在科技蓬勃发展的时代浪潮中，人工智能领域的每一次突破都离不开持续的科研投入和对前沿技术的不懈探索。2023 年，网易伏羲与中国计算机学会（CCF）共同发起了 “CCF - 网易雷火联合基金”，致力于发挥和利用多方资源优势，加强与海内外青年学者的科研合作，促进中国人工智能等领域尖端技术产业的进步，并加快校企合作、技术成果转化落地。

在科技蓬勃发展的时代浪潮中，人工智能领域的每一次突破都离不开持续的科研投入和对前沿技术的不懈探索。2023 年，网易伏羲与中国计算机学会（CCF）共同发起了 “CCF - 网易雷火联合基金”，致力于发挥和利用多方资源优势，加强与海内外青年学者的科研合作，促进中国人工智能等领域尖端技术产业的进步，并加快校企合作、技术成果转化落地。
自成立以来，CCF-网易雷火联合基金始终致力于推动科研成果的转化与应用，受到了学者们的广泛关注与支持。在 2024 中国计算机大会（CNCC2024）上，CCF - 网易雷火联合基金首批优秀成果重磅发布。浙江大学软件学院百人计划研究员王皓波老师作为基金优秀代表，现场分享了其在基金资助下的课题成果《基于大小模型协同的低资源标注技术》，该技术通过整合大模型与小模型的优势，为解决数据标注中的低资源困境提供了全新思路，有望在提升标注效率和质量方面带来显著突破，助力人工智能产业实现更高效的数据驱动发展。
<video style="width: 960px; height: 480px;" controls="controls" width="960" height="480">
<source src="https://cdn.fuxi.netease.com/eevee/fuxi_protal/index/backend/news/haobo-20241124.mp4?auth_key=2147483647-0-0-9bc9672db8ee1d4def687eaa9e4edc94"></video>
以下为王皓波老师的演讲实录：
大家好！非常荣幸能够在这里，作为CCF - 网易雷火基金资助项目的成果代表，与大家分享我们在基于大小模型协同的低资源数据标注技术领域的研究成果。我是浙江大学的王皓波。
如果将AI算法比作“火箭”，那么数据标注就是推动AI的“燃料”，对训练模型、提高准确率至关重要。在当前竞争激烈的AI市场，数据标注的效率和质量将直接影响企业和组织的AI应用效果和竞争力。
另一方面，OpenAI发布的ChatGPT等大模型掀起了一轮研究热潮。结合了超大规模的模型、数据和算力，大模型初步涌现了通用智能，对众多行业形成广泛的应用潜力。随着大模型的发展，数据标注也有了新机遇。首先，大模型在垂直领域的应用更需要大量的标注数据，以实现大模型的领域微调。其次，大模型内蕴的通用知识，能够以低成本构建高质量数据，在数据标注领域将会带来新的可能性和突破口。
在国内外，以网易有灵众包平台为代表的多款产品已将大模型融入标注的过程中。然而，面对垂直领域的产业需求时，通用大模型往往难以直接输出标注结果，这些标注产品仍需大量借助人类知识进行数据的标签、校验和修复。
在这样的背景下，我们的研究聚焦于如何利用大模型的强大能力，结合小模型的优势，实现低资源条件下高效、精准的数据标注。我们的研究得到了CCF - 网易雷火联合基金的大力支持，这为我们在该领域的探索提供了坚实的保障。
我们在数据标注技术方面的研究是一个逐步深入、演进的过程，下面将与大家具体分享。
<h3>阶段一、鲁棒噪声标签学习（IJCAI 2023）</h3>
首先，我们在鲁棒噪声标签学习方面开展了工作。
在机器学习中，噪声标签问题无处不在，其来源广泛，如机器生成标注数据时的不准确性以及众包标注者经验不足等。经典的噪声标签学习算法存在一定局限性，例如样本选择 - 自训练算法虽能通过特定方式筛选样本并进行半监督学习，但仅利用少量正确样本难以达到理想效果。
<img src="https://static.fuxi.netease.com/fuxi-official/web/20241114/0af90ac11ec13b3ec96da4d2f514819f.png" alt="" width="960" height="368">
基于此，我们在IJCAI 2023上提出了ProMix算法，该算法通过创新的progressive selection方式，充分利用干净样本，在样本选择过程中先选择平衡子集，再依据置信度逐步扩大样本集。同时，算法中的样本选择和半监督学习模块有效解决了样本不平衡问题，在合成数据集和不平衡噪声样本数据集上都取得了卓越成绩，成功夺得首届IJCAI - 噪声标签学习挑战赛全赛道冠军。
<h3>阶段二、大小模型协同数据标注（EMNLP 2023）</h3>
随着大模型时代的到来，我们进一步思考如何将大模型与小模型协同应用于数据标注领域。这促使我们开展了FreeAL框架的研究，并发表于EMNLP 2023。
在这个阶段，我们发现传统弱标签学习存在诸多局限，如人工成本难以降低、机器标注精度不足以及小样本学习领域泛化能力较差等问题。FreeAL框架旨在实现无人工主动学习，其核心原理是充分发挥大模型（LLM）和小模型（SLM）各自的优势。大模型具有丰富知识储备，虽难以独立激活任务相关能力，但可通过生成样例进行初始标注，利用其强大的生成能力构造上下文学习样例，从而提高初始标注准确率。随后，小模型进行鲁棒蒸馏，挑选出弱监督训练中损失较小的样本，通过半监督学习进一步筛选出干净样本和噪声样本，并将其反馈给大模型。大小模型通过协同训练，不断迭代优化标注结果，直至性能收敛。
<img src="https://static.fuxi.netease.com/fuxi-official/web/20241114/f5a2bf4be82151b5a7e85b055a0bf72a.png" alt="" width="960" height="374">
FreeAL 总体框架
1.大模型标注
