计算知识视觉是一个新的观点或研究领域。计算知识视觉在视觉感知模型注入先验知识，使模型获得理解能力。模型在一定程度上像普通成年人一样进行有效的学习和推理。计算知识视觉不仅为人类先验知识与感知视觉机器提供了“桥梁”，还能系统地适配“桥梁”上不同层次的视觉任务。另外，提出了视觉层次及其与知识的联系，指出知识是一种合理的真信念。最后总结了近期的工作，并提出了一个新的研究方向，即知识在视觉方法研究中可以是一个思维框架。

大语言模型和视觉语言模型在各领域的应用中展示出巨大潜力，成为研究热点。然而，幻觉、知识迁移、与人类意图对齐等问题仍然影响着大模型的性能。首先，探讨了提示工程与对齐技术基本原理，提出基于提示优化、专家反馈机制及实时调整机制的引导概念，提升了大语言模型在跨领域应用中的性能；其次，深入分析提示工程的核心技术，如多步推理处理复杂任务的原理；然后，针对各领域的实际应用，讨论提示工程的发展现状；最后，总结提示工程面临的挑战并展望其未来发展方向。提示工程在理论与应用方面的发展，为提升大模型在实际应用中的性能提供了全面的解决方案。

博物馆负责海量文化遗产的保管、研究、传播等工作。随着人工智能技术的飞速发展，社会对博物馆智能化水平的要求不断提高。以大语言模型和人工智能代理为代表的通用人工智能取得了里程碑式的进展，给新时代博物馆建设提供了新技术支撑。以平行智能和平行博物馆系统为平台，提出了人工智能代理驱动的人机混合博物馆管理架构，从而发挥平行博物馆虚实交互与平行执行的框架作用。阐述了智能代理驱动的平行博物馆系统架构与关键技术，基于人工系统构建智能代理的生产工厂和运行平台，利用计算实验进行博物馆的建模和智能代理的训练，通过自然人、数字人和机器人构建人机混合的智能代理团队，实现虚拟博物馆与实体博物馆的平行执行与迭代优化。最后，介绍了智能代理驱动的平行博物馆典型案例。

随着声音艺术等垂直领域基础模型的迅速发展，人工智能与音乐创作表演呈现愈发融合的趋势。面向音乐创演的流程与需求，提出新型音乐创演框架——平行音乐系统，该系统基于平行系统理论与人工社会、计算实验和平行执行方法，通过模拟真实世界的音乐创演环境，构建高度逼真的虚拟音乐创演场景，在虚拟和真实音乐系统间实现实时无缝交互，设计大模型时代音乐创演的人工系统、计算实验、平行执行各环节技术路线，形成由自然人、数字人、机器人组成的人机混合音乐创演团队。阐述了平行音乐的理论框架和关键技术，分析其在现代音乐领域中的创新意义和潜在价值，并探讨了平行音乐在乐曲生成和音乐治疗等场景中的应用案例。旨在利用大模型时代的人工智能技术赋能传统音乐创作路径，推动音乐创演的技术革新进程，释放音乐家的艺术创新潜力，以期为新时代音乐创演提供新视角与启发。

旅游作为一种满足人们对不同生活体验和知识需求的活动，对经济、文化等领域都产生了深远影响。随着物联网、多模态大语言模型等技术的迅速发展，传统的旅游业难以满足人们智能化以及个性化的旅游需求。为此，以平行智能为理念，基于ACP方法与多模态大语言模型提出了虚实交互的个性化旅游服务系统，通过构建旅游大模型，并结合检索增强生成方法和多智能体协作系统，打造个性化旅游服务的新范式。此外，探讨了平行旅游的应用生态，从“行”“住”“食”“衣”4个方面对整个旅游生态进行拓展，分析了其他行业与个性化旅游服务的融合。平行旅游将为旅游行服务业的发展带来全新可能。

近年来，多模态内容生成模型迅速发展，极大地提高了创意工作者的创作效率。然而，现有方法仍然需要领域专业知识，无法实现创作全流程的自动化，难以广泛服务于普通人群。因此，提出智能艺术工厂的理念和架构，基于大模型和人工智能智能体技术，构建智能艺术工厂的工作流程、基本功能和实现方法，建立面向创意创作的智能体员工和数字人团队，通过生物人、数字人和机器人的跨物理、信息、社会空间协作，实现创作流程自动化和创作知识自动化。智能艺术工厂将进一步解放大众的创造力。

