机器学习三大范式与应用实践

2026/06/15机器学习三大范式与应用实践汇报人：技术培训部目录机器学习范式总览监督学习：从标注数据到精准预测无监督学习：从无标签数据中发现结构强化学习：从试错交互到自主决策三大范式融合与前沿展望0102030405机器学习范式总览01机器学习的核心问题与范式划分监督学习训练数据带有标签，模型学习输入到输出的映射关系，用于分类与回归直接反馈无监督学习训练数据无标签，模型自主发现数据内在结构与模式，用于聚类与降维无显式反馈强化学习无显式标签，智能体通过与环境交互获得奖励信号，学习最优决策策略延迟反馈三大范式对比与适用场景维度监督学习无监督学习强化学习数据要求带标签数据无标签数据环境交互数据学习目标预测准确性结构发现累积奖励最大化反馈信号即时、明确无显式反馈延迟、稀疏典型任务分类、回归聚类、降维、生成序贯决策、控制数据成本高（需人工标注）低（原始数据即可）中（需仿真/真实环境）可解释性较强较弱弱落地成熟度最高中等快速提升中选择范式的关键：看数据条件与业务目标，而非算法先进程度监督学习：从标注数据到精准预测02监督学习核心原理与工作流程1数据准备收集输入特征与对应标签，进行清洗、划分训练集/验证集/测试集→2模型选择根据任务类型（分类/回归）和数据规模选择算法→3损失函数定义衡量预测值与真实值的差距（如MSE用于回归，交叉熵用于分类）→4优化求解通过梯度下降等算法最小化损失函数，更新模型参数→5评估验证在测试集上评估泛化性能，防止过拟合分类任务预测离散标签典型场景：垃圾邮件识别、疾病诊断回归任务预测连续数值典型场景：房价预测、销量预估经典监督学习算法体系线性回归/逻辑回归基线模型，可解释性强，适用于特征明确的场景可解释性强基线首选决策树与随机森林天然可解释，适合信贷审核、医疗诊断等对透明度要求高的领域天然可解释高透明度SVM（支持向量机）高维空间分类优势显著，2025年仍是文本分类首选技术高维优势文本首选KNN（K近邻）小数据场景效率高，适用于个性化推荐与手写识别小数据高效推荐识别CNN（卷积神经网络）视觉核心图像检测图像分类、目标检测的核心架构RNN/LSTM/Transformer序列建模NLP主流序列建模与自然语言处理的主流选择预训练微调范式大模型新形态数据高效大模型时代监督学习的新形态，下游任务微调数据需求大幅降低算法选择原则：先简单后复杂，先基线后深度，以业务目标为导向监督学习技术突破与训练优化混合精度训练3-5×训练效率提升FP16/FP8与FP32动态切换，显存占用降低30%分布式训练框架45天vs9个月Horovod3.0支持跨地域异构集群，GPT-5级模型训练时间压缩光子计算芯片0.3ns矩阵乘法延迟功耗仅为电子芯片的1/8动态神经网络120ms→45ms输入自适应调整计算路径，语音识别推理延迟大幅降低因果推理框架(CausalDL)误诊率12%→3.8%突破传统关联分析局限，医疗诊断精准度显著提升AutoML2.0全流程自动化实现从数据标注到模型部署的端到端自动化算力革命与算法创新双轮驱动，监督学习正从"能用"迈向"高效精准"监督学习行业应用实践金融风控蚂蚁集团RiskAI平台实时识别200种金融欺诈模式，诈骗拦截率从85%提升至99.3%深度学习模型通过非结构化数据分析，小微企业贷款通过率提高40%医疗影像联影医疗uAI3.0系统识别CT影像中0.5mm级早期肺癌结节，灵敏度达99.7%因果推理框架区分"吸烟导致病变"与"基因突变导致病变"的因果路径工业质检基恩士CV-X500系列0.1秒完成汽车零部件缺陷检测，误检率低于0.03%深度学习模型实时调整光刻机参数，晶圆良率从92%提升至98.5%政务与能源深圳龙华区"政策AI计算器"实现政策精准匹配，企业政策获取效率提升