在提升大模型的少样本学习（few - shot）性能方面，关键在于获取充足的示例样本。因为此次研究设定为完全不依赖人类标注（Human - Free），在初始标注轮次，获取有效示例样本并非易事。为此，我们采用一种策略，即引导大模型自行生成演示（demo）样本。具体操作流程为，向 ChatGPT 明确告知标签的定义，并提供若干未标注样本作为参考示例，使大模型得以学习未标注文本的风格特征，进而生成与标签信息相符的样本。通过这种方式，我们成功构建了初始的上下文学习（ICL）示例集合，经实验发现，在部分数据集（如 SUBJ 数据集）中，该方法可使准确率显著提升 28 个百分点。在后续的标注轮次中，我们将依据小模型筛选后的结果来开展 ICL 操作，从而进一步优化标注效果。
2.小模型蒸馏
在小模型蒸馏阶段，我们运用了小损失选择（Small - Loss Selection）策略来挑选干净样本，并结合半监督学习技术开展噪声标记学习任务。对于熟悉弱监督学习领域的研究者而言，这种方法并不陌生。在小模型训练过程中，即便筛选出的 “干净样本” 集合中存在少量错误样本，对模型性能提升的影响也较为有限。然而，为了确保在上下文学习（ICL）过程中能够获得更为精准的演示样本集，我们基于损失值对样本进行逐类精心筛选，此操作旨在充分考虑样本的多样性，以增强样本集的代表性。最终，将筛选所得的样本反馈至大模型，以便对其进行修复与优化。鉴于我们在前期已实施了全量标注，经过两个轮次的迭代，模型基本能够收敛至理想状态，从而实现高效且准确的数据标注。
实验结果表明，FreeAL在多个任务上表现优异，其中一个引人注目的实验结果是，在涉及弱监督蒸馏得到的 RoBERTa 模型的实验中，仅当数据集为样本数量极少的 SST - 2 和 MR 时，ChatGPT 的表现优于 RoBERTa；而一旦数据集规模稍有增大，RoBERTa 执行上下文学习（ICL）的效果便超越了 ChatGPT。
<img src="https://static.fuxi.netease.com/fuxi-official/web/20241114/3d7ac5df79076b45b0f4ca6a13a2824a.jpg" alt="" width="960" height="287">
进一步将 FreeAL 与传统的主动学习（AL）方法进行对比，发现在特定的一些数据集上，FreeAL 能够取得超越人类标注结果的卓越成绩。
<img src="https://static.fuxi.netease.com/fuxi-official/web/20241114/bd5fa4d20b2b681361dbccd32c1bf6f7.jpg" alt="" width="960" height="728">
然而，我们也认识到，在实际生产环境中，仅依靠机器标注是不够的，标注过程离不开人类领域知识的支撑。
<h3>阶段三、基于大语言模型的协作式自动标注系统 CORAL（VLDB 2024）</h3>
基于FreeAL框架，我们进一步研发了CORAL框架，相关成果《CORAL: Collaborative Automatic Labeling System based on Large Language Models》成功入选VLDB 2024（文末扫码入群即可获取论文）。
CORAL框架提供了一种协作式自动标注原型系统，旨在减少人工参与并确保高质量的数据标注。通过结合大模型（LLM）和小模型（SLM）的协同工作，CORAL实现了初步的自动化标注流程，并以低成本提供可靠的标签数据，极大地降低了数据标注的时间和人工成本。
CORAL框架的工作流程包含大小模型协同标注体系、手动精炼模块和迭代过程控制器。其大小模型协同标注体系继承了FreeAL的优势，能够自动形成大量数据标注。手动精炼模块是CORAL的一大特色，它引入了人机协同的标注范式。通过网易有灵众包平台的用户界面，用户可以对标注结果进行审查，针对低置信度样本进行人工校正。这一模块使得用户能够专注于处理最具挑战性的样本，从而在有限的人工参与下有效提升标注数据的质量。迭代过程控制器则进一步增强了CORAL系统的有效性，它通过采集高置信度样本，不断优化大模型（LLM）和小模型（SLM）的标注精度，实现标签质量的持续改进。
<img src="https://static.fuxi.netease.com/fuxi-official/web/20241114/88934b6095b6ba5278558bd07bdae879.png" alt="" width="960" height="362">
目前，我们正在探索将大小模型协同标注系统与网易有灵平台的AOP体系深度集成。在当前的标注环境中，尽管大模型和小模型的协同已经能够处理大部分简单的数据标注任务，但复杂样本仍需要人类的专业知识和精准判断。通过这种集成，我们期望构建一个更加高效、智能的人机协同Agent调度体系。在这个体系中，大小模型协同标注系统能够精准定位那些尚未得到妥善解决的样本，然后由网易有灵众包平台引入人工干预，进行人机协同标注。人类标注员凭借其专业知识和经验，对复杂样本进行处理，从而实现最佳标注结果。这不仅将提高数据标注的准确性和可靠性，还将推动数据标注技术在更广泛领域的应用，为人工智能技术的发展提供更强大的数据支持。
最后，再次感谢CCF - 网易雷火联合基金的支持，感谢网易伏羲提供的平台与合作机会，感谢团队成员的辛勤付出，也感谢各位嘉宾的聆听！希望我们的研究成果能够为数据标注领域的发展贡献一份力量，共同推动人工智能技术迈向新的高度。
<img style="display: block; margin-left: auto; margin-right: auto;" src="https://static.fuxi.netease.com/fuxi-official/web/20241114/93f79b3b37c244f719d6880bf636c7a2.png" alt="" width="396" height="396">
扫码入群
获取《CORAL: Collaborative Automatic Labeling Systembased on Large Language Models》论文
市场生态合作:fuxi.mkt@service.netease.com
商务合作：fuxi@service.netease.com
合作电话：（0571）89852163转21951

