近日，世界人工智能大会暨人工智能全球治理高级别会议在上海开幕。开幕当天，由清华大学人工智能国际治理研究院主办的“人工智能前沿技术的治理挑战与应对论坛”同期举行。
论坛现场，图灵奖得主、中国科学院院士、清华大学人工智能学院院长、上海期智研究院院长姚期智作题为《人工智能安全治理的研究方向》的主旨演讲。姚期智提出，AI安全治理的当务之急在于发展AI对齐与相应的评估方法、结合中国优势来建立符合国情的AI治理框架，AI安全治理日趋重要，并已发展成为学术交叉新领域，亟需开展构建AI安全系统的基础理论研究。
围绕“生成式人工智能数据安全治理”话题，香港科技大学首席副校长郭毅可通过“数字分身”作主旨报告。他认为，随着各国人工智能立法工作的开展，国际社会对数据安全治理的重视日益彰显，在这样的背景下，加强国际间合作与交流，共同探讨数据安全治理的最佳实践，分享经验和教训，推动法律法规的协调统一尤为重要。
论坛期间，清华大学人工智能国际治理研究院联合相关机构共同发布成果报告《全球人工智能治理与中国方案》研究报告（征求意见稿）。报告指出，本轮人工智能浪潮处于“工具化末期、产品化初期”阶段，“发展治理”和“安全治理”受到高度关注。
同时，《前沿人工智能发展与治理》新书发布。中国发展出版社社长王忠宏表示，该书覆盖了人工智能的发展全景、产业应用，深入探讨了人工智能的潜在风险和国际治理等多个关键议题，希望该书能推动社会各界对人工智能深入理解，促进人工智能健康、有序发展，并为全球人工智能治理提供中国智慧。
此外，《中国人工智能重大应用场景白皮书》研究及“智能向善全球伙伴计划”正式启动。论坛还邀请国内外学界、产业界、智库机构的专家学者，围绕“人工智能国际治理”主题展开圆桌对话。
新闻来源：人民网 & 清华新闻
10 个月前
AI for Good Global Summit 即人工智能向善全球峰会，是联合国开展人工智能对话的重要渠道，也是全球人工智能领先经济体开展人工智能领域国际交流合作的重要平台。 - 举办背景： 该峰会自2017年以来已连续举办多届，旨在确定加速实现联合国可持续发展目标的AI实际应用，并将人工智能创新者与公共和私营部门的政策制定者联系起来，以协助在全球范围内扩大人工智能解决方案的规模。 - 2024年峰会情况： 于2024年5月30日至31日在瑞士日内瓦国际会议中心举行。由国际电信联盟与40余家联合国机构合作举办，与瑞士政府共同召集。以“人工智能治理”为主题，采用线上+线下结合的形式。9000余名代表参加，OpenAI CEO山姆·奥特曼、图灵奖得主杰弗里·辛顿等远程参与。峰会收到多个国家的申报案例和学者申请，最终来自19个国家的40个案例入选“人工智能向善”案例集，8个国家的13名专家入选AI for Good学者。 - 2025年峰会安排： 将于2025年7月8日至11日在瑞士日内瓦的Palexpo举行，同时支持线上参与。峰会将围绕AI与可持续发展目标、创新展示、人工智能治理与伦理、机器人应用、青年与性别等主题展开，通过高层讨论、创新展示和实际演示等形式，促进人工智能安全、包容、可持续和以人为本的发展。
1 年前
2025 年 3 月 12 日，清华大学 NLP 实验室联手中南大学等提出 APB 序列并行推理框架，可解决长上下文远距离语义依赖问题，在 128K 文本上比 Flash Attention 快约 10 倍。
1 年前
2月10日，清华大学KVCache.AI团队联合趋境科技发布的KTransformers开源项目公布更新：一块24G显存的4090D，就可以在本地运行DeepSeek-R1、V3的671B“满血版”。 预处理速度最高达到286 tokens/s，推理生成速度最高能达到14 tokens/s。 KTransformers通过优化本地机器上的LLM部署，帮助解决资源限制问题。该框架采用了异构计算、先进量化技术、稀疏注意力机制等多种创新手段，提升了模型的计算效率，并具备处理长上下文序列的能力。
1 年前
AI Action Summit 2025 2025年人工智能行动峰会 时间：2025年2月10日至11日 地点：法国巴黎大皇宫 主办方：法国与印度共同主持 背景：基于2023年11月布莱切利公园峰会和2024年5月首尔峰会的进展，推动人工智能（AI）的可持续发展与全球治理。 峰会目标 提供独立、安全和可靠的AI：确保AI技术对广泛用户的可信性和安全性。 开发更环保的AI：推动AI技术的可持续发展，减少环境影响。 确保AI全球治理的有效性和包容性：建立全球协作框架，促进AI的公平使用。 峰会主题 峰会围绕以下五个战略重点展开： 公共服务AI：AI在公共服务领域的应用与创新。 未来工作：AI对劳动力市场的影响与未来工作模式的转变。 创新与文化：AI在文化和艺术领域的潜力与挑战。 信任AI：确保AI技术的透明性、可靠性和道德使用。 AI的全球治理：建立国际合作框架，推动AI的全球规范与标准。 法国的AI领导地位 法国在人工智能领域处于全球领先地位，主要得益于： 2018年国家战略：基于法国卓越的研究基础，推动计算能力发展（如让·扎伊和爱丽丝·雷科克超级计算机）和AI在经济中的广泛应用。 生态系统：拥有600家AI初创公司，融资规模持续增长。 国际参与：法国是参与所有重要国际AI倡议的七个国家之一。 峰会的意义 推动集体进步：通过科学基础、解决方案和标准的建立，促进AI的可持续发展。 展示生态系统：展示全球AI生态系统的创新成果，推动多方参与。 国际合作：由约30个国家和国际机构组成的指导委员会确保峰会的包容性和多样性。 AI的机遇与挑战 机遇：AI正在彻底改变卫生、教育和劳工等关键领域，带来前所未有的发展机会。 挑战：AI的迅速部署也带来了信息可靠性、基本权利保护和可访问性等方面的重大挑战。 此次峰会将成为全球AI领域的重要里程碑，推动AI技术的可持续发展与全球治理，同时确保其符合普世价值。
