模化的自動駕駛定位和車道級地圖生成技術

該發(fā)明技術突破了傳統(tǒng)模式的效率和成本問題，降低了地圖制圖成本95%，車道級道路里程超過360萬公里，實現(xiàn)全國超過41000個城鄉(xiāng)鎮(zhèn)道路的全覆蓋?；诘貓D數(shù)據(jù)進一步構建的多模態(tài)傳感器融合的自動駕駛高精定位技術，精度達到厘米級，極大提高了可量產性，將車端定位依賴的地圖包體積降低97.5%，可靠性達到99.9999%，全面支撐目前蘿卜快跑全無人駕駛的規(guī)?；\營，在高架橋下、多層路、隧道等各種復雜困難場景實現(xiàn)全無人駕駛。

5、面向大模型智能化的個性化記憶機制

該發(fā)明技術創(chuàng)新性地提出了一套全面的記憶機制，涵蓋記憶加工、存儲、管理、觸發(fā)和利用五大模塊，賦予大模型個性化記憶能力。記憶加工借鑒人類海馬體機制，實現(xiàn)了對全場景用戶信息的深度理解和精準加工；記憶管理支持用戶主動與系統(tǒng)自動的增刪改查，確保了記憶庫的實時更新與準確；記憶觸發(fā)和利用，通過相關記憶的推測生成，輔助大模型產生更加擬人和個性化的回復。該發(fā)明技術已廣泛應用于智能AI助手、數(shù)字人等場景。

6、基于大模型的超擬真數(shù)字人建模、驅動與生成系統(tǒng)

該發(fā)明技術提出了一整套的超擬真數(shù)字人建模、驅動和生成方案。針對真人數(shù)字人，研發(fā)了數(shù)據(jù)驅動的人像建模、跨模態(tài)驅動和人像視頻生成大模型，實現(xiàn)了自然、擬真的數(shù)字人內容生產，獨家支持大幅動作&遮擋場景的直播人像克隆，并實現(xiàn)了首個全身智能驅動直播間落地。針對超寫實3D數(shù)字人，基于文心大模型研發(fā)了模態(tài)遷移和多智能體協(xié)作技術，實現(xiàn)了分鐘級制作媲美影視大片、3A游戲的超寫實數(shù)字人形象及運營內容。本發(fā)明技術已廣泛地應用于數(shù)字人直播、視頻生產、智能體等眾多真人和3D數(shù)字人的產品中。

7、基于大模型的生成式商業(yè)檢索系統(tǒng)

該發(fā)明技術變革了傳統(tǒng)的 “索引-召回-排序”流程，扁平化系統(tǒng)漏斗，減少信息損失，通過構建索引學習任務，將商業(yè)信息編碼進模型參數(shù)，實現(xiàn)“模型即索引”，利用大模型的理解和推理能力，實現(xiàn)“生成即檢索”，新范式顯著提升系統(tǒng)定向效率120%。該發(fā)明所涉及項目業(yè)界率先落地，實現(xiàn)大規(guī)模工業(yè)化應用，生成式大模型結合商業(yè)搜索場景取得多項技術創(chuàng)新，創(chuàng)意豐富度提升37倍，創(chuàng)意質量提升92%，獲得了顯著的業(yè)務收益和廣泛技術影響力。

8、大模型數(shù)據(jù)飛輪技術

該發(fā)明技術通過整合用戶反饋、執(zhí)行反饋和自監(jiān)督反饋等多來源和形式的信息，自動識別模型缺陷并高效合成高質量、多樣化的訓練數(shù)據(jù)。同時結合多源反饋的強化學習方法，顯著提升了模型訓練效果。該創(chuàng)新技術構建了一個能夠持續(xù)自我改進的數(shù)據(jù)飛輪，有效突破了大模型的數(shù)據(jù)瓶頸，降低了數(shù)據(jù)獲取成本，提高了大模型的適應性和魯棒性，提升了模型在不同任務場景下的泛化能力，加速大模型持續(xù)進化。

9、大模型高效推理技術

該發(fā)明技術提出的高效推理技術，底層模型層基于飛槳框架，在推理架構方向，結合主流的PrefixCaching、Lookahead、PagedAttention、PD分離等方向持續(xù)創(chuàng)新，并將各項技術高效結合，大幅提升模型吞吐和性能。在大模型壓縮方面，采用大模型無損量化技術，通過激活自適應分段平滑與權重聯(lián)動重排等方法，在業(yè)內率先實現(xiàn)了對百億千億級大模型的高效無損壓縮。該發(fā)明支持多種大模型壓縮和推理加速手段，目前已應用于百度智能云千帆大模型平臺等核心業(yè)務，減少模型推理的資源消耗，節(jié)省大模型部署成本超50%，提升模型性能，模型吞吐提升3-5倍。

10、用戶數(shù)據(jù)反饋驅動的檢索生成系統(tǒng)

該發(fā)明技術提出的檢索生成系統(tǒng)，能夠結合用戶行為反饋信號，實現(xiàn)快速自我強化。通過滿意度建模和強化學習直接對齊用戶偏好，并利用用戶反饋觸發(fā)系統(tǒng)快速反思，解決了傳統(tǒng)數(shù)據(jù)應用時專家反饋效率低和用戶偏好建模難的問題?；谠摽蚣艿臋z索生成系統(tǒng)已覆蓋18%的搜索流量，廣泛應用于文字、視頻、圖片等搜索場景。多元用戶反饋的規(guī)模大、可循環(huán)的特性，使系統(tǒng)能夠快速適應數(shù)據(jù)、產品和環(huán)境的變化，幫助系統(tǒng)自動化尋優(yōu)，加速系統(tǒng)向理想狀態(tài)演進，具備極高的實用價值和市場競爭力。

來源：環(huán)球網科技頻道