北京時間 5 月 9 日晚，ICLR 2024 會場，GLM大模型技術(shù)團隊受邀發(fā)表題為 The ChatGLM's Road to AGI 的主旨演講，全面闡述GLM大模型面向 AGI 三大技術(shù)趨勢。

第一，GLM-4的后續(xù)升級版本即GLM-4.5及其升級模型，應(yīng)當基于超級認知（Superintelligence）和超級對齊（Superalignment）技術(shù)。

GLM大模型團隊認為，文本是構(gòu)建大模型最關(guān)鍵的基礎(chǔ)，但下一步則應(yīng)該把文本、圖像、視頻、音頻等多種模態(tài)混合在一起訓練，構(gòu)建真正原生的多模態(tài)模型，同時超級對齊（Superalignment）技術(shù)將協(xié)助提升大模型的安全性。

第二，為解決更加復雜的問題，GLM大模型團隊提出GLM-OS概念，即以大模型為中心的通用計算系統(tǒng)。在ICLR現(xiàn)場，GLM大模型團隊詳細闡述了GLM-OS的實現(xiàn)方式：基于已有 All-Tools 能力加上內(nèi)存記憶（memory）和自我反饋（self-reflection） 機制，GLM-OS 有望實現(xiàn)模仿人類的Plan-Do-Check-Act 循環(huán)。

首先做出計劃，然后初步嘗試形成反饋，基于反饋結(jié)果調(diào)整規(guī)劃，然后再行動以期達到更好的效果。大模型依靠PDCA循環(huán)機制形成自我反饋和自我提升——恰如人類自己所做一樣。

第三，GLM大模型團隊還在現(xiàn)場講解了自2019年以來團隊就一直在研究的名為GLM-zero的技術(shù)。GLM-zero旨在研究人類的“無意識”學習機制?！爱斎嗽谒X的時候，大腦依然在無意識地學習?！盙LM大模型團隊表示，“無意識”學習機制是人類認知能力的重要組成部分，包括自我學習（self-instruct）、自我反思（self-reflection）和自我批評（self-critics）。

人腦中存在著反饋 （feedback） 和決策 （decision-making） 兩個系統(tǒng)，分別對應(yīng)著大模型和內(nèi)存記憶兩大部分，GLM-zero的相關(guān)研究將進一步拓展人類對意識、知識、學習行為的理解，換而言之，盡管還處于非常早期的研究階段，但GLM-zero可以視為通向AGI的必經(jīng)之路，這是GLM大模型團隊第一次向外界公開這一技術(shù)趨勢。

除了闡述GLM大模型面向AGI的三大技術(shù)趨勢，GLM大模型技術(shù)團隊在ICLR主旨演講中還回顧了國產(chǎn)自研大模型 ChatGLM 的演進之路，向現(xiàn)場近2000名與會嘉賓與學者介紹了GLM系列大模型多項前沿研究成果，涵蓋數(shù)學、文生圖、圖像理解、視覺UI理解、Agent智能體、涌現(xiàn)現(xiàn)象等領(lǐng)域。這是中國大模型團隊首度登上 ICLR 主旨演講環(huán)節(jié)。

ICLR 國際學習表征會議由深度學習巨頭、圖靈獎獲得者 Yoshua Bengio 和 Yann LeCun 在2013年牽頭舉辦，與ICML、NeurIPS 并稱為機器學習領(lǐng)域水平最高會議之一。5月7日，ICLR 2024 在奧地利維也納會展中心開幕，受新一波人工智能浪潮推動，本屆ICLR在參展人數(shù)、展覽規(guī)模、論文數(shù)量上均創(chuàng)新高。

審核編輯 黃宇