近日，上海人工智能实验室（上海AI Lab）的科研人员，基于一系列“通专融合”底层技术新进展，使得书生·思客（Intern Thinker）的专业推理能力大幅提升，成为首个既具备围棋专业水平，又能展示透明思维链的大模型。在实验室科研人员的布局和着子中，蕴含数千年智慧的围棋成了科学探索的“试应手”。

研究团队创造性地构建了一个“加速训练营”（InternBootcamp），通过对评价建模，与大模型进行交互并提供反馈，从而使大模型持续进化，获得解决复杂推理任务的能力。通过该方法，书生·思客已实现在奥赛级数学、科学对象理解与推理、算法编程、棋类游戏、智力谜题等多个专业任务同步学习演进，并在多任务混合强化学习过程中出现智能“涌现时刻”。

用自然语言讲解对弈

围棋作为一项具有四千多年历史的智力竞技项目，因其独特的复杂性和对人类智能的深刻体现，可作为衡量人工智能专业能力最具代表性的任务之一。

2016年AlphaGO一战成名。随后，AI在棋力、效率、通用性等方面均有显著提升，但其具体推理过程仍为“黑盒”，即便能输出胜率评估和落子概率，亦无法用人类语言解释“为什么某一步更好”。典型表现为：AI有时会下出违背人类直觉的“天外飞仙”棋步，事后被证明有效，但当时难以解释。

本次升级后的书生·思客，在围棋任务上不仅具备较强的专业水平，还在大模型中率先实现打破思维“黑盒”，运用自然语言就对弈过程进行讲解。用户在与书生·思客对弈的过程中，大模型化身为循循善诱的“教练”，它能全面地分析当前局面形势，对不同的落子点进行判断和对比，并给出明确的结果，让用户了解每一步棋背后的推理过程和决策依据，从而帮助用户更好地理解和学习围棋。

李世石在与AlphaGO交战的第四盘78手下在L11，被古力称为“神之一手”，直接扭转局势赢下一局。在研究人员对这一名局的复现中，书生·思客评价了这步棋，随后给出了落子在L10的应对策略。

在棋力方面，书生·思客未来仍有提升空间。世界围棋冠军王星昊九段在与其对弈后评价道：“能解说思考过程的AI还是第一次见，感觉它分析得非常好；从布局看棋力可能在职业3—5段之间。”

多任务混合强化学习

研究人员观察到，在基于InternBootcamp的多任务混合训练过程中，出现了强化学习的“涌现时刻”：在单一任务中，无法成功推理得到奖励的模型，通过多个任务混合的强化学习，能够在训练过程中成功得到奖励，实现领域外专业任务的有效强化学习训练。

“随着InternBootcamp任务的数量增加、质量提升和难度加大，大模型有望迎来能力的‘升华’，高效解决更多、更难、更具实用性的推理任务，在助力大模型推理能力泛化的同时，加速推动科学发现。”上海AI Lab科研人员表示。

从大模型发展历程来看，主要分化为专业性和通用泛化性两大路线。上海AI Lab率先提出通专融合技术路线，着力解决大模型高度专业化与通用泛化性相互制约的发展困境。这一路径的关键在于同步提升深度推理与专业泛化能力，使模型不仅在广泛的复杂任务上表现出色，还能在特定领域中达到专业水平。

未来，上海AI Lab将系统推进通专融合技术路线的发展与探索，同时牵引打造垂直领域示范应用案例，为科学发现与产业创新提供关键驱动力。

本报记者 郜阳