文件从提升算力资源统筹供给能力、提升高质量数据要素供给能力、系统构建大模型等通用人工智能技术体系、推动通用人工智能技术创新场景应用、探索营造包容审慎的监管环境五个方面，推动通用人工智能创新发展。

　　其中，系统构建大模型等通用人工智能技术体系，包括以下措施：

　　(七)开展大模型创新算法及关键技术研究

　　围绕模型构建、训练、调优对齐、推理部署等环节，积极探索基础模型架构创新，研究大模型高效并行训练技术和认知推理、指令学习、人类意图对齐等调优方法，研发支持百亿参数模型推理的高效压缩和端侧部署技术，形成完整高效的技术体系，鼓励开源技术生态建设。

　　(八)加强大模型训练数据采集及治理工具研发

　　围绕训练数据“采、存、管、研、用”等环节，研究互联网数据全量实时更新技术、多源异构数据整合与分类方法，构建数据管理平台相关系统，研发数据清洗、标注、分类、注释及内容审查等算法及工具。

　　(九)建设大模型评测开放服务平台

　　鼓励第三方非盈利机构构建多模态多维度的基础模型评测基准及评测方法;研究人工智能辅助的模型评测算法，开发包括通用性、高效性、智能性、鲁棒性在内的多维度基础模型评测工具集;建设大模型评测开放服务平台，建立公平高效的自适应评测体系，根据不同目标和任务，实现大模型自动适配评测。

　　(十)构建大模型基础软硬件体系

　　支持研发大模型分布式训练系统，实现训练任务高效自动并行。研发适用于模型训练场景的新一代人工智能编译器，实现算子自动生成和自动优化。推动人工智能训练推理芯片与框架模型的广泛适配，研发人工智能芯片评测系统，实现基础软硬件自动化评测。

　　(十一)探索通用人工智能新路径

　　发展面向通用人工智能的基础理论体系，加强人工智能数学机理、自主协同与决策等基础理论研究，探索通用智能体、具身智能和类脑智能等通用人工智能新路径。支持价值与因果驱动的通用智能体研究，打造统一理论框架体系、评级标准及测试平台，研发操作系统和编程语言，推动通用智能体底层技术架构应用。推动具身智能系统研究及应用，突破机器人在开放环境、泛化场景、连续任务等复杂条件下的感知、认知、决策技术。支持探索类脑智能，研究大脑神经元的连接模式、编码机制、信息处理等核心技术，启发新型人工神经网络模型建模和训练方法。