编委: 王昊奋记忆机制与记忆智能
点击浏览在人类智能体系中，记忆是思维的根基，是感知、理解与创造的桥梁。从神经科学到心理学，从认知科学到计算机科学，记忆机制始终贯穿于智能演化的全过程。进入AI时代，“记忆智能”正成为推动人工智能迈向更高层次认知与自适应能力的关键力量。它不仅关乎信息的存储与提取，更决定了系统能否具备持续学习、情境理解与自我完善的能力。 本专题聚焦“记忆机制与记忆智能”，探究记忆形成背后的机理，从记忆筛选、记忆管理、记忆索引、记忆检索、记忆推理与更新等全生命周期来进行探讨，并展示其在个人助理、企业知识管理、行业数智化应用等方面的进展和价值。选取CCF数字图书馆相关报告视频和讲稿资源，方便会员集中观看学习。
编委: 高志鹏AI Agent的自治协作与应用实践
点击浏览随着大模型技术的快速演进，AI Agent正从“被动响应”走向“主动协作”，成为智能时代的重要基础设施之一。AI Agent集成感知、推理、决策与执行能力，能够在多模态输入和复杂任务环境中实现自治学习与多体协同，推动人工智能从“单体智能”向“群体智能”转变。无论是在操作系统、教育教学、传媒内容生成，还是在工业控制、智慧城市等场景中，AI Agent都正在重塑人机交互的方式与系统架构。 然而，AI Agent的自主性提升也带来了新的挑战：任务规划的可控性、交互行为的安全性、多Agent协作的稳定性与可解释性等问题亟需系统性解决。同时，AI Agent的算力调度、隐私保护、跨域知识共享与模型更新机制也成为制约其大规模落地的关键因素。 本期数图聚焦“AI Agent的自治协作与应用实践”这一主题，系统梳理AI Agent的体系架构、智能体协作机制与典型应用场景，展示其在可信计算、边云协同、教育和工业等领域的前沿进展。通过学术研究与工程实践的融合，旨在为构建“可控、可信、可解释”的AI Agent生态提供技术参考与思维启发。
编委: 安山具身智能中的视觉-语言-动作（VLA）大模型
点击浏览具身智能正加速向全场景通用化迈进。近期视觉-语言-动作（VLA）大模型的涌现，为突破泛化性差、依赖大量标注数据、难以适应开放环境等限制，提供了关键路径，但仍面临场景数据稀缺、跨具身智能体迁移难等挑战。攻克VLA关键技术，不仅关乎抢占具身智能技术制高点，更是推动机器人从“专用”走向“通用”的关键路径，兼具学术前沿性与产业落地价值。 本期数图主要选取了6份来自CCF数字图书馆的高质量资源，涵盖VLA模型演进、合成数据赋能、世界模型驱动及跨具身泛化等核心议题，兼顾理论深度与工程实践，帮助读者把握VLA技术脉络与未来方向。
编委: 李瑞远、陈跃国数据库与AI技术的协同创新与范式突破
点击浏览AI技术的飞速发展，正深刻重塑数据库技术的未来格局，二者深度融合。一方面，人工智能技术给数据库系统注入全新技术内核，也就是通过学习型优化器实现自主调优，依托神经网络重构查询处理流程，推动数据库向更高效、更自治的方向演进；另一方面，数据库技术为AI发展提供坚实支撑，以高性能向量检索赋能大模型应用，借助湖仓一体架构，保障高质量数据供给。这种双向协同正在模糊传统技术边界，推动数据管理从“管理数据”向“理解数据”的范式跃迁，并催生出AI原生数据库、自治运维体系等全新方向，展现出极具潜力的发展前景与深远变革。 本期专题围绕“数据库与AI技术的协同创新与范式突破”这一主线，精选多篇文章系统展现该领域的活力与潜力。内容涵盖从基础理论到系统实践的多元视角，包括数据库与AI协同创新的技术路径、AI驱动数据库的基础与范式探讨、AI原生数据库的研究挑战与发展趋势；同时亦关注术语演进与跨模态融合，解析数据库与大模型互动产生的新模态，并深入工业时序大数据等典型场景，探讨从数据管理到智能应用的系统化构建。通过系列文章，我们期望为读者呈现智能时代数据库系统的前沿探索与可行方向。
编委: 郑子彬、吴嘉婧、蒋子规从区块链到Web3.0：技术发展与安全治理
点击浏览当前区块链技术快速发展，以太坊等公链的分布式应用已覆盖游戏、金融、供应链等领域，成为数字经济发展的重要支撑。但区块链数据不可篡改的核心特性，在保障数据真实性与可追溯性的同时，也带来了应用故障修复难度大、智能合约漏洞等安全事件频发的问题，对技术可靠性治理提出迫切需求。以区块链为核心驱动力的Web3.0，实现了从Web1.0“数据可读”、Web2.0“数据可读可写”到“数据可拥有”的关键升级，用户通过去中心化身份掌控数据所有权与流转权，为数据资产化、数字经济高质量发展注入强劲动力。然而，Web3.0规模化发展仍面临多重突出挑战：底层区块链可扩展性不足，分片等主流扩容方案尚未完全成熟；跨链交易存在不透明、资产难追踪的痛点，现有关联方法适配性有限，难以应对去中心化金融（DeFi）场景下的跨链监管需求；身份管理、生态治理等关键领域技术标准缺失，制约了行业规范化发展。 本专题旨在梳理区块链与Web3.0的基础理论、应用技术现状及面临的挑战，探索该领域的未来发展趋势，为Web3.0的安全高效发展提供参考，推动其在技术创新与安全治理方面实现协同发展。
