当养老遇上 AI 大模型：ATEC 2023 科技助老赛题解析

如何依托先进的大模型技术，为老年人实现智慧养老，自然成为科技工作者面临的重要挑战。

基于「科技助老」这个主旨，选手们需要在比赛中解决技术与应用两大层次的难题。

技术层面的考核要点

在技术角度上，选手们面临的第一个考核要点是检索。模型需要通过网络搜索引擎或者内部的检索获取文档，然后再基于文档来回答医疗相关的问题，文档具有权威性，回答自然就可以更精确。这涉及到检索增强生成（RAG）技术的应用，确保大模型输出的信息准确可靠，避免幻觉带来的风险。

第二个考核要点则是对工具的调用。语言模型只能回复文字，但如果选手们的方案能调用工具完成实际任务，得分就会更高。比如，在对话框输入自然语言需求'帮我订一张明天十点从杭州到上海的二等座票'后，模型就能直接预订好火车票。这要求系统具备强大的 Function Calling 能力，能够将自然语言意图转化为 API 调用指令。

此外，技术层面中检测谣言、异常提问等均为语言大模型使用中的安全问题，同样是本届 ATEC 科技精英赛的重要考核点。在涉及医疗健康建议时，安全性尤为重要，必须建立严格的过滤机制和合规性检查。

应用层面的体验优化

而从应用角度出发，能否让语言模型为老年人提供更好的智能化体验，则是评判选手们的方案能否获得高分的关键。其中，智能化体验需紧密围绕老年人需求，如出行、政策咨询、医疗咨询、安全能力等。

另外，探索如何降低模型部署的成本，是大模型面临的现实问题与技术难点，同样也是出题方设计赛题、考验选手们是否充分思考、发挥创造力的考点之一。

'以前的模型不大，可以独立部署，但现在模型部署成本很高。如果能通过隐私保护技术，对语言模型的输入或交互方式提供保护，就可能节省大量资源。我们希望模型能变成类似发电站的工具，就不可能把发电机放在家里。因此，将原模型放在计算平台上，通过一次计算方式调用或使用，这是一个非常有前景的技术与工程问题。'张志强在赛事直播时向观众解读道。

当然，想在 48 小时内完成一个功能完备的 Agent 开发任务并不现实。因此，出题方将 Agent 完整的链路拆开成数个环节，每个环节再提供对应的数据逻辑，让选手们在有限时间内逐一攻破不同阶段的任务。

冠军团队的实战经验

周青松和团队成员一起，赢得了这场「大模型极限挑战赛」的冠军，2022 年硕士毕业于哈尔滨工业大学 (深圳) 电子与通信工程专业的他，目前在科技大厂担任高级工程师一职。

周青松擅长自然语言处理（NLP）与数据挖掘，曾获「kaggle master」称号，也在 2021 年的 ATEC 科技精英赛赢得了冠军。两年后，周青松在 ATEC 的赛场上再度夺得桂冠。

在谈及参赛目的时，周青松坦言，高额的奖金是吸引他参赛的最初动力，同时，来自真实工业场景的命题，也让「科技竞技」变得更有价值。

让周青松印象最深刻的是线下赛的最后一道赛题。题目落脚于医疗领域，选手们需要将医疗垂类知识引入大模型，尽可能提升大模型对诊疗相关问题的理解能力，增加其医疗知识的深度和广度。

具体而言，模型需要在被问到一系列的疾病症状时，能提供准确的诊断并给出详细的治疗意见。诊断越精确、治疗意见越恰当，选手们的得分就更高。

在周青松看来，整场比赛中最具挑战的部分是提升代码的运行速度。代码运行速度变慢，就会显著增加训练模型所需的时间和成本。

'这是一个非常极限的比赛，我们要在有限的时间内完成一系列任务，就特别依赖平时可能不太关心的代码运行速度。'周青松告诉媒体，'在限时场景里，提高代码运行速度很难也很重要，如果把它优化好的话，就相当于整体的迭代速度都会领先于其他队伍。'