90%中移上海"九天工业安监大模型"实现煤矿安全实时监测与违规回溯无监督学习：从无标签数据中发现结构03无监督学习核心原理与任务类型聚类K-Means、DBSCAN、层次聚类将相似数据样本划分为若干类别，发现数据中的自然分组降维PCA、t-SNE、UMAP将高维数据映射到低维空间，保留关键信息的同时降低计算复杂度关联规则发现Apriori、FP-Growth挖掘数据项之间的频繁共现模式生成建模VAE、GAN、扩散模型学习数据分布并生成新样本自监督学习自动构造伪标签进行预训练已成为大模型时代的核心范式无需标注成本摆脱人工标注依赖，大幅降低数据准备成本海量数据处理可处理海量原始数据，规模不受标注资源限制发现隐含模式发现人类未预定义的隐含模式与潜在结构2025年，自监督学习已从"辅助工具"跃升为"大模型与通用智能的核心基石"无监督学习算法演进与突破深度学习时代突破2015-2022大模型时代突破2023-20252015年前传统方法K-Means·PCA·Apriori工业界标配工具2015-2022深度学习时代GAN·VAE·对比学习零样本85-92%2023-2025大模型时代多模态自监督·进化博弈VLA端到端框架生成模型GAN（DCGAN/WGAN）实现稳定图像生成，VAE实现隐空间表示学习对比学习SimCLR/MoCo/BYOL实现视觉自监督，零样本准确率达85-92%跨模态预训练CLIP实现图文统一表征，DINO自蒸馏提升特征质量多模态自监督MetaData2Vec2.0实现图像、文本、语音三模态统一表征，下游微调数据需求减少70%进化博弈论特征学习将特征提取器视为"玩家"，通过进化稳定均衡自动发现最具判别力的特征表示VLA端到端自监督统一感知-语言-动作的自监督框架，实现全域动态意图理解无监督学习的十年：从静态词向量到万亿级多模态自监督大模型，零样本准确率从70%飙升至99%聚类与降维算法深度解析聚类与降维是无监督学习的"基础设施"，为下游任务提供高质量的特征与结构信息聚类算法前沿进展基于图卷积网络的聚类融合谱特征与节点嵌入信息，挖掘数据潜在层级结构，提升聚类精度与鲁棒性流媒体实时聚类滑动窗口+增量式聚类策略，实现数据流中的实时模式识别与变化检测分布式聚类基于Spark等框架的并行聚类，满足大规模数据处理需求多模态聚类将不同模态数据映射到统一嵌入空间，实现跨模态数据融合聚类降维技术关键应用PCA人脸识别预处理、金融数据降噪的核心工具t-SNE/UMAP高维数据可视化，帮助研究者直观理解数据分布自编码器降维通过数据重建过程学习潜在特征，特征提取能力优于传统线性方法自监督学习与大模型预训练对比学习通过数据增强构造正负样本对，拉近正样本、推远负样本（SimCLR、MoCo）掩码建模遮蔽部分输入，让模型预测被遮蔽内容（MAE、BERT）自蒸馏教师网络与学生网络互学习，无需负样本（DINO、BYOL）多模态SSL图像与文本、视频与音频的联合自监督预训练因果自监督从相关性学习迈向因果性学习，提升模型泛化与可解释性进化博弈论视角重新思考SSL泛化机制，构建动态平衡的特征表示框架产业影响华为盘古、DeepSeek、阿里通义千问等国产大模型均以自监督预训练为核心技术路线无监督学习行业应用实践工业预测性维护西门子MindSphere平台通过时序数据融合，设备故障预测准确率达95%，停机时间减少60%医疗健康复旦大学附属中山医院"终节者"小程序，通过无监督语义理解实现肺结节风险10秒评估，将AI从"医生工具"变为"患者助手"能源安全中核浙能能源通过无监督学习实现厂区无感人员位置服务与主动式安全预警推荐与用户分析电商平台从"人找货"到"货找人"的推荐模式升级，核心依赖无监督用户行为聚类与兴趣挖掘异常检测金融反欺诈中的无监督异常交易识别，