编委: 闵巍庆、张东霖多模态因果学习: 通向机制驱动与可解释智能的基础
点击浏览多模态因果学习指的是从多模态数据（如图像、文本、语音及视频等）中挖掘潜在的因果关系，进而揭示变量之间的生成机理与干预效应。与传统的多模态表示学习相比，因果范式强调对“为什么”与“如何发生”解释，将表征、推断与解释紧密结合。该方向融合多模态融合、因果推断与可解释人工智能的优势，为构建具备逻辑推理、稳健决策与强泛化的智能系统奠定基础。其核心价值在于促使人工智能由感知驱动迈向机理驱动，使得模型能够在动态不确定环境中进行稳健推理与可迁移学习，特别是在视频事件分析、医疗诊断及行为理解等领域展现出广阔的应用前景。然而当前研究仍然面临着不同模态数据结构差异使得因果变量难以统一表示，模态噪声、缺失与时序错位干扰因果关系的识别，此外跨模态干预设计、反事实生成与可检验性评估仍处于起步阶段，尚缺乏统一规范与基准等挑战性问题。 本专题聚焦多模态因果学习的关键技术与前沿应用，涵盖基于因果去偏新闻推荐、情境感知自然语言的因果推理、小样本学习结合因果干预的鲁棒模型、因果约束下的可解释稳定学习、基于因果掩码的强化学习算法，以及因果启发的稳定学习等，致力于揭示多模态因果学习的内在机制与应用潜力。
编委: 刘垚圻空天计算与边缘智能
点击浏览全球空天科技领域正加速推进“计算+通信+感知+存储”跨域融合，星载智能计算、空天通感算控一体化、大规模星座天基云计算等技术，成为突破空天信息处理时效与能力瓶颈的核心路径。面临的多重关键挑战是：星载智能计算器件陷入“抗辐照性能与高性能算力难以兼顾”的技术困境，空天通信、感知与计算的协同缺乏统一技术框架导致协同效率低下，大规模低轨星座组网与天基云计算的适配性不足制约算力调度灵活性，海量空天数据的存储-计算分离架构降低了处理时效等。 本期选题聚焦星载智能计算硬件架构、空天通感算控协同、星座天基云计算、空天数据存算融合、卫星大数据智能计算、可信边缘智能等关键方向，系统呈现空天计算融合领域的技术突破与探索，为解决技术痛点、推动跨技术方向协同创新提供学术与技术参考。
编委: 何岩为计算穿上“铠甲”：征伐极端环境的硬件基石
点击浏览随着我国航天探测、深海科考、高原边防、工业控制等关键领域的发展，信息系统在高低温、强振动、高辐射、大波动等恶劣环境下稳定运行成为刚需。给计算核心的硬件平台提出了极其严苛的要求。本专题旨在系统梳理为应对这些挑战而发展的专用硬件技术，涵盖从传统的物理加固、三防工艺，到前沿的容错计算、自主抗毁等设计理念，为相关领域的研究者和工程师提供一个集中的知识窗口。
编委: 肖卿俊、程光面向加密与匿名通信环境的智能流量测绘与攻击防御
点击浏览随着互联网加密化与匿名通信的发展，传统依赖明文特征的流量分析与安全防护方法面临巨大挑战。HTTPS占比已超过90%，VPN和Tor等匿名通信系统每日活跃用户超200万。在提升隐私保护功能的同时，增加了网络运维和安全检测的难度。此外，IPv6环境下各类网络攻击呈现高强度和新型攻击向量，亟需早期感知与精确防御。因此，精准的流量理解、重要流识别及异常行为检测成为智能网络管理的核心问题。近年来，语言大模型与关系图模型的融合应用，为突破加密流量检测精度瓶颈提供了全新思路；而网络大数据挖掘技术与重要流检测算法，在高速链路场景下的部署仍需攻克内存占用、通信开销与计算效率的协同优化难题。 本期专题聚焦“面向加密与匿名通信环境的智能流量测绘与攻击防御”前沿方向，重点收录加密流量分析、重要流检测、流量预测、特征整形及深度防御技术等领域的最新研究成果，全面展现大模型技术与网络安全技术的双向赋能价值。希望通过本期内容，为研究人员与工程师提供启发，推动网络安全与智能运维技术的发展。
编委: 吴晨涛、谷云飞大模型时代的存储技术发展
点击浏览当前，大模型参数规模已从十亿级跃升至万亿级，训练数据量达到TB甚至PB级别。训练数据跃升对底层存储系统提出了全新挑战：训练阶段需要频繁读写海量检查点数据，推理阶段的KV Cache管理面临容量与延迟的双重约束，而大规模GPU集群固有的故障率使得容错机制成为刚需。 传统以GPU为中心的同构架构在访存带宽、存储容量和能效比方面逐渐显现瓶颈。学术界和工业界正积极探索存算分离、近存计算、异构缓存等新型架构，试图突破"内存墙"限制。与此同时，智能缓存分配、弹性容错恢复、高性能分布式文件系统等技术创新层出不穷，但如何将这些技术有机整合并应用于实际生产环境仍充满挑战。 本专题从系统容错技、架构创新、缓存优化、存算分离等多个维度，深入剖析大模型存储系统的前沿进展。这些研究不仅具有重要的学术价值，更对大模型产业化落地具有直接的实践意义，能够为相关领域的研究者和工程师提供系统性的技术洞察和解决方案参考。通过本专题的深入探讨，我们期望推动大模型存储技术向更高效、更可靠、更经济的方向演进。
京公网安备 11010802032778号