大家好，我是吾鳴。
之前吾鳴给大家分享过由浙大出品的DeepSeek公开课，内容之广，课程质量之高，它们分别是：
AI大模型如何破局传统医疗|浙江大学|DeepSeek系列公开课|第二季
生成式人工智能赋能智慧司法及相关思考|浙江大学|DeepSeek系列公开课|第二季
浙江大学|DeepSeek系列公开课|第二季|DeepSeek技术溯源及前沿探索
浙江大学公开课|第二季|从大模型、智能体到复杂AI应用系统的构建——以产业大脑为例
第一期（上）：吴飞（浙江大学）DeepSeek：回望AI三大主义与加强通识教育
第一期（下）：Chatting or Acting？——DeepSeek的突破边界与“浙大先生”的未来图景（浙江大学 陈文智）
第二期（上）：孙凌云（浙江大学）DeepSeek：智能时代的全面到来和人机协作的新常态
第二期（下）：王则可（浙江大学）DeepSeek模型优势：算力、成本角度解读
第三期（上）：陈静远（浙江大学）语言解码双生花：人类经验与AI算法的镜像之旅
第三期（下）：吴超（浙江大学）走向数字社会：从Deepseek到群体智慧
第四期（上）：陈建海（浙江大学）DeepSeek的本地化部署与AI通识教育之未来
第四期（下）：朱朝阳（浙江大学）DeepSeek之火，可以燎原
今天吾鳴要再给大家分享由浙江大学出品的公开课第二季第四期，它的主题是关于大小模型端云协同赋能人机交互，公开课分别从AI发展背景与趋势、端云协同技术框架与算法、跨异构模型与任务的知识迁移、推荐系统中的端云协同应用、人机交互与端智能体技术等方面展开，一共55页PPT，文末附上报告和视频下载地址。
内容摘要
AI发展背景与趋势
介绍AI领域的宏观背景，包括马斯克关于硅基生命主导未来的预言、ChatGPT引发的“AI的iPhone时刻”概念，以及大模型技术对社会的变革性影响。同时提及DeepSeek等模型在算力受限条件下的创新实践，强调端云协同技术的必要性。
端云协同技术框架与算法
定义端云协同的核心概念（边缘设备与云端模型协作），分析大模型（云端通用计算）与小模型（端侧实时响应）的互补性。提出协同算法如调度协同（基于反馈机制）和生成协同（ModelGPT框架），后者通过大模型快速生成定制化小模型，速度比传统微调快270倍，并在多模态任务中验证性能优势。
跨异构模型与任务的知识迁移
针对传统知识迁移方法在异构模型、任务和模态上的局限性，提出统一框架MergeNet。该框架通过参数适配和协同训练实现跨架构知识迁移，实验表明其在图像分类、问答等任务中显著优于传统蒸馏方法（如Top-1准确率提升至66.51%）。
推荐系统中的端云协同应用
分析云推荐系统的延迟高、模型更新慢等问题，提出端侧部署轻量模型实时感知用户兴趣，结合因果推理动态请求云端大模型的方案。实验显示该方法降低通信开销至原始3%，提升经济效益（如购买率增长22.82%），并解决隐私与效率的平衡问题。
人机交互与端智能体技术
探讨语音助手、多模态大模型在操作系统中的应用（如InfiGUIAgent 3B），强调端侧智能体的多步推理与反思能力。同时研究环境注入攻击对OS Agent的威胁（如提示注入、对抗样本），提出防御策略。实验验证自反思训练提升模型推理能力20%。
总结与未来方向
归纳端云协同在推荐系统、跨域迁移等场景的价值，强调“人工”与“智能”的结合，提出人机双向价值对齐的重要性。引用李飞飞观点，指出未来需培养善用AI工具的人才，并展望异构知识迁移、高效参数定制等研究方向。
精彩内容
报告下载地址：kdocs.cn/l/ci1DfElGC…