面向未来海上分布式作战需求，以对抗环境下分布式作战场景中智能导弹齐射突防水面舰艇为背景，首先，分析了导弹突防策略规划问题；其次，设计了基于奖励塑造强化学习的智能导弹突防策略规划方法；然后，在墨子联合作战推演系统上构建导弹突防舰艇的作战想定，实验结果表明本文方法的智能导弹突防打击成功率为79%，验证了基于奖励塑造强化学习方法的有效性；最后，经过复盘发现，奖励塑造实验涌现出智能导弹的4类对舰打击突防策略：集中迂回攻击、分散突防多向攻击、分组延时攻击、巡弋探测指引攻击。

模糊自然语言处理将模糊理论应用在自然语言处理（NLP）的任务中，随着大模型与人工智能的不断发展，有关文本数据的研究不断深化。铁路调度集中控制（CTC）系统作为大型复杂系统，各子系统、服务器软件间的接口数据均以日志文本格式存储与传输。由于其具有文本数量多、文本类型杂等特点，提出了一种模糊自然语言处理的方法，解决CTC系统接口数据的人工测试难题。模糊C均值（FCM）聚类算法将日志文本分为不同的标签类别，并将其作为NLP任务中命名实体识别的标签输入，在传统BiLSTM-CRF模型上引入BERT进行文本编码，更准确地理解文本之间的关系并提高文本识别的精确度。根据前序训练模型，研发了铁路CTC系统日志文本接口测试的智能验证工具，其可以改善目前CTC系统的人工测试现状，帮助测试人员进行接口测试验证，提升测试工作的智能化、自动化水平。

随着数字化转型的加速，数据已成为驱动科技创新与经济增长的核心要素。然而，广泛存在的数据孤岛现象严重阻碍了跨领域、跨组织间的数据流通与合作，使得数据供应难以满足多样化的用户需求，数据的供需匹配面临严峻挑战。作为联邦生态的核心环节和对外赋能的重要窗口，联邦服务基于分布式数据共治原则，促进了跨领域、跨组织的数据流通与协同，为智能的供需匹配提供了一种有效的技术框架。首先，探讨联邦服务在联邦生态中的重要地位以及与联邦生态各环节的关系。其次，提出联邦服务的5层基本框架，并探讨其核心优势。在此基础上，提出联邦服务的关键支撑技术，主要包括区块链和去中心化自治组织与运营、大语言模型和场景工程、分布式计算和边缘计算、加密技术和隐私计算。最后，以数据与场景的供需匹配为应用案例，介绍联邦服务如何实现智能的供需匹配。提出的联邦服务理论与技术对于构建基于分布式数据共治的智能服务范式具有重要意义。

针对数字货币量化交易中存在的问题，即大量且复杂因子以及因子状态空间维度较高，导致交易模型制定策略的准确性和风险控制能力难以兼顾，提出了一种改进的OAC模型——OAC_LSTM_ATT。该模型采用了LSTM和多头注意力机制来优化OAC的网络结构，从而提高OAC对时间序列数据的建模能力和泛化能力。通过这种融合，智能体在量化交易环境中可以更加灵活和准确地做出交易决策，进一步提高交易策略的质量和效果。实验结果显示，在比特币市场中，累计收益率达到了16.36%，最大回撤率为9.08%，夏普比为0.014，波动率为13.09%。在以太坊市场中，对应的指标为16.30%、8.56%、0.014和13.42%。与PPO、LSTM_PPO和A2C等模型相比，OAC_LSTM_ATT在有效性和稳定性方面具有一定优势，为量化交易策略制定提供了有价值的参考。

