探索未知世界 享受新知乐趣
在人工智能技术飞速发展的当下，有一项基础性研究虽不常占据头条，却构成了AI向纵深突破的核心支柱——它探索知识如何被有效表征、系统组织与持续演化，更致力于让机器在动态复杂的世界中，实现真正的理解与学习。浙江大学副教授张宁豫的学术生涯，正是沿着这条主线深入展开：从知识图谱的工程构建，到大模型时代的认知机制探索；从知识的静态注入增强，到动态的持续学习与进化。他的研究工作始终围绕一个根本性命题展开：机器如何能像人类一样，高效地获取、整合并迭代知识，从而形成稳定、可靠且可进化的认知能力，最终赋能真实世界的复杂应用场景。
▲浙江大学副教授张宁豫
知识工程：在表征与结构之间探寻
人类认知世界，高度依赖语言这一载体。自然语言承载经验，数学语言刻画规律，而人工智能的核心目标之一，便是让计算机理解并运用这些“语言”。回顾AI发展历程，知识工程始终是贯穿其演进的一条关键脉络：从早期专家系统中基于规则的逻辑推理，到知识图谱中结构化的实体关系网络，再到如今大模型内隐式、分布式的海量知识参数。知识的形态持续演进，但那个核心挑战始终存在：如何让机器更“懂”世界？
正是在此背景下，张宁豫投身于自然语言处理与知识图谱的研究领域。博士期间，他的工作聚焦于从海量文本中自动抽取信息，将非结构化的叙述转化为结构化的实体与关系网络。这一过程，本质上是为知识构建一张可计算、可推理的“数字地图”。“从一本书中抽取结构化信息，就是在构建一个知识图谱。”他如此阐释。这不仅是技术实现，更是对知识表达方式的重构与深度思考。
毕业后，他的经历横跨学界与业界。在之江实验室，他从国家战略需求的宏观视角，重新审视技术的价值与应用边界；在阿里巴巴的工业实践中，他深度参与了知识图谱在搜索推荐等核心场景的落地，真切体会了一项技术从理论到实践所经历的挑战与打磨。最终，他选择回到浙江大学，在一个鼓励自由探索的科研环境中继续深耕。对他而言，保持对未知的好奇与探索的热情，是科研走向深入的重要动力。“探索未知、享受新知，这就是我的理想，也是我的工作。”这句话背后，是一种纯粹的科研初心。
大模型时代：从“流畅生成”到“深度理解”
大模型的爆发将人工智能推向了新高度，但一个关键问题也随之凸显：能够流畅生成文本，是否就意味着真正掌握了知识？围绕“知识”这一核心，张宁豫构建了一套系统的研究体系，并从多个维度展开了深入探索。
▲2024年5月国际计算语言学大会（COLING 2024），张宁豫组织大模型知识编辑讲习报告
一方面，在知识增强方向，他的团队致力于将知识图谱等结构化信息高效“注入”大模型。通过研发如KnowAgent等技术框架，让模型学会精准调用外部知识库，从而在医疗、法律等专业领域，显著提升回答的准确性与可信度。这并非简单的信息叠加，而是追求外部知识与模型内部能力的深度协同，旨在让模型形成清晰的知识边界与可追溯的推理逻辑。
另一方面，研究进一步深入到模型的内部机理。团队从表示学习的角度，系统分析知识在模型参数空间中是如何被编码、存储与激活的，并提出了“知识回路”等创新视角来解读这一过程。在此基础上，知识编辑成为重点研究方向——如何像进行“微创手术”一样，精准、定向地修改模型中的特定知识（例如更新某个事实），同时最大程度保持其原有能力？这项研究的目标，正是推动大模型从一个“难以捉摸的黑箱”，演进为一个“可理解、可修正、可控制”的智能系统。
如何理解这项工作的价值？可以做一个比喻：驾驶一辆高性能汽车，转动方向盘即可改变方向。但若想调整发动机性能，例如提升燃油效率，就必须打开引擎盖进行精密调校。当前的大模型正面临类似挑战：我们期望它能稳定、精准地执行任务，却无法承受每次更新都“推倒重来”式的全量训练。那么，能否在不“伤筋动骨”的前提下，实现对模型认知与行为的精细调控？这正是知识增强与知识编辑研究力图解决的核心问题。
从外部知识增强，到内部机理剖析，再到精准的知识编辑，这一系列工作层层递进，共同指向一个目标：构建具备稳定性、可解释性与可控性的知识增强型大模型。同时，通过组织国际研讨会与学术讲习，张宁豫也在积极推动该领域的学术交流与生态建设。
面向现实：从技术体系到场景落地
当一套研究方法趋于成熟，其价值自然向具体应用场景延伸。响应国家海洋强国战略，张宁豫团队将知识增强大模型的技术体系应用于海洋领域，研发了OceanGPT·沧渊。这项工作远不止于训练一个垂直领域模型，而是深度融合专业的海洋知识、多模态数据与实际业务需求，系统性地探索了大模型在重大战略场景中落地应用的完整路径。