CCF - 网易雷火基金项目成果：基于大小模型协同的低资源标注技术｜CNCC 2024 演讲实录

近日，Noisylabels榜单发布了最新排名，引起了广泛的关注。在这次榜单中，网易伏羲以其两项研究成果：《ProMix:Combating Label Noise via Maximizing Clean Sample Utility》和《Rethinking Noisy Label Learning in Real-world Annotation Scenarios from the Noise-type Perspective》高位入选。

近日，Noisylabels榜单发布了最新排名，引起了广泛的关注。在这次榜单中，网易伏羲以其两项研究成果：《ProMix:Combating Label Noise via Maximizing Clean Sample Utility》和《Rethinking Noisy Label Learning in Real-world Annotation Scenarios from the Noise-type Perspective》高位入选。这两项研究涉及到数据众包、标签噪声以及数据质量等领域，为标签噪声建模提供了理论基础，并为网易有灵标注中的标签去噪应用提供了方法，从而能够支持网易有灵标注输出准确率更高的样本标注结果。
&nbsp;
Noisylabels是首个真实世界标签噪声基准榜单，其体现了算法对于标签噪声的建模与识别能力，是标签去噪应用的重要理论依据。本次网易伏羲与浙江大学王皓波研究员合作，共有两项工作进入榜单中。其中ProMix在6个子榜中均取得第一，Proto-semi在3个子榜单中达到第四，另外三个子榜单分别获得第五、第六、第七名的成绩。同期入选榜单的方案单位还包括腾讯优图实验室、北大微软亚研院卡耐基梅隆大学等联合团队、谷歌纽约大学密歇根大学等联合团队、美团等。本次网易伏羲入选的两项目，在大多数子榜上的平均水平高于其他入选项目两个方法。
<div class="media-wrap image-wrap"><img id="https://static.fuxi.netease.com/fuxi-official/web/20230926/49a7ef467e2ac16d22429ce7d8f88641.png" title="网易伏羲两项研究成果入选Noisylabels榜单" src="https://static.fuxi.netease.com/fuxi-official/web/20230926/49a7ef467e2ac16d22429ce7d8f88641.png" alt="网易伏羲两项研究成果入选Noisylabels榜单"></div>
人工智能模型训练需要干净的样本数据集，然而现实生产环境的数据集往往大量依赖人工标注，在标注过程中，由于人的标注行为存在误差，容易产生有噪声数据集，因此会影响后续的模型训练，并最终限制了人工智能的应用落地。对此，标签噪声学习领域旨在理解并建模样本标签中噪声的产生机制，从而更好的训练模型，甚至在原有数据集中修正错误标签。为了标定当前标签噪声学习领域各个方法的有效性，学术界依托CIFAR数据集，推出了一个现实环境人类噪声的标签噪声榜单数据集。
&nbsp;
网易伏羲入选项目的具体信息如下：
&nbsp;
ProMix:Combating Label Noise via Maximizing Clean Sample Utility
<div class="media-wrap image-wrap"><img id="https://static.fuxi.netease.com/fuxi-official/web/20230926/d970e9d82134d9f4185e1a31ad52ce9c.png" title="ProMix:Combating Label Noise via Maximizing Clean Sample Utility" src="https://static.fuxi.netease.com/fuxi-official/web/20230926/d970e9d82134d9f4185e1a31ad52ce9c.png" alt="ProMix:Combating Label Noise via Maximizing Clean Sample Utility"></div>
该项目提出了一种新颖的混合样本生成方法ProMix，通过最大化干净样本的效用来抵抗标签噪声。ProMix利用了一种基于原型网络的自适应混合策略，可以根据样本的噪声程度动态调整混合比例，从而有效地利用干净样本的信息，同时减少噪声样本的影响。ProMix在Noisylabels榜单上的所有子榜中均取得了第一名的成绩，超越了其他所有的对比方法。
&nbsp;
Rethinking Noisy Label Learning in Real-world Annotation Scenarios from the Noise-type Perspective
<div class="media-wrap image-wrap"><img id="https://static.fuxi.netease.com/fuxi-official/web/20230926/37843e76fd5534decb5aaede9d92181e.png" title="Rethinking Noisy Label Learning in Real-world Annotation Scenarios from the Noise-type Perspective" src="https://static.fuxi.netease.com/fuxi-official/web/20230926/37843e76fd5534decb5aaede9d92181e.png" alt="Rethinking Noisy Label Learning in Real-world Annotation Scenarios from the Noise-type Perspective"></div>
该项目从噪声类型的角度重新思考了真实世界标注场景下的标签噪声学习问题，提出了一种新颖的标签噪声建模方法Proto-semi。Proto-semi基于原型网络和半监督学习的思想，可以自适应地识别和纠正不同类型的标签噪声，从而提高模型的泛化能力。该成果在Noisylabels榜单上的三个子榜中达到了第四名的成绩，在另外三个子榜中也取得了不错的排名。
&nbsp;
本次网易伏羲的两篇论文在该榜单中都获得了优异的排名，充分体现了网易伏羲在人类标注场景下标签噪声的理论认知已达到国际前沿水平，为后续的标签噪声修正和数据集质量维护等应用奠定了重要的理论基础。网易伏羲也将继续致力于标签噪声学习领域的研究，继续深入探索标签噪声学习领域的前沿问题，为人工智能模型训练提供更高质量的数据集，为人工智能的应用落地贡献力量。

