金证评估受邀参加上财讲座，分享生成式AI及大语言模型的基本原理和实践应用

 2025年10月22日晚，金证（上海）资产评估有限公司总裁林立先生在第三教学楼801教室，为资产评估专业硕士们带来了一场主题为《生成式AI及大语言模型的基本原理和实践应用》的精彩讲座。

林总首先从人工智能的发展背景出发，指出目前学习人工智能的必要性，接下来从四个方面详细阐述了生成式AI大语言模型的基本原理和实践应用：生成式人工智能的工作原理，人工智能的核心应用和发展方向，人工智能模型先进性的基准测试体系以及人工智能发展的启示。

1 生成式人工智能的工作原理

林总指出其主要基于深度神经网络，通过训练大规模的数据集，学习并抽象出数据的本质规律和概率分布，进而生成全新的数据。基于深度学习，可生成文本、图像、视频等内容，其主流模型可分为两大类。第一类是自回归生成模型，它采用顺序执行的模式，根据已有的数据序列来生成下一个内容；第二类是生成对抗网络，它包含一个生成器与一个判别器，两者通过相互“对抗”来迭代优化，最终提升生成内容的质量和逼真度。

2 人工智能的核心应用和发展方向

林总指出目前有两大核心应用方向，即RAG和智能体（Agent）。RAG是一种结合了检索（Retrieval）和生成（Generation）的技术，它通过从外部知识库中检索信息来增强模型的回答，从而有效减少模型凭空捏造信息的“幻觉”现象，并生成更符合事实与上下文的内容。智能体则是能够感知环境、进行决策并采取行动以实现特定目标的自主系统。针对人工智能模型的未来发展，林总指出我们需要关注多模态人工智能、空间智能以及边缘人工智能。多模态人工智能指能够同时处理和理解文本、图像、音频等多种类型信息模态的AI系统。空间智能则赋予AI感知、理解和操作物理世界的能力，是智能体在物理世界中行动的核心。边缘人工智能是指在终端设备或靠近数据源的节点上直接运行AI模型，以实现本地化的快速推理与决策。

3 人工智能模型先进性的基准测试体系

林总还进一步介绍了人工智能模型先进性的基准测试体系SOTA。SOTA（State-of-the-Art）代表了在特定基准测试任务上所能达到的“最先进水平”，它是一个动态变化的概念，随着技术发展而不断更新。基于SOTA的基准测试，开启了对大模型开发企业开展价值评估的可能性。

4 人工智能发展的启示

林总从职业替代和尖端领域突破的角度阐释了AI对行业的影响，并指出了我国AI发展面临的多维度挑战。林总提出，AI已能覆盖从专业报告生成、尖端科研到复杂内容科普的各类任务，但我们仍需高度关注AI伦理与安全，警惕技术滥用可能带来的风险。

讲座最后，林总希望同学们掌握正确的AI交互方式，深入理解AI原理，避免“搜索时代”的点状提问思维，并鼓励大家不断拓展知识面，以适应新时代发展对复合型人才的需求！

全文转载自上财财税投资学院专业硕士平台

供稿、供图：钱楚雯（学）

编审：刘伟

审核：宗庆庆