21 天前
AiPPT: 一句话、一分钟、一键搞定
29 天前
Ralph 就是一个让 AI "自己干活直到做完"的循环机制，特别适合复杂的编程任务，解放人力。这里介绍具体怎么搭建和使用 Ralph 循环。 📋 前置准备 你需要准备以下内容： 工具 用途 Claude Code Anthropic 的 AI 编程助手 CLI Docker Desktop 提供隔离的沙盒环境 Anthropic API Key 调用 Claude API 🛠️ 搭建步骤 方法一：使用 Claude Code 插件（推荐） Step 1: 安装 Claude Code # 安装 Claude Code CLI npm install -g @anthropic-ai/claude-code Step 2: 初始化项目 mkdir my-ralph-project cd my-ralph-project claude init Step 3: 添加插件市场 claude plugins add-marketplace Step 4: 安装 Ralph Wiggum 插件 claude plugins install ralph-wiggum Step 5: 配置 Stop Hook 在 .claude/hooks/ 目录下创建 stop-hook.json： { "hook_type": "stop", "decision": "block", "conditions": { "check_tests": true, "check_type_errors": true, "check_git_changes": true }, "max_iterations": 20, "prompt": "任务未完成，请继续迭代修复问题" } 方法二：手动搭建（完全控制） Step 1: 创建项目结构 my-ralph-project/ ├── .claude/ │ ├── hooks/ │ │ └── stop-hook.sh │ ├── skills/ │ │ └── ralph-loop.json │ └── config.json ├── prd/ │ └── requirements.json └── workspace/ Step 2: 配置核心文件 config.json - 核心配置 { "max_iterations": 15, "auto_commit": true, "run_tests_after_each_iteration": true, "stop_conditions": { "all_tests_pass": true, "no_type_errors": true, "prd_completed": true } } skills/ralph-loop.json - 技能定义 { "name": "ralph-loop", "description": "自主迭代循环实现 PRD 任务", "trigger": "when_task_incomplete", "actions": [ "analyze_current_state", "identify_blockers", "fix_issues", "run_tests", "commit_if_passing" ] } hooks/stop-hook.sh - Stop Hook 脚本 #!/bin/bash # 检查测试是否通过 TESTS_PASS=$(npm test 2>&1 | grep -c "passed") # 检查是否有类型错误 TYPE_ERRORS=$(npx tsc --noEmit 2>&1 | grep -c "error") # 检查 PRD 是否完成 PRD_COMPLETE=$(node check-prd.js) if [ "$TESTS_PASS" -eq 0 ] || [ "$TYPE_ERRORS" -gt 0 ] || [ "$PRD_COMPLETE" = "false" ]; then echo "BLOCK: 任务未完成，继续迭代" exit 1 else echo "ALLOW: 任务已完成" exit 0 fi Step 3: 准备 PRD 文件 prd/requirements.json { "project_name": "My Feature", "tasks": [ { "id": 1, "description": "创建用户登录页面", "criteria": ["表单验证正常", "API 调用成功", "错误处理完善"], "status": "pending" }, { "id": 2, "description": "实现用户注册功能", "criteria": ["邮箱验证", "密码强度检查", "重复密码确认"], "status": "pending" } ] } 🚀 使用方法 启动 RALPH 循环 # 方法一：插件方式 claude run --skill ralph-loop --prd ./prd/requirements.json # 方法二：Docker 隔离环境 docker run -it \ -v $(pwd):/workspace \ -e ANTHROPIC_API_KEY=$ANTHROPIC_API_KEY \ claude-ralph:latest 监控循环状态 # 查看当前迭代次数 cat .ralph/iteration_count # 查看任务完成状态 cat .ralph/task_status.json # 查看日志 tail -f .ralph/loop.log 🔧 高级配置 1. 自定义 Stop Hook 规则 { "stop_conditions": { "all_tests_pass": { "enabled": true, "command": "npm test", "success_pattern": "all tests passed" }, "no_lint_errors": { "enabled": true, "command": "npm run lint", "success_pattern": "no problems" }, "coverage_threshold": { "enabled": true, "threshold": 80 } } } 2. 添加代码审查步骤 { "after_each_iteration": [ "run_tests", "run_linter", "code_review", "commit_if_passing" ], "code_review_prompt": "审查代码质量、安全性、性能问题" } 3. 设置成本控制 { "cost_limits": { "max_tokens_per_iteration": 50000, "max_total_cost": 50, "alert_at_cost": 30 } } 📊 典型工作流程 ┌─────────────────────────────────────────────┐ │ 1. Claude 读取 PRD 任务列表 │ └─────────────────┬───────────────────────────┘ ↓ ┌─────────────────────────────────────────────┐ │ 2. 选择下一个待完成任务 │ └─────────────────┬───────────────────────────┘ ↓ ┌─────────────────────────────────────────────┐ │ 3. 实现代码、编写测试 │ └─────────────────┬───────────────────────────┘ ↓ ┌─────────────────────────────────────────────┐ │ 4. 运行测试套件 │ └─────────────────┬───────────────────────────┘ ↓ ┌─────────────────────────────────────────────┐ │ 5. Stop Hook 检查是否完成 │ │ • 测试通过？ │ │ • 无类型错误？ │ │ • PRD 要求满足？ │ └─────────────────┬───────────────────────────┘ ↓ ┌───────┴───────┐ ↓ ↓ 未完成 完成 ↓ ↓ 返回步骤 2 结束循环 💡 最佳实践 建议 说明 PRD 要清晰 任务描述具体、可验证，避免模糊需求 设置最大迭代 防止无限循环消耗过多成本 使用 Docker 隔离环境，避免污染本地系统 定期检查 每 10 轮查看一次进度和日志 成本监控 设置预算警报，避免超支 ⚠️ 注意事项 成本控制：每次迭代消耗 tokens，长时间运行成本较高 质量检查：AI 可能"认为"完成但实际有 bug，需要严格测试 安全边界：在沙盒环境运行，避免 AI 误删重要文件 人工介入：复杂任务仍需人工审查结果
29 天前
Ralph Loop 是一种让 AI 自主迭代的机制，主要用于解决 AI 编程助手"半途而废"的问题。
1 个月前
OpenClaw 本质是“开发者基础设施”，而非面向大众的 SaaS 产品。
Minimax（海螺AI）已由大模型名Minimax替换原海螺AI。现海螺AI为Minimax视频生成产品名。
海螺AI