此外，团队也持续投入开源生态建设。他们积极参与并推动中文开放知识图谱社区OpenKG的发展，整合知识资源与工具链，并探索SkillNet等技能图谱网络，促进知识与技术的开放共享与协同创新。这些努力从不同维度汇聚于同一愿景：构建更加系统化、开放化的知识基础设施，让科研成果不仅停留在论文中，更能持续滋养更广阔的学术与产业生态。值得一提的是，张宁豫本人已多次入选斯坦福大学发布的全球前2%顶尖科学家榜单，其培养的多位学生也先后入选了多项国家级及省部级人才计划。
▲2024年8月，在国际人工智能联合会议（IJCAI 2024）上，张宁豫（右六）组织并主持OpenKG知识增强大模型专题研讨会
谈及科研心得，张宁豫总结了几个关键点：“首先，科研需要传承与体系。我的导师陈华钧教授引领我进入自然语言处理领域，他的影响至关重要。其次，要敢于思考那些有深度、值得长期探索的科学问题。它们眼下或许看不到直接应用，但未来价值巨大。研究者需要有前瞻视野，提前布局，然后大胆创新。第三，坚持将我们的研究和算法开源开放，让学术界和工业界能够使用并受益。同时，认真对待每一个基础性问题，引导更多人关注和进入这个领域。最后，在自由探索之外，我们的工作也应当与国家战略需求同频共振，例如OceanGPT·沧渊的研发，就是一次将前沿研究与国家重大需求相结合的实践。”
当然，在人工智能为社会注入强大动力的同时，其可靠性、安全性也日益成为公众关注的焦点，这也是张宁豫持续关注的方向。“大模型同样存在潜在风险，”他指出，“我们需要从机理上高效、精准地理解并控制它，从根源上防范可能的副作用，确保人工智能的发展更加安全、可靠、可控。”
科研、教学、学术交流……忙碌是张宁豫的工作常态。但他觉得自己是幸运的，能在最好的年华投身于最热爱的事业。这份幸运，既源于时代发展的机遇，也离不开迷茫时的坚持与笃定。对他而言，真正的幸运并非外在名利，而是一种更深层的价值实现：“作为一名科研工作者，唯有将个人兴趣，与国家所需、社会所向紧密结合起来，才能不负这个时代，也不负自己的人生追求。”
相关攻略
近日，福布斯中国联合环球科创联盟正式揭晓“2025福布斯中国科创人物”榜单。本次评选历时八个月，从上千位候选人中严格遴选出60位硬科技领域的领军人物。榜单深度覆盖人工智能、芯片半导体、量子计算等前沿科技赛道，其中，专注于AI技术研发与应用的入选者占比高达60%，再次凸显了人工智能作为新一轮科技革命与
过去，许多人对AI助手的认知可能仍停留在“智能对话工具”的层面——即问即答，被动响应。这类工具虽然展现了强大的信息处理能力，但距离成为一个真正意义上的“数字化员工”尚有差距。毕竟，一名合格的员工核心价值在于主动理解目标、承接复杂任务、持续跟进进度，并在关键节点主动同步与反馈。 然而，在深度体验Wor
特斯拉CEO埃隆·马斯克再次释放了关于未来交通的关键信号。在周一的一场智能出行行业峰会上，他通过视频连线宣布，无需配备人类安全员监督的完全自动驾驶汽车，有望在今年晚些时候突破得克萨斯州的限制，实现在美国更广泛区域的商业化部署。 马斯克透露，目前得州已有完全无人监控的自动驾驶车辆投入实际运营，而这项R
研究表明，人们倾向于认为AI比人类更自信，即便答案相同。这种“自信错觉”源于人们依赖外部线索如回答速度来判断可信度，而AI缺乏情感信号加剧了误判风险。研究者指出，未来AI需明确传达对答案的把握程度，例如通过“把握指数”，以帮助用户更理性地评估建议的可信度。
4月22日，寒武纪董事长兼总经理陈天石在年度业绩说明会上，针对当前互联网巨头加速布局自研AI芯片的行业现象，首次进行了系统性阐述与官方回应。 陈天石分析指出，互联网公司自研AI芯片的核心逻辑，通常是围绕其自身主营业务或特定的应用生态，打造高度定制化的软硬件一体解决方案。这本质上是一种垂直整合的商业模
热门专题
热门推荐
今年三月，谷歌DeepMind高级科学家Alexander Lerchner发表了一篇重磅论文，其核心结论清晰而深刻：基于算法的符号操作在结构上注定无法产生真正的意识——无论未来模型规模如何庞大、架构如何精巧，甚至是否为其配备仿生身体，这一根本性限制或许都无法被跨越。 仔细审视这一论断，它并非一个关
研究针对AI助手难以执行复杂屏幕操作的问题，构建了CUActSpot评测基准，通过代码渲染自动生成含精确坐标的多样化训练数据，并训练了一个40亿参数模型。实验表明，提升训练数据多样性比单纯扩大数据规模更能有效增强模型通用操作能力，并展现出跨任务泛化潜力。
《迷你世界》于2026年5月15日发布全新激活码，玩家可凭兑换码领取酷炫角色装扮、迷你币及稀有道具，请及时复制有效激活码前往游戏内使用。
《我的世界》于2026年5月17日发布免费兑换码EMMMyxhjVHMApsb2，可兑换游戏道具与装饰。兑换码常有时间或次数限制，请尽快使用。更多兑换码可查看官方汇总页面。