決策智能公平性與高質量數據生成及利用研究取得系列進展

　　決策智能作為人工智能賦能復雜系統的核心環節，旨在使機器能夠自主感知、推理并執行最優策略，已成為推動無人系統、推薦平臺與機器人智能化發展的關鍵引擎。現有決策系統在邁向高階自主的過程中，面臨三大核心瓶頸：長期價值與短期收益的權衡困境，個體智能與群體協同的整合難題，以及模型效能與數據效率的固有矛盾。

　　中國科學院重慶綠色智能技術研究院研究團隊圍繞長期可靠決策、多體協同決策與高質量數據蒸餾等提出了創新性的解決方案，三篇相關論文被人工智能國際會議AAAI 2026錄用。

　　交互式推薦系統在提供個性化體驗的同時，也面臨長期公平性失衡的挑戰：系統往往過度偏向熱門內容，冷門或新內容難以獲得曝光。這種“流行度偏見”在長期運行中不斷累積，最終破壞內容生態的多樣性與可持續發展。

　　針對這一問題，研究團隊提出數字內容生命周期感知的分層強化學習框架（LHRL），實現了對推薦系統“短期用戶滿意度”與“長期生態公平性”的動態平衡。實驗結果顯示，該機制可在保持用戶滿意度的同時，將長期用戶參與度提升超過10%，顯著改善了內容分布公平性。該研究揭示了生命周期因素在推薦公平性調控中的關鍵作用，為構建可持續、公平、可信的推薦生態提供了新的決策范式。

　　在復雜物理環境中實現多機器人協同作業，是群體智能研究的重要方向。當前系統長期受制于“通信與協同”的雙重約束：集中式決策需要傳輸大量感知數據，造成通信延遲；而完全分布式決策又難以保證全局協調精度。

　　研究團隊提出PIPHEN分布式物理認知與控制框架，通過從“數據通信”向“語義通信”轉變，顯著提升多機器人協同效率。實驗結果表明，該框架可將協同決策延遲從315毫秒降低至76毫秒，同時提升任務成功率和系統穩定性。該研究為無人系統在復雜動態場景中的高效、可靠、可解釋協作提供了全新技術路徑。

　　視覺—語言—動作（VLA）模型是支撐機器人理解世界與執行復雜任務的關鍵技術。此類模型的訓練高度依賴海量數據，帶來巨大的計算與存儲開銷，使得高性能模型難以在資源受限的場景中部署。現有“以模型為中心”的優化方式，如模型壓縮與蒸餾，雖能減輕部分負擔，卻未從數據層面根治效率瓶頸。

　　研究團隊提出FT-NCFM影響力感知數據蒸餾框架，開辟“以數據為中心”的高效模型訓練新方向。該框架使模型能夠以更少的數據學習到更有效的知識。實驗證明，僅使用5%的合成數據即可恢復原模型90%以上的性能，訓練成本降低超過75%。該成果為在邊緣設備上部署大規模智能模型提供了高效、經濟且通用的數據優化范式。

　　以上相關研究工作得到國家自然科學基金、重慶市自然科學基金、重慶市技術創新與發展重大專項等的支持。