物理人工智能将机器学习得到的感知、推理和控制能力应用于能在现实世界中行动的机器；在这样的环境中，不确定性、物理规律和安全约束都不容忽视。本指南阐述了实践中重要的运作机制、权衡、评估方法和控制措施。
GraphRAG 将生成式检索与实体、关系、社群或图遍历结合起来，用于回答依赖关联事实和全局结构的问题。本指南将介绍其机制、权衡、评估方法，以及实践中至关重要的控制措施。
当一个目标类别的出现频率远低于其他类别时，就会出现类别不平衡，使汇总指标和标准训练过程可能忽视那些最重要的案例。本指南将介绍实践中值得关注的作用机制、权衡、评估方法和控制措施。
AI红队测试是一种对抗性测试，会主动寻找模型或AI系统可能发生故障、遭到滥用或违反预定边界的方式。本指南将说明实践中重要的机制、权衡、评估方法和控制措施。
模型蒸馏借助教师模型的输出、内部信号或经过软化的概率目标，将行为从规模更大或能力更强的教师模型迁移到较小的学生模型中。本指南将介绍其机制、权衡、评估方法，以及实践中需要关注的控制措施。
内容溯源会记录有关某项资产来源及编辑历史的可验证信息，让人和系统能够检查该资产是如何创建或更改的。本指南将介绍其实用机制、权衡取舍、评估方法和重要控制措施。
直接偏好优化通过成对使用获选回答与拒绝回答，采用以参考模型为基准的分类式目标来训练策略。本指南将介绍其运作机制、权衡取舍、评估方法，以及实践中至关重要的控制措施。
评估 AI 智能体，不能只检查它的最终答案。完善的评估会衡量结果、审查执行轨迹、重复开展试验、测试安全边界，并跟踪实现可靠工作的成本。
指令微调利用指令示例和期望回复，让预训练模型在交互式任务中更实用、更易控制，也更一致。本指南将介绍其机制、权衡取舍、评估方法，以及实践中重要的控制措施。
AI 延迟衡量请求或 token 所需的时间，吞吐量则衡量服务系统单位时间内完成的工作量。本指南将介绍实践中值得关注的运行机制、权衡、评估方法和控制措施。
分块会将源材料拆分为可检索的单元，其边界和元数据会显著影响 RAG 系统能够找到哪些证据，以及能够将哪些证据一并呈现。本指南将介绍实践中重要的机制、权衡、评估方法和控制措施。
流匹配通过训练连续速度场，使样本沿着定义好的概率路径，从简单分布传输到数据分布。本指南将介绍其机制、权衡、评估方法以及实践中至关重要的控制措施。
副驾驶协助人们，工作流遵循预先设定的路径，智能体则决定如何实现目标。三者的界限可能变得模糊，但这种区分对产品设计、治理、成本和可靠性至关重要。
视觉-语言-动作模型将视觉感知和语言指令转化为一系列物理动作，供具身系统执行。本指南将介绍其机制、权衡、评估方法，以及实践中至关重要的控制措施。
大语言模型预训练通过在海量 token 序列上优化神经网络，使其在针对特定任务进行适配之前，学会可复用的语言、事实和程序性模式。本指南将阐释这一机制、权衡取舍、评估方法以及实践中至关重要的控制措施。