网易伏羲获得Noisylabels榜单高位入选，两项研究引领标签噪声领域

近日，国际知识发现与数据挖掘大会 (ACM SIGKDD Conference on Knowledge Discovery and Data Mining，简称 KDD)公布了论文接收结果：网易伏羲共有四篇论文中稿Research Track和Applied Data Science Track。这四篇论文的研究方向涉及可解释性、在线营销、组合优化、主动学习等多个领域的关键问题，为数据科学领域带来了新的亮点。


近日，国际知识发现与数据挖掘大会 (ACM SIGKDD Conference on Knowledge Discovery and Data Mining，简称 KDD)公布了论文接收结果：网易伏羲共有四篇论文中稿Research Track和Applied Data Science Track。这四篇论文的研究方向涉及可解释性、在线营销、组合优化、主动学习等多个领域的关键问题，为数据科学领域带来了新的亮点。
<img src="https://static.fuxi.netease.com/fuxi-official/web/20240619/35c34f9634a051b0d0162e133a30df16.png" alt="" width="960" height="242">
KDD 是数据科学领域历史最悠久、规模最大的国际顶级学术会议，也是中国计算机学会（CCF）推荐的A类国际学术会议。自成立以来，KDD聚焦于数据挖掘、知识发现和大数据分析等领域的最新研究及应用进展，涉及机器学习、人工智能、统计学、数据库技术、数据可视化等研究领域，吸引了大量来自世界各地的学术界、工业界专业人士参与。今年，KDD 2024会议Research Track共收到2046篇论文投稿，Applied Data Science Track共接收738篇投稿，接受率仅20%，网易伏羲凭借深厚的科研底蕴与前瞻的技术实力成功入选四篇论文。截至目前为止，网易伏羲已累计发表200余篇人工智能顶会论文。
以下为网易伏羲此次入选的论文概要：
<h2>一、《XRL-Bench: A Benchmark for Evaluating and Comparing Explainable Reinforcement Learning Techniques》</h2>
<h2>XRL-Bench: 评估和比较可解释强化学习技术的基准</h2>
&nbsp;
关键词：可解释强化学习，可解释AI，Benchmark
涉及领域：Explainable RL，Explainable AI
论文链接：https://arxiv.org/abs/2402.12685
项目主页：https://github.com/fuxiAIlab/xrl-bench
&nbsp;
随着强化学习（RL）在游戏AI、机器人技术及工业控制等领域的广泛应用，其决策过程的可解释性愈发成为关乎可靠性和透明度的关键议题，尤其在对智能系统决策合理性与安全性有着极高要求的实际场景中，强化学习模型的“黑箱”特性成为制约其广泛接纳与部署的一大瓶颈。为破解这一难题，网易伏羲群体智能组推出开源项目XRL-Bench，通过构建一个涵盖RL环境、状态解释器与评估器三大模块的标准化评估框架，为可解释强化学习（XRL）方法的研发与评估提供稳固支撑。XRL-Bench旨在搭建一个综合、开放且易于使用的平台，为游戏竞技机器人的决策过程提供清晰、可量化且可比较的解释，从而赋能全球科研人员与从业者更有效地研发、测试与对比各类XRL算法。
<img src="https://static.fuxi.netease.com/fuxi-official/web/20240619/04338d22346a9f567871ae713ddf30e6.png" alt="" width="960" height="354">
该框架包含游戏环境、解释器、评估器，支持表格和图像状态输入，覆盖《全明星街球派对》等六款游戏环境。借助DRL训练的智能体和数据集，XRL-Bench提供CSV和MDPDataset格式数据，以及深度神经网络直接解释难题的解决方案，如TabularSHAP。该方法通过集成树模型学习策略，并利用TreeSHAP为RL智能体的决策过程提供透明解释。XRL-Bench提供五项评估指标，包括保真度的AIM、AUM、PGI、PGU和稳定性的RIS，形成全面评估体系。该平台简化了环境配置、数据生成、解释器初始化到解释评估的流程，便于扩展使用。
<img src="https://static.fuxi.netease.com/fuxi-official/web/20240619/675ab5df8493a584c9ade73f0af0f529.png" alt="" width="960" height="210">
XRL-Bench已在《永劫无间》等网易游戏AI中应用，通过TabularSHAP分析，揭示了AI行为背后的关键因素，帮助开发者深入理解内部逻辑，提高诊断和开发效率。例如，在《永劫无间》中，TabularSHAP帮助找出AI机器人在执行连招时出现的中断问题，经排查是编程接口bug所致。修复后，AI成功掌握高级连招技巧。
<img src="https://static.fuxi.netease.com/fuxi-official/web/20240619/d581b942a172f32c3aa4ab2640058b15.jpg" alt="" width="960" height="890">
作为一项里程碑式的开源项目，XRL-Bench不仅为全球研究者和开发者提供了统一的XRL方法测试平台，更彰显了网易伏羲在推动游戏竞技机器人可解释性技术进步上的领导力与创新精神。未来，XRL-Bench将持续拓展环境、解释方法与评估指标的覆盖范围，赋能更多AI机器人项目，助力游戏开发者高效诊断问题、优化策略，以及为玩家提供详实的AI行为解读。同时，网易伏羲将继续开发AI机器人可解释工具，构建客观的机器人水平和风格评价体系，推出AI教练战斗复盘报告功能，以科技力量持续缩短机器人开发周期，提升游戏AI的智能化水平与用户体验。
&nbsp;
<h2>二、《MGMatch: Fast Matchmaking with Nonlinear Objective and Constraints via Multimodal Deep Graph Learning》</h2>
<h2>MGMatch：通过多模态深度图学习实现快速匹配，解决非线性目标和约束</h2>
&nbsp;
关键词：游戏战斗匹配，非线性组合优化
涉及领域：Matchmaking, Neural Combinatorial Optimization
论文链接：https://openreview.net/attachment?id=MLErD6Hnwt&amp;name=pdf
论文网站：https://openreview.net/forum?id=MLErD6Hnwt
&nbsp;
作为在线游戏的核心问题，匹配是将玩家分配到多个团队，以最大化他们的游戏体验。随着游戏领域的迅猛发展，传统上将玩家体验简化为线性模型的做法已难以适应复杂的现实需求。相反，通过训练神经网络进行数据驱动的体验建模已成为主流趋势。然而，这一过程还需兼顾一系列复杂规则，用以保障匹配机制的稳定性和公平性，这些规则常通过逻辑运算符进行描述。因此，实际操作中，游戏匹配问题演变成了一项具有非线性目标、线性约束和逻辑约束的挑战性组合优化问题，在先前研究中鲜少得到深入探讨。
对此，我们创新性地提出了一种新颖的深度学习方法，旨在实现实时、高质量的匹配。首先，我们将问题转化为标准的混合整数规划（MIP）问题，通过对ReLU网络和逻辑约束进行线性化。接着，基于监督学习原理，我们设计并训练了一个多模态图学习架构，能够从实例数据中端到端地预测出最优解，并解决一个代理问题以有效地获得可行解。通过对真实行业数据集的评估，结果表明我们的方法能够在100毫秒内提供接近最优的解决方案。
<img src="https://static.fuxi.netease.com/fuxi-official/web/20240619/da9d424e3421040f7478804e85d9f01b.png" alt="" width="960" height="385">
<h2>三、《Temporal Uplift Modeling for Online Marketing》</h2>
<h2>突破在线个性化营销难题 —— 时序uplift模型（TPPUM)</h2>
&nbsp;
关键词：在线营销,uplift模型
涉及领域：recommendation system, causal inference
论文链接：https://openreview.net/attachment?id=jJy9pWeRJT&amp;name=pdf
论文网站：https://openreview.net/forum?id=jJy9pWeRJT
&nbsp;
近年来，uplift模型，也称为个体处理效应（ITE）估计，在在线营销领域得到了广泛应用，例如通过提供一次性的优惠券或折扣来激励用户购买。然而，在涉及用户多次干预的复杂且更为现实的场景中，这类模型的应用仍然相对较少。这些场景带来的挑战包括处理随时间变化的混杂因素偏差、确定最佳干预时机以及在众多处理选项中进行选择。
为了应对这些挑战，我们提出了一种基于时间点过程的提升模型（TPPUM）。该模型通过反事实分析和时间点过程，利用用户的时间事件序列来估计处理效应。在该模型中，营销行动被视为处理，用户购买被视为结果事件，处理如何改变未来生成结果事件的条件强度函数被视为提升。在涉及每天平均3到4次干预和数百个处理候选者的折扣捆绑推荐场景的在线实验中，我们的新方法明显提升了用户消费体验和应用的整体收入。这一结果证明了我们方法在处理复杂干预场景中的有效性和实用性。
<img src="https://static.fuxi.netease.com/fuxi-official/web/20240619/387b8b0af160f74392a3a2693125bdfb.png" alt="" width="960" height="651">
<h2>四、《CoMAL: Contrastive Active Learning for Multi-Label Text Classification》</h2>
<h2>CoMAL：通过对比主动学习，实现多标签文本分类</h2>
&nbsp;
关键词：对比学习，主动学习，多标签分类
涉及领域：Constrastive Learning, Active Learning, Multi-Label Text Classification
论文链接：https://openreview.net/pdf?id=njR3i99F0f
论文网站：https://openreview.net/forum?id=njR3i99F0f
&nbsp;
现实场景中普遍存在多标签文本分类（MLTC）问题，即需要对给定文本赋予多个标签。由于MLTC问题的标注耗时耗力，主动学习成为提升效率和效果的一个主要路径。然而，在MLTC问题上的主动学习应用仍面临诸多挑战，例如如何构建合理的特征空间以实现不同语义标签下的数据分离，以及如何为整个标签空间设计出合理的采样策略标准。
为了解决这些问题，我们提出了对比多标签主动学习框架（CoMAL）来实现更加高效的数据集构造方案。具体而言，我们首先通过对比解耦学习来获取多个标签的语义信息，从而获得更好的特征表示，接着采用混合标准来评估数据价值，包括基于相似度增强的标签基数不一致性以及正面倾向性的语义多样性得分。通过大量的实验验证，证明了CoMAL框架在主动学习策略上的有效性。我们相信，这一方案有望提升网易伏羲在多个业务算法模型中的数据闭环迭代效率和效果。
该论文由网易伏羲与浙江大学王皓波老师合作完成。
<img src="https://static.fuxi.netease.com/fuxi-official/web/20240619/061024829ac2db6f49bbe66fe3846047.png" alt="" width="960" height="578">
此次，网易伏羲论文成果入选KDD 2024，再度彰显了其前沿技术实力与领先技术地位，既是对网易伏羲持续钻研技术研发的赞誉，更是对其利用人工智能创新不断驱动产业升级实践的认可。
展望未来，网易伏羲将坚守技术初心与创新本源，从应用场景出发，继续深入探索各领域前沿问题，广泛共享人工智能科技成果，秉持“人机协作，万物有灵”的发展愿景，与各领域伙伴紧密合作，加速促进人工智能技术与实体经济的深度融合，为人工智能的应用落地贡献力量。