03. AI First 战略下的产业实践

作为国内首个基于真实场景的大模型全链路应用竞赛，ATEC 精英赛是从本届起开始聚焦大模型的。

'大模型技术在去年上半年火起来，在我们去年线下赛时已经很热门，所以就提出今年赛题一定要做大模型相关的考题，这是热点更是挑战。'

张志强告诉媒体，'大模型在业内有竞赛，但结合应用的比赛较少。在判断完各个维度后，我们认为自然语言交互一定是一种很重要的、面向未来的、AI 产品的交互模式，能够弥补传统交互模式的一些短板。本届的主旨是科技助老，因为老年人不易理解手机操作逻辑，而自然语言交互对他们来说很简单，所以基于大语言模型技术研发的 AI 产品尤其适合老年人使用。'

张志强花名「零幺」，作为蚂蚁大模型的技术核心负责人，他与团队负责蚂蚁基础技术的研发，包括语言模型、知识图谱与图神经网络，这些技术在支付宝中的人脸识别与金融、医疗等产品中都有所应用。

目前，语言模型的语料优化是张志强团队最重要的工作内容之一，团队负责千亿参数模型研发与语料优化，并在百灵大语言模型基座的基础上研发医疗行业大模型。

作为联合命题方之一的蚂蚁集团，与清华大学一起决定将本届 ATEC 赛事以大模型为技术基座，也折射了蚂蚁近年来「All In AI」的力度。

2023 年，蚂蚁集团提出了「AI First」战略，与「支付宝双飞轮」同「加速全球化」一起并称为集团三大战略。

其实早在「AI First」战略对外宣布之前，蚂蚁集团就已经对 AI 领域进行了深入投资和研究。大约在 2022 年 9 月，公司内部已经明确了以大模型为核心的 AI 研究方向。2022 年底，蚂蚁集团正式启动大模型的研发项目。2023 年 11 月，蚂蚁百灵大模型通过备案。

除了自研模型的进程外，蚂蚁的「AI First」战略更体现在其不断将大模型融入生活、金融、医疗健康等业务场景的努力中：

现正产品灰测、下月逐步开放的支付宝智能助理，能为用户提供出行、健康、政务等领域的数字生活服务；

「金融管家」支小宝，可为用户提供高质量的行情分析、持仓诊断、资产配置和投教陪伴等专业服务；

智能研发工具 CodeFuse，则支持整个软件开发生命周期，可为企业提供 AI 研发全周期管理；

安全一体化解决方案「蚁天鉴」，能提供从检测到防御的大模型一站式安全服务解决方案……

通过将特定领域的专业知识整合进通用大模型基座，大模型能够更精准地适应并优化多种垂直行业场景的应用。目前来看，蚂蚁集团的大模型技术已在医疗、遥感、政务、金融等多个行业展现出显著的应用成效，推动了这些领域的智能化转型和效率提升。

而蚂蚁自 2020 年起参与的 ATEC 科技精英赛也在不知不觉中成为国内最热门的 AI 赛事之一，搭起连接优秀技术研发者的桥梁，并以综艺节目的方式向大众传播当下最新的 AI 技术。

04. 技术深度解析：大模型在适老化中的应用挑战

随着 ATEC 2023 比赛的落幕，关于大模型在适老化场景中的技术实现路径引发了业界的深入思考。以下从几个关键技术维度进行深度解析。

自然语言交互的适老化改造

传统的图形用户界面（GUI）对于许多老年人来说存在较高的认知门槛。字体大小、层级结构、图标含义都需要记忆和学习。大模型驱动的语音交互或文本对话界面（Conversational UI）则极大地降低了这一门槛。

在技术实现上，这需要针对老年人的语言习惯进行微调。例如，老年人说话可能语速较慢、发音不标准，或者使用方言。因此，ASR（自动语音识别）模块需要具备更强的鲁棒性。同时，LLM 的输出也需要符合老年人的阅读习惯，避免过于复杂的术语，保持简洁明了。