弥补有标签欺诈样本不足的困境无监督学习弥补有标签样本不足困境，释放数据价值强化学习：从试错交互到自主决策04强化学习核心原理与框架强化学习的本质是"在试错中学习"，与人类学习方式高度相似MDP五元组S（状态空间）环境可能处于的所有状态A（动作空间）智能体可执行的所有动作P（转移概率）执行动作后状态变化的概率R（奖励函数）对智能体行为的即时评价信号γ（折扣因子）权衡即时奖励与长期回报核心挑战探索与利用困境在尝试新策略与利用已知最优策略之间平衡延迟奖励当前动作的后果可能在多步之后才显现样本效率需要大量交互才能学到有效策略强化学习算法体系与演进价值函数方法策略梯度方法连续控制方法世界模型方法DQN2015年DeepMind突破，在Atari游戏上超越人类水平，开启深度强化学习时代改进变体DoubleDQN、DuelingDQN、Rainbow，逐步解决过估计与训练不稳定问题REINFORCE最基础的策略梯度算法Actor-Critic框架结合价值函数与策略梯度，A3C实现异步并行训练PPO2017年提出的经典算法，通过裁剪机制保证训练稳定性，2025年仍是中小型模型默认首选SAC（软演员评论家）最大熵框架，兼顾探索与利用，连续控制任务的标杆算法DDPG/TD3确定性策略梯度，适用于高维连续动作空间DreamerV2学习环境模型并在想象中训练，大幅提升样本效率2025年强化学习算法前沿大模型时代的强化学习RLHF基于人类反馈的强化学习，已成为大模型训练标配步骤GRPO节省约50%显存DeepSeek-R1核心算法，移除Critic模型，通过组内相对排名优化策略GSPOGRPO进阶版，序列级优化，特别适配MoE架构超大模型，训练更稳定PBL（偏好强化学习）探索人类偏好建模的新方向具身智能专用算法VLA+RL视觉-语言-动作大模型与强化学习结合，显著增强语义泛化与执行泛化能力量子级不确定性优化提升具身智能体在复杂环境中的决策鲁棒性域随机化Sim2Real迁移成功率超95%在仿真中随机化物理参数，实现高效仿真到现实迁移GRPO核心突破：移除Critic模型，显存占用降至50%，训练效率大幅提升通过组内相对排名优化策略，在保持性能的同时显著降低计算成本，成为DeepSeek-R1的关键技术强化学习训练基础设施RLinf训练框架提速2.27倍，较现有框架显著加速"宏到微流变换"编程范式，解耦上层逻辑与底层优化仿训推一体化，已支持5种具身大模型、4种RL算法开源3个月获1.7KGitHubStar清华团队推出的首个面向具身智能的大规模RL框架RLinfv0.2面向大规模真机强化学习训练，目标让每台机器人"像GPU一样灵活易用"仿真平台IsaacGym：NVIDIA推出的万级并行仿真环境，中国厂商3个月全切换，支持复杂连续控制MuJoCo：物理仿真标杆，支持精细的机器人动力学模拟多仿真器支持：RLinf框架已支持6种仿真器，覆盖从简单到复杂的场景需求算力支撑华为昇腾AI集群通过3D封装技术，在4096颗昇腾910B芯片上实现98%通信效率强化学习行业应用实践具身智能与机器人宇树G1人形机器人通过强化学习实现全域自进化决策运动控制性能较2024年提升80%微亿智造具身智能工业机器人在高温高粉尘环境中实现高精度缺陷检测与修整运动控制性能提升80%↑自动驾驶L3级量产车型普遍搭载强化学习决策系统L4级Robotaxi商业化场景落地提速强化学习优化路径规划与避障策略金融交易JumpTradingHelios系统通过强化学习优化交易策略美股日均收益3.2亿美元夏普比率达4.8药物研发英矽智能Pharma.AI平台利用强化学习加速先导化合物发现周期从4.5年缩短至11个月成本降低82%周期缩短82%↓游戏与博弈AlphaGo到OpenAIFive强化