在人工智能技术的浪潮之下，全球产业版图正经历一场深刻的转型。从制造重镇到医疗健康领域，从金融殿堂到教育阵地，AI技术正以前所未有的深度和广度渗透各个行业，驱动生产效率的飞跃、商业模式的革新以及用户体验的极致优化。在这场由AI引领的变革中，技术已超越工具的范畴，成为推动产业升级和经济高质量发展的核心引擎。
近期，备受瞩目的人工智能国际顶级学术会议AAAI 2025盛大开幕。在这场学术盛宴中，中国电信人工智能研究院（TeleAI）科研团队大放异彩，共有10篇学术论文成功入选。这些论文不仅涵盖了大语言模型偏好对齐、视觉模型参数微调、正激励噪声采样和表征对齐等技术领域的突破，还涉及人工智能与化学、医疗等多个交叉学科的创新研究。
AAAI会议由国际先进人工智能协会主办，是人工智能领域历史悠久且极具影响力的顶级学术会议。本届大会共吸引了12957篇有效投稿，经过严格评审，最终仅有3032篇论文脱颖而出，接收率仅为23.4%。TeleAI科研团队能在如此激烈的竞争中取得佳绩，充分展示了其在AI领域的深厚积累和卓越实力。
在基础科学研究领域，人工智能技术的创新作用日益凸显。特别是在化学领域，随着大语言模型的快速发展，AI对科学文献和技术专利的理解、分析和描述能力得到了广泛应用。然而，现有的工作主要集中在单分子上，化学反应与自然语言文本之间的一致性仍待探索。为了弥合这一差距，TeleAI联合华东师范大学等单位提出了“ReactGPT”框架。
ReactGPT框架集成了基于化学反应的指纹检索模块、特定领域提示设计模块以及两阶段上下文调优模块。指纹检索模块利用化学反应指纹高效检索相关反应，为后续的上下文学习提供高质量示例。特定领域提示设计模块则通过精心设计提示信息，引导大语言模型更好地理解和处理化学反应与文本的对齐任务。在两阶段上下文调优模块中，模型通过初步学习和精细调优，逐步提升对化学反应的理解和文本生成能力。
实验结果表明，ReactGPT框架在解决化学反应问题和生成高质量文本方面表现出色，为化学反应与文本之间的对齐提供了新的解决方案。
在医疗领域，放射学报告对医生的诊断至关重要。然而，人工撰写报告不仅工作量大且易出错，现有的自动报告生成技术也难以契合医生的多元偏好。为了应对这一挑战，TeleAI提出了多目标偏好优化（MPO）方法。该方法通过多维奖励函数和多目标强化学习（RL）优化预训练的报告生成模型，使其能够在不同的偏好条件下生成符合特定医生偏好的报告。
为了实现与人类偏好的对齐，研究引入了偏好向量融合（PVF）网络和多目标优化（MOO）模块。PVF网络利用多头注意力机制和残差连接将偏好向量与编码后的图像特征融合，实现条件生成。MOO模块则使用偏好向量表示偏好权重，并通过点积操作将多维奖励与偏好向量线性组合，形成加权的多目标奖励函数。通过强化学习算法优化这个加权奖励函数，引导报告生成模型与偏好向量对齐。
这种方法不仅能够生成符合人类偏好的放射学报告，而且在单个模型内无需额外的微调即可适应不同偏好，在两个公共数据集上取得了最先进的性能水平。
人工智能与化学、医疗等交叉学科的结合，为各领域的研究工作带来了新方法和新视角。这种跨学科的合作模式为解决复杂问题提供了更全面的思路和方向，也为培养复合型人才提供了实践土壤。TeleAI将依托中国电信在算力、数据、应用场景等方面的优势，持续推进这种跨学科合作，推动人工智能研究不断迈上新的台阶。