网易伏羲技术成果再获KDD认可，四篇入选论文展现AI研究领域深厚底蕴

“CCF-网易雷火联合基金”于2023年由网易伏羲与中国计算机学会（CCF）共同发起，致力于发挥和利用多方资源优势，加强与海内外青年学者的科研合作，促进中国人工智能等领域尖端技术产业的进步，并加快校企合作、技术成果转化落地。

“CCF-网易雷火联合基金”于2023年由网易伏羲与中国计算机学会（CCF）共同发起，致力于发挥和利用多方资源优势，加强与海内外青年学者的科研合作，促进中国人工智能等领域尖端技术产业的进步，并加快校企合作、技术成果转化落地。
网易雷火联合基金设立“创新研究型”与“业务创新型”两大类项目，覆盖AIGC、具身智能、群体智能、游戏与人工智能等多个领域。网易雷火联合基金向国内高校和科研院的全职教师和研究人员公开招募多个领域的8个项目，希望以此为抓手，充分发挥联合基金纽带作用，联合学界中坚力量，持续推动产学研深度融合，以技术推动创新，以文化传递信心，推动人工智能领域创新发展。
本次基金受到了学者们的广泛关注与支持，收到了来自清华大学、北京大学、浙江大学、中国科学技术大学、上海交通大学、复旦大学、南京大学、西安交通大学、哈尔滨工业大学、中国科学院大学、北京航空航天大学、北京理工大学、西北工业大学、武汉大学、厦门大学、东南大学、中山大学、华南理工大学、华东师范大学、四川大学、香港浸会大学、香港城市大学等多所高校学者的近百项申请。针对本次基金，我们邀请到来自CCF多个专委和网易伏羲的共13位专家组成专家评审委员会，对项目申请材料进行了两轮评审。每项申请均由专家组分别从技术先进性、业务可落地性、课题研究匹配度，团队基础等多个维度，给予综合评价。
最终，通过基金专家评审委员会的认真评审和投票，来自8个申请团队的项目脱颖而出。以下是2023年CCF-网易雷火联合基金入选学者名单（排名不分先后，按照课题发布顺序排序）。
<h3 id="mcetoc_1hjm0kus7d">2023年CCF-网易雷火联合基金入选学者名单</h3>
<img style="display: block; margin-left: auto; margin-right: auto;" title="厦门大学孙晓帅" src="https://static.fuxi.netease.com/fuxi-official/web/20240109/5473bcc1a04bb909704a5ab262ac3088.png" alt="厦门大学孙晓帅" width="900" height="507"><img style="display: block; margin-left: auto; margin-right: auto;" title="深圳大数据研究院王帅" src="https://static.fuxi.netease.com/fuxi-official/web/20240109/21cbbbee9d94e0bdf7b9716e688b8ed6.png" alt="深圳大数据研究院王帅" width="900" height="507"><img style="display: block; margin-left: auto; margin-right: auto;" title="浙江大学王越" src="https://static.fuxi.netease.com/fuxi-official/web/20240109/72df070777a24e34f88b3924d91d3186.png" alt="浙江大学王越" width="900" height="507"><img style="display: block; margin-left: auto; margin-right: auto;" title="浙江大学霍宇驰" src="https://static.fuxi.netease.com/fuxi-official/web/20240109/c7be3105b26f56d1be5496370638f90d.png" alt="浙江大学霍宇驰" width="900" height="507"><img style="display: block; margin-left: auto; margin-right: auto;" title="浙江大学王皓波" src="https://static.fuxi.netease.com/fuxi-official/web/20240109/c01c048c37fcd9e36aa4b0f899dff0df.png" alt="浙江大学王皓波" width="900" height="507"><img style="display: block; margin-left: auto; margin-right: auto;" title="中国科学技术大学黄振亚" src="https://static.fuxi.netease.com/fuxi-official/web/20240109/610ad161dab2854a89e54de4c4f566e7.png" alt="中国科学技术大学黄振亚" width="900" height="507"><img style="display: block; margin-left: auto; margin-right: auto;" title="上海交通大学晏铁超" src="https://static.fuxi.netease.com/fuxi-official/web/20240109/bfc2871f9ec405797cc97e294c30488d.png" alt="上海交通大学晏铁超" width="900" height="507"><img style="display: block; margin-left: auto; margin-right: auto;" title="北京大学杨耀东" src="https://static.fuxi.netease.com/fuxi-official/web/20240109/f106c5907df1dc535415d2b2f3ef884a.png" alt="北京大学杨耀东" width="900" height="507">
<h3 id="mcetoc_1hjm0kus7e">关于网易伏羲</h3>
网易伏羲是网易旗下专业从事游戏与元宇宙AI技术研究和应用的人工智能机构。致力于强化学习、群体智能、自然语言处理、视觉计算等多个领域的技术创新，拥有智能NPC、智能捏脸、智能创作、智能画像、智能对战匹配、智能竞技机器人等多项行业领先技术。网易伏羲致力于通过人工智能技术在游戏、文娱、工业等产业中的应用，全面释放劳动者的生产力。
伏羲机器人是网易旗下专注于由虚向实的智能体技术研究和应用的团队。研究方向围绕人机协作群体智能、具身智能展开，研发数字孪生引擎工具和平台，以及智能体核心能力模型，制定相关标准，构建行业生态。团队通过面向虚实世界的实时人机协作在线任务平台，为机器智能提供更多训练场景及数据的同时，旨在解决各行业劳动力短缺的问题，为社会创造更多便捷有趣的工作机会。
从虚拟到现实，网易伏羲致力于探索AI的无限可能，在未来虚实结合的世界中，将智能体融入人类生活的方方面面，实现人机协作，万物有灵的愿景。
<h3 id="mcetoc_1hjm0kus7f">关于网易雷火</h3>
网易伏羲隶属的网易游戏雷火事业群是网易在杭州的第一个游戏工作室，历经十多年发展，雷火游戏已是拥有三千多名员工的事业群，具备国内一流研发、运营、营销实力。雷火团队先后成功开创《倩女幽魂》、《天谕》、《逆水寒》、《永劫无间》等多个旗舰游戏，同时我们与国外知名IP进行深度合作，在竞技、卡牌、射击等多品类持续发力，以技术推动创新，以文化传递信心！

CCF（中国计算机学会）-网易雷火联合基金评审结果公布！

还记得去年冬天那场温暖的“爱宠翻译、通情达意”宠物语音征集活动吗？Pettichat、网易严选与网易伏羲三方携手，向千万宠物主发出邀请，用一段真实的宠物叫声，为AI模型注入“听懂”毛孩子的能力，让每一次“喵呜”和“汪汪”都不再是谜语。
活动上线后，我们收获了远超预期的热烈回响。来自天南地北的宠物主人，不仅提交了海量高质量的宠物语音，更通过镜头和麦克风，分享了一个个充满温度的生活瞬间。

有奖征集第二期｜上传猫狗视频，领取丰厚好礼
还记得去年冬天那场温暖的“爱宠翻译、通情达意”宠物语音征集活动吗？Pettichat、网易严选与网易伏羲三方携手，向千万宠物主发出邀请，用一段真实的宠物叫声，为AI模型注入“听懂”毛孩子的能力，让每一次“喵呜”和“汪汪”都不再是谜语。
<img src="https://static.fuxi.netease.com/fuxi-official/web/20260306/50716c6ef1b07e31f47f63b6229c1da2.jpg" alt="" width="1200" height="509">
活动上线后，我们收获了远超预期的热烈回响。来自天南地北的宠物主人，不仅提交了海量高质量的宠物语音，更通过镜头和麦克风，分享了一个个充满温度的生活瞬间。
有人拍下了小泰迪透过院门，望见主人归来时兴奋雀跃的呐喊瞬间。
有人记录了流浪田园犬面对救助人员时，发出警惕与试探的谨慎哈气声。
有人录下了客厅沙发上，蓝猫依偎身旁发出满足而安心的呼噜声。
有人分享了家中布偶猫与金渐层为争夺零食，相互对峙、发出低沉警告声的“家庭纠纷”现场。
此外，还有许多表达负面情绪的片段，比如因为不情愿洗澡而发出低沉呜咽的柴犬，见到陌生人发出愤怒嘶吼的缅因猫……这些来自家庭、户外、救助站、宠物店、医院等角落的声音，共同勾勒出宠物情感世界的图谱，也为AI理解宠物的多样情绪提供了至关重要的“教材”。
所以今天，我们想再次向你发出邀请：这份关于“听懂它们”的长期共创仍在进行中，网易有灵智能体新平台（agent.fuxi.163.com）已上线猫狗视频采集专项活动，欢迎各位宠物家长踊跃参与。我们珍视的，并非视频数量或拍摄技巧，而是那个你发现它情绪的微妙变化、于是拿起手机认真记录的时刻。那个“留下来”的动作本身，就是人宠之间最真挚的关注。
<img src="https://static.fuxi.netease.com/fuxi-official/web/20260306/73ea434d1494814db0126d2fa5350ff1.gif" alt="" width="1200" height="587">
本次活动依托网易伏羲自研的人机协作任务平台，旨在持续采集纯净、清晰的宠物原生视频。我们期待你提交个人真实录制的MP4格式视频，片段时长以完整记录一次叫声为宜（3秒至2分钟为佳）。请确保视频稳定、无剧烈晃动，声音部分尽可能只包含清晰的宠物叫声，减少背景杂音与人声。每一段符合要求的视频，都是构建未来沟通桥梁的一块基石，你将为此获得相应回报。
活动入口：<a href="https://agent.fuxi.163.com/task/16321/detail">https://agent.fuxi.163.com/task/16321/detail</a>
*任务详细规则及要求，详见网易有灵智能体官方平台。
每一次按下录制键，都是对爱宠日常陪伴的珍贵留存。期待各位宠物家长的踊跃参与，让我们一起用镜头和麦克风，记录下它们最真实、最清晰的表达，同时也为未来探索更智能的人宠交互打下基础。
关于网易有灵智能体
网易有灵智能体是网易伏羲自研的人机协作任务平台，基于AOP（Agent Oriented Programming，面向智能体编程）框架构建，支持用户快速设计、发布和运营可由机器与人类协作完成的任务。基于清晰的任务描述，平台以去中心化的方式智能匹配最优团队（包括人类和AI）智能体协同完成任务，解决AI和机器人落地的最后一公里问题。
除本文提及的猫狗视频采集外，平台还广泛应用于大模型数据采标、实时视觉审核、具身智能、游戏内容创作等多类型业务场景。目前，已为社会创造数十万就业岗位，助力产业高质量发展的同时，持续践行技术平权的价值理念。