帕金森病（Parkinson’s disease，PD）患者常伴随认知障碍，严重影响生活质量，因此对帕金森病认知障碍进行超前预测对于临床诊断和干预至关重要。然而，帕金森病受多变量因素（如年龄、性别、病程时间等）的耦合影响，使得认知障碍的超前预测面临严峻挑战。针对帕金森病认知障碍的多变量耦合特性，采用多变量逻辑回归方法，构建了一种新型列线图模型，旨在超前预测帕金森病患者发生认知障碍（cognitive impairment，CI）的风险。首先，应用最小绝对收缩选择算子（least absolute shrinkage and selection operator，LASSO）算法对可能影响患者认知能力的风险因素进行了分析，筛选出相关性高的临床变量。其次，采用多变量逻辑回归方法分析各变量之间的相关性，构建可视化的新型列线图模型，实现对帕金森病认知障碍的风险超前预测。最后，模型性能评估结果表明新型认知障碍预测模型具有良好的准确性、一致性和临床实用性，可显著地提高临床医生的诊断效率。此外，该模型还实现了对同一预测因子不同值的患者数量及分布的可视化对比和分析，能够辅助临床医生根据每位患者的个人风险制定个性化的医疗管理和咨询方案，有助于更早地展开对患者的干预和治疗，具备一定的临床诊断价值。

针对现有的Seam Carving篡改检测算法对于低缩放因子情况存在检测精度不高、鲁棒性不强的问题，提出一种融入混合注意力机制的Seam Carving篡改检测算法。首先，利用BayarConv2D约束卷积对图像进行预处理，充分学习图像的噪声特征，并通过矩阵乘法与RGB图像进行特征融合；然后，采用ResNet作为骨干网络进行特征学习，引入残差传播和残差反馈机制，凸显Seam Carving的操作痕迹；最后，利用混合注意力机制同时提取相邻位置和通道之间的特征，更好地捕捉全局特征，进而将其输入全连接层进行分类。实验结果表明，在BOSSbase1.01数据集上，当缩放因子为1%和9%时，检测精度分别达到了89.48%和97.94%，优于现有主流方法，同时具有较低的计算复杂度和较好的鲁棒性，能够抵抗JPEG压缩攻击。

空气中二氧化氮浓度的高低对环境保护和公共健康具有重要影响。目前二氧化氮浓度预测方法在表征时空关联性方面存在不足。鉴于此，提出了新的使用区间二型直觉模糊神经网络时空预测二氧化氮浓度的方法。首先，阐述了该区间二型直觉模糊神经网络框架，引入可变系数加权其隶属部分和非隶属部分的输出，并采用随机向量泛函链接神经网络作为规则后件；然后，为确定网络结构和参数，采用分层聚类算法得到模糊规则库，并通过最小二乘法优化网络后件的输出权值；最后，使用2018年1月至3月采集的北京市二氧化氮浓度真实数据进行数值验证。实验结果表明，与现有方法相比，该方法在短期和长期时空预测方面均取得了较高的预测精度和效率。

针对无人机航拍图像目标检测效果差的问题，提出改进的UAVAI-YOLO模型。首先，为使模型获得更加丰富的语义信息，使用改进可变形卷积网络（deformable convolutional networks，DCN）替换原骨干（backbone）网络部分通道到像素（channel-to-pixel，C2f）模块原始卷积。其次，为增加P2特征层而不增加模型参数量，提出Conv_C模块将骨干网络输出通道降维，同时避免通道降维导致的语义信息丢失，使用改进ODConv卷积替换颈部（neck）部分C2f模块原始卷积。然后，为充分利用上下文语义信息，引入双向特征金字塔网络（bidirectional feature pyramid network，BIFPN）。最后使用Wise-IoU替换原始损失函数，提高模型目标检测框的准确性。在公开的VisDrone2019数据集和UAVDT数据集的实验结果表明，UAVAI-YOLO模型相比于原YOLOv8n模型mAP@0.5分别提升了4.4%和1.1%。与其他主流目标检测模型相比具有较高的检测性精度。

针对人工设计三维模型分类网络架构过度依赖专家经验且泛化能力较差的问题，提出了一种自适应平滑度策略的神经架构搜索方法。首先，使用改进候选操作选择策略和连续松弛化方法将离散的搜索空间连续化，并利用权重共享机制提高搜索效率。其次，在损失函数中添加自适应平滑度策略的正则化，由温度参数控制损失函数的平滑程度。最后，使用指数归一化方法计算损失函数，以避免损失值溢出。在三维点云数据集和蛋白质间相互作用数据集上的实验结果表明，在相同的训练样本和迭代次数下，自适应平滑度策略的神经架构搜索方法的分类准确率更高，性能更稳定。