学习在复杂博弈中持续验证持续突破决策智能的边界从围棋到Dota2多智能体协作三大范式融合与前沿展望05三大范式融合趋势3大范式监督·无监督·强化学习深度融合4种融合模式两两融合+三范式统一协同演进2025融合元年VLA统一监督+无监督自监督预训练+监督微调成为大模型标准范式（如BERT、GPT系列）无监督特征提取为监督学习提供高质量输入，降低标注成本强化+监督RLHF将人类偏好通过强化学习融入监督预训练模型，对齐模型行为监督学习提供基础能力，强化学习优化决策质量强化+无监督无监督世界模型为强化学习提供仿真环境，大幅提升样本效率自监督表征作为强化学习的状态输入，加速策略学习三范式统一VLA大模型统一感知（无监督）、理解（监督）、行动（强化学习）从"单一范式解决单一问题"到"多范式协同解决复杂问题"大模型时代的范式重构预训练-微调-对齐三阶段范式预训练阶段无监督/自监督海量无标签数据→通用知识表示微调阶段监督学习任务标注数据→下游应用适配对齐阶段强化学习RLHF/PBL→人类偏好对齐范式重构的关键变化无监督学习升级从"辅助工具"升级为知识获取的核心方式监督学习转向从"端到端训练"转向高效微调与指令遵循强化学习转向从"独立决策系统"转向模型对齐与行为优化的关键工具产业影响DeepSeek-R1采用

GRPO算法

实现推理能力突破验证了三范式协同的巨大潜力，标志着大模型训练方法论从单一范式依赖走向多阶段协同优化的新阶段前沿方向：终身学习与持续进化从"静态知识容器"到"动态成长体"，AI正在获得类似人类的持续进化能力谷歌NestedLearning"记忆洋葱"架构高频层负责实时交互，中频层整合短期经验，低频层固化核心认知HOPE系统持续学习场景下旧任务性能保持率达98%，远超传统方法的70%应用前景医疗诊断系统吸收新病例同时保留数十年医学知识库自进化智能体"越用越准"模型在使用过程中持续优化，实现自我迭代与能力提升华为盘古自监督技术DeepSeek万亿模型实现全域动态意图自监督理解多智能体协同强化学习从单智能体决策迈向多智能体协作与竞争在交通调度、供应链优化等复杂系统中展现应用潜力前沿方向：具身智能与物理世界决策技术路线四分天下模块化分层感知、决策、控制独立模块串联分层大模型高层语义规划+低层动作执行端到端大模型（VLA）2025热点视觉-语言-动作统一模型世界模型学习环境动力学，在想象中规划决策关键挑战数据瓶颈高质量机器人操作数据严重不足，仿真合成与真实采集并行探索Sim2Real鸿沟仿真环境与真实世界的物理差异，域随机化部分缓解安全与伦理物理世界中的对抗攻击、隐私保护、人身安全等问题亟待规范中国力量宇树银河通用智元华为在VLA+RL方向全球领跑产业落地全景与标杆案例制造领域树根科技AI视觉质检缺陷检出率超95%，热轧铝卷具身智能焊接机器人破解高风险作业痛点>95%缺陷检出率医疗领域AI从医生端图像识别拓展至患者端报告理解，优化医疗资源配置双端场景覆盖能源领域电力现货市场精准预测与智能决策，多智能体协同架构实现能源调度优化多智能体协同架构金融领域从经验驱动到数据驱动的风控模式革新，实时识别200种欺诈模式200种欺诈模式核心成效40%+效率提升30%-80%人力成本降低分钟级政务办理时间AI应用价值不再体现在交互流畅度，而是通过解决特定场景痛点来衡量学习路径与实践建议基础数学基础线性代数、概率统计、最优化理论编程能力Python、PyTorch/TensorFlow框架经典算法线性回归、决策树、K-Means、DQN进阶监督学习深入SVM、集成学习、深度网络架构设计无监督学习深入对比学习、自编码器、生成模型强化学习深入PPO、SAC、多智能体RL实践动手项目Kaggle竞赛、开源贡献、课程大作业框架熟练RLinf、Isaa