有奖征集第二期｜上传猫狗视频，领取丰厚好礼

近日，由InfoQ极客传媒与模力工场联合发起的「2025中国技术力量年度榜单」评选结果正式揭晓。网易灵动凭借自主研发的「灵载·无人装载机器人」方案，从200余家企业的300余个参评案例中突围，成功入选“2025年度智能硬件（含具身智能）明星产品”，成为工程机械智能化领域的标杆代表。

网易灵动荣登2025中国技术力量年度榜单 ，装载机器人入选年度具身智能明星产品
近日，由InfoQ极客传媒与模力工场联合发起的「2025中国技术力量年度榜单」评选结果正式揭晓。网易灵动凭借自主研发的「灵载·无人装载机器人」方案，从200余家企业的300余个参评案例中突围，成功入选“2025年度智能硬件（含具身智能）明星产品”，成为工程机械智能化领域的标杆代表。
<img style="display: block; margin-left: auto; margin-right: auto;" src="https://static.fuxi.netease.com/fuxi-official/web/20251231/6b240ded138c5401850300cf6531e338.jpg" alt="" width="1029" height="1509">
在国家“人工智能+”行动规划的持续推进下，人工智能正从前沿技术加速迈向大规模产业落地的新阶段。“洞察AI变革，见证智能未来”，InfoQ指出，此次榜单系统梳理并呈现了过去一年在AI全栈创新与产业落地方面具有代表性的产品、平台与解决方案。
评选采用“专家团+InfoQ主编团+用户评分”综合机制，兼顾专业性与用户视角，历时两月从300余案例中筛选出真正具备技术突破与场景价值的成果。作为具身智能领域的明星产品，「灵载·无人装载机器人」的入选，印证了其在AI与工程机械融合中的标杆地位。
<img src="https://static.fuxi.netease.com/fuxi-official/web/20251231/ed2b7a444cb79bd03f0136e81e826f6d.png" alt="" width="1200" height="517">
「灵载·无人装载机器人」是网易灵动推出的全球首款面向全域场景的具身智能无人装载机，针对粉尘大、环境恶劣的散料场景，结合智能化改造与无人驾驶技术，为搅拌站、发电厂、港口、化工厂等场景的智能化升级提供可规模化复制的标杆解决方案，其核心技术突破涵盖三大层面：
全域泛化智能：基于网易自研的“机械智心”训练框架，“灵载”突破了传统算法针对固定场景定制的局限，通过端到端深度学习，实现了在封闭料场与开放场景等多种复杂环境下的自主适配与高效作业，核心覆盖“铲、运、卸、拢”全流程。
超视距安全闭环：基于“感知-决策-控制”联动的技术内核，系统不仅能实时精准识别车辆、人员等动态障碍，实现主动避让和紧急刹停，更能与厂区门禁系统智能协同，实现“车-路-场”一体化的安全管控，将人机碰撞风险有效降低，为无人化落地提供了安全保障。
开放生态兼容：“灵载”解决方案具备强大的兼容性，可适配徐工、三一、临工、柳工、龙工等市场主流品牌装载机，并支持燃油与电动多种动力车型的智能化改造，极大降低了行业智能升级的门槛。
<video style="width: 1194px; height: 597px;" controls="controls" width="1194" height="597">
<source src="https://cdn.fuxi.netease.com/eevee/fuxi_protal/index/backend/news/20251011-2.mp4?auth_key=2147483647-0-0-15a2ce64b24cae403230c9300886544e"></video>
目前，「灵载·无人装载机器人」已在全国多地实现规模化落地：
水电五局的合作中，推动搅拌站智能化升级，推动作业人员从高危环境解放，效率与稳定性显著提升，成为电建集团无人化标杆案例；
中铁二十局合作的高铁项目搅拌站中，实现混凝土生产场景无人化、自动化升级，为大型工程搅拌站转型提供样板；
上海建工建材科技集团联合网易灵动推动旗下搅拌站智能化升级，装载机器人系统实现24小时无间断生产，生产效率与质量稳定性提升，规避粉尘、噪音等环境安全隐患；
甘肃路桥建设集团完成旗下搅拌站无人化改造，装载机器人在粉尘弥漫、光线昏暗的超窄通道内灵活作业，24小时不间断上料，实现事故风险与人力投入双降，为西北地区交通建筑行业树立转型范式。
……
<video style="width: 1154px; height: 577px;" controls="controls" width="1154" height="577">
<source src="https://cdn.fuxi.netease.com/eevee/fuxi_protal/index/backend/news/20250910.mp4?auth_key=2147483647-0-0-fd550e74f64c83b31157f579015cb8cd"></video>
无人装载机器人现场作业
此外，「灵载·无人装载机器人」已从标准化拌合站延伸至开放型港口、堆场、电厂、化工厂、沥青搅拌站、农业等多场景，在保障安全的同时大幅提升散料运输、燃煤输送等运营效率，展现出强大的场景适应力。
开放场景1：发电厂
<img src="https://static.fuxi.netease.com/fuxi-official/web/20251126/a92a46414f96492e88b44773a215af08.png" alt="" width="1192" height="672">
开放场景2：露天矿山
<img src="https://static.fuxi.netease.com/fuxi-official/web/20251231/b659cdf91d05002e7b9a64e3b8b9bbb0.png" alt="" width="1174" height="663">
开放场景3：化工厂
<img src="https://static.fuxi.netease.com/fuxi-official/web/20251231/37df97fdbfae98f5d376d05d1850cda1.jpeg" alt="" width="1200" height="763">
开放场景4：沥青搅拌站
<img src="https://static.fuxi.netease.com/fuxi-official/web/20251231/d58eb3db59eb015f00c29d0ad79ac8e4.jpeg" alt="" width="1200" height="667">
开放场景5：农业
<img src="https://static.fuxi.netease.com/fuxi-official/web/20251231/77c3a8d26528dca2cec8f037e21e3014.png" alt="" width="1200" height="900">
……
以上为部分应用场景
此次获奖，是对「灵载·无人装载机器人」技术实力与落地价值的权威认可。正如榜单所倡导的“洞察AI变革，见证智能未来”，在“人工智能+”行动与数字中国建设的浪潮下，网易灵动将持续以创新为引擎，与产业伙伴一道深入更多场景，共同推动传统基建乃至更广阔领域的智能化转型，为高质量发展注入澎湃而坚实的科技动能。
&nbsp;

网易灵动荣登2025中国技术力量年度榜单 ，装载机器人入选年度具身智能明星产品

7月26日，世界人工智能大会（WAIC 2025）期间，网易伏羲旗下专注于工程机械智能化的机器人品牌——网易灵动召开露天矿山具身智能技术发布会，正式推出全球首个专为露天矿山挖掘机装车场景打造的具身智能模型“灵掘”，以及全球首个面向工程机械行业的具身智能训练框架“机械智心”。这一里程碑式的技术成果，以全自主技术向全球观众展示中国工程机械智能化的硬核实力，为全球矿山、港口、基建等领域注入新质生产力。现场，网易灵动还联合多家主机厂及露天煤矿企业启动“2027产业协同计划”，推动中国工程机械智能化进程。