此外，多模态交互也是关键。除了语音，视觉辅助（如屏幕放大、高对比度模式）应与大模型的语义理解相结合，形成闭环反馈。

RAG 架构在医疗场景的必要性

在医疗咨询场景中，大模型的幻觉（Hallucination）是致命伤。直接让通用大模型回答医疗问题可能导致错误的诊断建议，带来法律和安全风险。

RAG（Retrieval-Augmented Generation）架构在此显得尤为重要。通过构建权威的医疗知识库（如药品说明书、诊疗指南），将用户的查询先映射到知识库中进行检索，再将检索到的上下文与用户问题一同输入 LLM 生成回答。这种方式既利用了 LLM 的理解和生成能力，又保证了信息的准确性和可追溯性。

在比赛中，选手需要设计高效的检索策略，包括向量检索、关键词检索的混合使用，以及重排序（Re-ranking）机制，以确保返回的文档片段是最相关的。

成本控制与推理优化

大模型的高昂算力成本是商业落地的主要瓶颈。对于高频使用的养老服务场景，单次调用的延迟和成本直接影响用户体验和商业模式。

优化手段包括：

1. 模型量化：将 FP16 模型量化为 INT8 甚至 INT4，减少显存占用和计算量。
2. 模型蒸馏：利用大模型的能力训练一个小模型，用于处理简单任务，仅复杂任务才调用大模型。
3. 缓存机制：对相似的用户请求进行缓存，避免重复计算。
4. 端云协同：将部分轻量级任务下沉到终端设备执行，减少云端传输开销。

隐私保护与安全合规

老年人的健康数据和财务数据属于高度敏感信息。在数据处理过程中，必须遵循最小化原则和隐私保护法规。

技术上可采用联邦学习（Federated Learning）在不共享原始数据的前提下进行模型训练。在交互过程中，对敏感信息进行脱敏处理。同时，建立严格的内容安全过滤层，防止模型输出不当言论或被恶意攻击利用。

05. 写在最后

ATEC 2023 由清华大学与蚂蚁集团联合命题，基于「科技助老」的主旨引入支付宝智能助理的场景和数据，赛题及数据库会在不久后向全国众多高校开放。清华学子们将首批在课程中直接学习到 AI 大模型在工业场景的实际应用。

不言而喻，在 ATEC 2023 中，学术界与产业界的深度合作相辅相成，中国电子学会、ATEC 前沿科技探索社区与以清华大学为代表的顶尖学术机构为竞赛提供了强大的理论支持和人才培养平台，蚂蚁集团则提供了真实的工业场景及数据，双方共同推动了 AI 大模型产学结合的发展。这种合作模式不仅为学生提供了实践机会，也为科技企业输送了高质量的人才。

作为出题方之一，蚂蚁聚焦「AI First」战略，在以赛事吸引 AI 人才的同时，也紧锣密鼓的布局着自研模型与大模型的落地应用，再加上多年打磨出来的技术和积累的数据资产，蚂蚁在大模型竞赛中逐渐筑起一条「护城河」，拥有独特的优势。

除了蚂蚁集团外，随着 AI 行业的焦点从「百模大战」转向 AI 应用落地，中国科技企业主导或深度参与的 STEM、编程、AI 领域的赛事越来越多，比如华为软件精英挑战赛、华为极客算法精英大赛、百度 AI 科技科技创新大赛、腾讯广告算法大赛与阿里巴巴全球数学竞赛等等。

科技企业纷纷在赛事布局与加注，除了让科技青年们能提前「步入战场」，在真卡、真算力、真场景下练兵外，更是以高额的奖金与校内难接触的算力资源，拉开了一场企业间吸引尖端科技人才的较量。

毕竟，在大模型竞赛中，人才方为攻城略地的关键。

以 ATEC 科技精英赛为首的一众竞赛不仅是科技企业对资源、技术实力的展示，更是对 AI 领域专业人才的深度挖掘和培养。通过竞赛，企业能够识别并吸引那些对大模型技术有深刻理解的人才，同时激发他们的创新潜力，促进与企业的合作。

赛事不断，人才不断，竞争亦不断。未来，随着大模型技术的进一步成熟，我们有理由相信，AI 将在更多民生领域发挥作用，让技术更有温度，让养老更加智慧。