全球首发！网易灵动推出“灵掘”具身智能模型，展示中国工程机械智能化硬核实力
当工业变革的浪潮席卷而来，中国工程机械智能化迎来历史性突破。
7月26日，世界人工智能大会（WAIC 2025）期间，网易伏羲旗下专注于工程机械智能化的机器人品牌——网易灵动召开露天矿山具身智能技术发布会，正式推出全球首个专为露天矿山挖掘机装车场景打造的具身智能模型“灵掘”，以及全球首个面向工程机械行业的具身智能训练框架“机械智心”。这一里程碑式的技术成果，以全自主技术向全球观众展示中国工程机械智能化的硬核实力，为全球矿山、港口、基建等领域注入新质生产力。现场，网易灵动还联合多家主机厂及露天煤矿企业启动“2027产业协同计划”，推动中国工程机械智能化进程。
<img src="https://static.fuxi.netease.com/fuxi-official/web/20250728/584ea39f42057fb4d16838bdaef9a709.png" alt="" width="1110" height="664">
一、“灵掘”：全球首个露天矿山装车场景具身智能模型
当前，新型工业化以数字化、智能化、绿色化为核心，正加速突破传统瓶颈构建现代产业体系。网易灵动负责人杨新伟介绍，传统露天矿山作业面临诸多挑战：人口红利消失、作业效率低下，以及生产安全风险。例如在矿山开采作业场景中，作业人员不仅面临坍塌、滑坡等地质灾害，还时刻遭受粉尘弥漫、噪音振动、机械伤害等安全风险，而智能化是破解这些难题的关键。作为工程机械智能化引领者，网易灵动此次发布深度响应国家能源局“2025年大型露天煤矿实现智能连续作业和无人化运输”的战略目标，为《煤矿智能化标准体系建设指南》提供了可规模化落地的技术范本。
&nbsp;
<img src="https://static.fuxi.netease.com/fuxi-official/web/20250728/dc10b8ff2d41860663ec50976c610648.jpg" alt="" width="1111" height="740">
&nbsp;
网易灵动负责人杨新伟
“人工智能已经在围棋、绘画等诸多领域大放异彩，可令人遗憾的是，在解放人类劳动力的领域，却鲜有突破。建筑工地、工厂车间……这些地方，依然充斥着人类高强度的体力劳作。”网易灵动技术负责人陈赢峰博士说道。而具身智能正是AI突破的下一程，让各类机器人拥有人类般的灵活，切实把人从机械、繁重且危险的劳动中解放出来，用算法替代人工涉险，用传感器守护操作者安全。
&nbsp;
<img src="https://static.fuxi.netease.com/fuxi-official/web/20250728/45712bf2f6d41d9995ae12b27c42d005.jpg" alt="" width="1111" height="740">
&nbsp;
网易灵动技术负责人陈赢峰博士
“灵掘”作为全球首个“端到端”工程机械具身模型，基于多模态数据驱动的自主学习技术，彻底颠覆传统开发模式，在技术上实现三大突破：
技术路径革新：摒弃传统分模块开发与场景定制模式，首创端到端一体化模型，实现泛化性能质的飞跃；
数据“飞轮”驱动：训练数据直接来自真实矿山作业场景，精准攻克仿真数据无法解决的场景难题；
全面国产化：基于自研国产框架打造，核心算法与硬件芯片完全自主可控，保障技术安全与供应链稳定。
在内蒙古煤矿的严苛环境中，“灵掘”单机装车效率已达人工的80%，近70%作业时间无需人为干预，成功适配极寒、高粉尘等严苛环境与多型号矿卡。“这项技术让AI成为矿山的‘铁臂战友’，装车精度和连续性远超预期，为行业安全与效率提升开辟了新路径。”内蒙古某露天煤矿代表在实测后评价道。
<video controls="controls" width="1000" height="500">
<source src="https://cdn.fuxi.netease.com/eevee/fuxi_protal/index/backend/news/20250728.mp4?auth_key=2147483647-0-0-dd5c715afe8a3fe4f0c359adc93769fa"></video>
二、“机械智心”：全球首个面向工程机械行业的具身智能训练框架
“机械智心”是“灵掘”具身智能模型的技术基石，赋予机器动态环境适应与持续进化的能力，可以快速将“灵掘”在矿山装车的成功经验拓展至港口清舱、混凝土拌合站、地销煤等多元场景，具备四大优势：
端到端决策：实现“感知-决策-控制”端到端自主决策的工程机械具身智能框架，摆脱模块化拼接依赖。
训练范式革新：三阶段学习深度融合——视频数据学习（通用知识）、专家数据学习（行业经验）、强化学习（技能优化），突破单一学习模式局限。
世界模型学习：构建数字仿真环境，解决真实数据不足的普遍行业难题，增强前瞻性决策能力。
数据闭环驱动：基于AOP（Agent-Oriented Programming）平台构建数据飞轮，实现低成本、高复用数据采集与回流。
“机械智心”的应用前景广泛，未来还可延伸至农业机器人、智能制造等领域，重新定义工业智能体的生态边界。
三、构建产业协同生态，加速技术普惠
为加速技术普惠，网易灵动宣布两大举措：首次开源“灵掘”数据集，并向全行业发起“2027产业协同计划”。
发布会现场，网易灵动宣布向全行业开放数据集，包括TB级的挖机作业视频数据集、百万级挖机师傅的作业示范轨迹数据集。这两大数据集不仅是工程机械领域规模最大的开放数据集，更是具身智能机器人领域内首个垂直领域规模最大的开放数据集。
<img src="https://static.fuxi.netease.com/fuxi-official/web/20250728/7055b2526c5ba51b25cb20ed54591da7.png" alt="" width="1280" height="720">
*开放数据集地址：
<a href="https://huggingface.co/datasets/fuxi-robot/excavator-motion">https://huggingface.co/datasets/fuxi-robot/excavator-motion</a>
<a href="https://huggingface.co/datasets/fuxi-robot/excavator-video">https://huggingface.co/datasets/fuxi-robot/excavator-video</a>
“2027产业协同计划”是网易灵动联合徐工集团、三一重机、山河智能等主机厂及各露天煤矿企业，通过技术共享平台推动联合研发、场景共创与标准制定，目标在2027年实现超30座矿山无人化运营，以生态合力加速技术普惠。
<img src="https://static.fuxi.netease.com/fuxi-official/web/20250728/895f44b3071086a1a64c3f4148a4a5ac.jpg" alt="" width="1280" height="853">
四、创新引擎驱动，从“中国答案”到全球标杆
智能矿山是矿业高质量发展的必由之路，更是保障国家能源资源安全的战略选择。在政策赋能与技术革命交汇的今天，“灵掘”模型与“机械智心”的发布，推动工程机械从“远程遥控”迈入“全自主作业”时代，为中国式现代化筑牢资源基石。
网易灵动将持续迁移全球领先的游戏AI技术至实体产业，不断挑战更具价值、也更具难度的场景，通过技术开放与产业协同，在矿山智能化建设与工程机械智能化的星辰大海中，以中国创新之力，为全球工业智能化提供安全、高效、绿色的中国范式。

全球首发！网易灵动推出“灵掘”具身智能模型，展示中国工程机械智能化硬核实力

报名即将截止！倒计时6天！2025年CCF-网易雷火联合基金二期聚焦游戏AI及相关核心领域，共11个课题，资助额度为10-15万元/项，课题即将于2025年12月14日24:00截止申报，欢迎CCF会员积极申报。

报名即将截止！2025年CCF-网易雷火联合基金二期申报进行中

活动上线后，我们不仅收到了很多用户的支持与反馈，还看到了「别出心裁」的创意任务设计
✅有人尝试打造“赛博月老”，帮助单身人士识别理想伴侣；
✅有人试图寻回“失联老友”，用AI技术重新建立情感连接；
✅有人探索创作“搞笑仙侠”，让修仙界体验下科技与狠活；

网易有灵智能体<a class="js_common_share_desc_link normal_text_link mp_article_text_link mp_article_text_link" href="https://fuxi.163.com/database/3028" target="_blank" rel="noopener" data-href="https://mp.weixin.qq.com/s?__biz=MzU2Nzg0NTk0NQ==&amp;mid=2247494062&amp;idx=1&amp;sn=015f9d0d18fccf1d4b73e0bbfa8c51b3&amp;scene=142#wechat_redirect" data-itemshowtype="8">「任务体验官」正在有奖招募中</a>～ 活动上线后，我们不仅收到了很多用户的支持与反馈，还看到了「别出心裁」的创意任务设计 ✅有人尝试打造“赛博月老”，帮助单身人士识别理想伴侣； ✅有人试图寻回“失联老友”，用AI技术重新建立情感连接； ✅有人探索创作“搞笑仙侠”，让修仙界体验下科技与狠活； …… 以上只是平台部分创意任务，我们期待更多脑洞大开、有趣有料的任务在平台绽放光彩～ 参与方式看这里 关注 <a class="js_mention_entry wx_at_link wx_tap_link js_wx_tap_highlight" href="https://mp.weixin.qq.com/mp/readtemplate?t=pages/link_mid_jump&amp;biz=MzU2Nzg0NTk0NQ==" target="_blank" rel="noopener" data-href="https://mp.weixin.qq.com/mp/readtemplate?t=pages/link_mid_jump&amp;biz=MzU2Nzg0NTk0NQ==" data-username="gh_c06958106193" data-biz="MzU2Nzg0NTk0NQ==">@网易伏羲</a> 公众号，后台私信：任务体验官，即可参与任务体验官招募活动，赢取丰厚好礼<img class="we-emoji__Gift we-emoji" src="https://res.wx.qq.com/mmbizappmsg/zh_CN/htmledition/js/images/pic/pic_blank7b610b.gif" alt="????"> 用几句自然语言对话，就能将您的创意想法，变成一份清晰且标准的任务需求文档。
<img src="https://static.fuxi.netease.com/fuxi-official/web/20260115/2a2818e15ed0b7d6a70e17b220ef37e7.png" alt="" width="1200" height="1067">

任务分享｜他们都在用有灵智能体做什么？

近日，第二届Ray Summit会议在美国旧金山顺利举行。作为国际顶尖的大数据技术峰会，Ray Summit致力于展示和讨论使用Ray框架构建和扩展人工智能应用和基础设施的最佳实践，旨在促进人工智能、机器学习和分布式计算领域的创新和交流，每年会有来自DeepMind、OpenAI、Uber、LinkedIn、Niantic等公司和机构的数千名工程师、学者和行业专家参与。网易伏羲作为国内人工智能领域的前沿团队，也受邀参加此次会议。

近日，第二届Ray Summit会议在美国旧金山顺利举行。作为国际顶尖的大数据技术峰会，Ray Summit致力于展示和讨论使用Ray框架构建和扩展人工智能应用和基础设施的最佳实践，旨在促进人工智能、机器学习和分布式计算领域的创新和交流，每年会有来自DeepMind、OpenAI、Uber、LinkedIn、Niantic等公司和机构的数千名工程师、学者和行业专家参与。网易伏羲作为国内人工智能领域的前沿团队，也受邀参加此次会议。<div class="media-wrap image-wrap align-center" style="text-align:center"><img class="media-wrap image-wrap align-center" id="https://static.fuxi.netease.com/fuxi-official/web/20230922/126a4deaa47495c1324e26762a8f574d.png" alt="第二届Ray Summit会议" title="第二届Ray Summit会议" src="https://static.fuxi.netease.com/fuxi-official/web/20230922/126a4deaa47495c1324e26762a8f574d.png"/></div>Ray是一个由Anyscale开发并维护的开源分布式计算平台，支持各种机器学习工作负载，如分布式训练、强化学习和超大语言模型等。网易伏羲实验室通过Ray和RLLib等工具在网易游戏中加速了许多基于强化学习的服务，从而提升游戏玩家的用户体验。在本届Ray Summit，网易伏羲团队的用户画像负责人润泽博士向与会者们分享了伏羲提出的RL4RS（Reinforcement Learning for Recommender Systems）项目，为基于强化学习的推荐系统带来了新的技术思路。RL4RS是网易伏羲团队提出的一个包含真实世界数据集、仿真环境和前沿算法的工业数据集，是首个完全开源的工业级推荐系统数据集，用于训练和评估具有对现实差距特殊关注的RL算法，包含两个真实世界的数据集、数据理解工具、调整过的仿真环境、相关的高级RL基准、批处理RL基准和反事实策略评估算法。该项目的发布为推荐算法和模拟环境构建的研究提供了宝贵资源，为推荐系统的发展注入了新的活力。在演讲中，润泽博士详细地介绍了RL4RS项目的背景和意义：传统的推荐系统主要依赖于协同过滤、内容过滤等方法，但这些方法在面对复杂的用户行为和多变的市场环境时存在一定的局限性。而强化学习作为一种能够自主学习和优化的算法，具备了更强的适应性和灵活性，有望为推荐系统带来革命性的突破。<div class="media-wrap image-wrap"><img class="media-wrap image-wrap" id="https://static.fuxi.netease.com/fuxi-official/web/20230922/d65dd87f15d97838a4ea2397c03ee3cd.png" alt="网易伏羲用户画像负责人润泽博士分享RL4RS项目" title="网易伏羲用户画像负责人润泽博士分享RL4RS项目" src="https://static.fuxi.netease.com/fuxi-official/web/20230922/d65dd87f15d97838a4ea2397c03ee3cd.png"/></div>为了验证RL4RS的有效性，网易伏羲也在集团内的多个游戏业务中进行了实际应用：通过利用RL4RS构建的强化学习推荐系统，对玩家行为的进行学习与优化，从而提升游戏的用户满意度、为游戏系统的平稳运行保驾护航。这一应用的成功不仅证明了RL4RS的可行性，也为推荐系统技术开辟了新的方向。吴博士还介绍了RL4RS的评估框架，该框架不仅能够全面评估推荐系统的性能，还可以帮助研究人员更好地理解和分析推荐算法的优劣之处。这一框架的推出填补了推荐系统评估领域的空白，为推荐算法的研究和应用提供了重要的支持。润泽博士的演讲在现场引发了热烈的反响，不仅让听众们深入了解了RL4RS项目的重要性和潜力，也向行业展现了推荐系统领域的无限活力。期待未来能有更多系统和应用强化学习的热爱者们加入，为科技创新和人工智能发展注入新的活力。

网易伏羲 & Ray Summit 2023：强化学习推荐系统的创新之旅

test

test_write

security_test_news

security_test_write

security_test_12345

人工智能的理论体系为模型设计提供逻辑基础与方法论指导，而模型则是理论在具体任务中的实现载体。理论研究关注智能的本质、学习的边界、推理的机制等根本问题，涵盖计算学习理论、概率推理、优化方法、信息论等；模型则聚焦于可计算、可训练、可部署的算法结构，如神经网络、决策树、支持向量机等。二者相辅相成：理论推动模型创新，模型验证理论可行性。正是这种“理论—模型—应用”的闭环演进，驱动了人工智能从符号主义、连接主义到当前数据驱动范式的持续跃迁。

人工智能之模型与理论：智能系统构建的科学根基

当我们谈论人工智能时，那些令人惊叹的图像生成、流畅的对话交互和精准的预测决策，都非凭空产生。它们背后，站着一系列深邃的数学模型与理论基础，正是这些理论与模型的演进与突破，构成了人工智能从概念走向现实、从简单走向强大的核心驱动力量。理解人工智能的模型与理论，并非仅是技术专家的专利，更是我们洞察科技发展趋势、把握未来创新方向的关键。它揭示了机器如何学习、如何理解、如何进行决策的内在逻辑。从浅显的线性回归到深不可测的神经网络，从经典的符号主义到连接主义的崛起，一部人工智能发展史，本质上就是其核心模型与理论不断进化与融合的历史。