低代码平台

ACE智能云引擎

AIGC

人脸表情识别

手势识别

装载机器人

低代码可视化开发

有灵机器人

挖掘机器人

众包数据服务

伏羲低代码平台是利用可视化组件拖拽的方式，快速完成业务的前端功能页面，在后端提供数据库对象、图形触发器和脚本，甚至只进行简单的拖拽式流程编排和参数配置就能完成开发。

伏羲低代码平台提供了足够丰富且高价值高复用的技术、系统、数值组件，让用户可以通过灵活配置的方式生成自己想要的程序

网易伏羲低代码平台包含系统和数值设计组件，比如商城，抽卡，匹配，聊天，排行等。

低代码公共组件

近日，国际知识发现与数据挖掘大会 (ACM SIGKDD Conference on Knowledge Discovery and Data Mining，简称 KDD)公布了论文接收结果：网易伏羲共有四篇论文中稿Research Track和Applied Data Science Track。这四篇论文的研究方向涉及可解释性、在线营销、组合优化、主动学习等多个领域的关键问题，为数据科学领域带来了新的亮点。


近日，国际知识发现与数据挖掘大会 (ACM SIGKDD Conference on Knowledge Discovery and Data Mining，简称 KDD)公布了论文接收结果：网易伏羲共有四篇论文中稿Research Track和Applied Data Science Track。这四篇论文的研究方向涉及可解释性、在线营销、组合优化、主动学习等多个领域的关键问题，为数据科学领域带来了新的亮点。
<img src="https://static.fuxi.netease.com/fuxi-official/web/20240619/35c34f9634a051b0d0162e133a30df16.png" alt="" width="960" height="242">
KDD 是数据科学领域历史最悠久、规模最大的国际顶级学术会议，也是中国计算机学会（CCF）推荐的A类国际学术会议。自成立以来，KDD聚焦于数据挖掘、知识发现和大数据分析等领域的最新研究及应用进展，涉及机器学习、人工智能、统计学、数据库技术、数据可视化等研究领域，吸引了大量来自世界各地的学术界、工业界专业人士参与。今年，KDD 2024会议Research Track共收到2046篇论文投稿，Applied Data Science Track共接收738篇投稿，接受率仅20%，网易伏羲凭借深厚的科研底蕴与前瞻的技术实力成功入选四篇论文。截至目前为止，网易伏羲已累计发表200余篇人工智能顶会论文。
以下为网易伏羲此次入选的论文概要：
<h2>一、《XRL-Bench: A Benchmark for Evaluating and Comparing Explainable Reinforcement Learning Techniques》</h2>
<h2>XRL-Bench: 评估和比较可解释强化学习技术的基准</h2>
&nbsp;
关键词：可解释强化学习，可解释AI，Benchmark
涉及领域：Explainable RL，Explainable AI
论文链接：https://arxiv.org/abs/2402.12685
项目主页：https://github.com/fuxiAIlab/xrl-bench
&nbsp;
随着强化学习（RL）在游戏AI、机器人技术及工业控制等领域的广泛应用，其决策过程的可解释性愈发成为关乎可靠性和透明度的关键议题，尤其在对智能系统决策合理性与安全性有着极高要求的实际场景中，强化学习模型的“黑箱”特性成为制约其广泛接纳与部署的一大瓶颈。为破解这一难题，网易伏羲群体智能组推出开源项目XRL-Bench，通过构建一个涵盖RL环境、状态解释器与评估器三大模块的标准化评估框架，为可解释强化学习（XRL）方法的研发与评估提供稳固支撑。XRL-Bench旨在搭建一个综合、开放且易于使用的平台，为游戏竞技机器人的决策过程提供清晰、可量化且可比较的解释，从而赋能全球科研人员与从业者更有效地研发、测试与对比各类XRL算法。
<img src="https://static.fuxi.netease.com/fuxi-official/web/20240619/04338d22346a9f567871ae713ddf30e6.png" alt="" width="960" height="354">
该框架包含游戏环境、解释器、评估器，支持表格和图像状态输入，覆盖《全明星街球派对》等六款游戏环境。借助DRL训练的智能体和数据集，XRL-Bench提供CSV和MDPDataset格式数据，以及深度神经网络直接解释难题的解决方案，如TabularSHAP。该方法通过集成树模型学习策略，并利用TreeSHAP为RL智能体的决策过程提供透明解释。XRL-Bench提供五项评估指标，包括保真度的AIM、AUM、PGI、PGU和稳定性的RIS，形成全面评估体系。该平台简化了环境配置、数据生成、解释器初始化到解释评估的流程，便于扩展使用。
<img src="https://static.fuxi.netease.com/fuxi-official/web/20240619/675ab5df8493a584c9ade73f0af0f529.png" alt="" width="960" height="210">
XRL-Bench已在《永劫无间》等网易游戏AI中应用，通过TabularSHAP分析，揭示了AI行为背后的关键因素，帮助开发者深入理解内部逻辑，提高诊断和开发效率。例如，在《永劫无间》中，TabularSHAP帮助找出AI机器人在执行连招时出现的中断问题，经排查是编程接口bug所致。修复后，AI成功掌握高级连招技巧。
<img src="https://static.fuxi.netease.com/fuxi-official/web/20240619/d581b942a172f32c3aa4ab2640058b15.jpg" alt="" width="960" height="890">
作为一项里程碑式的开源项目，XRL-Bench不仅为全球研究者和开发者提供了统一的XRL方法测试平台，更彰显了网易伏羲在推动游戏竞技机器人可解释性技术进步上的领导力与创新精神。未来，XRL-Bench将持续拓展环境、解释方法与评估指标的覆盖范围，赋能更多AI机器人项目，助力游戏开发者高效诊断问题、优化策略，以及为玩家提供详实的AI行为解读。同时，网易伏羲将继续开发AI机器人可解释工具，构建客观的机器人水平和风格评价体系，推出AI教练战斗复盘报告功能，以科技力量持续缩短机器人开发周期，提升游戏AI的智能化水平与用户体验。
&nbsp;
<h2>二、《MGMatch: Fast Matchmaking with Nonlinear Objective and Constraints via Multimodal Deep Graph Learning》</h2>
<h2>MGMatch：通过多模态深度图学习实现快速匹配，解决非线性目标和约束</h2>
&nbsp;
关键词：游戏战斗匹配，非线性组合优化
涉及领域：Matchmaking, Neural Combinatorial Optimization
论文链接：https://openreview.net/attachment?id=MLErD6Hnwt&amp;name=pdf
论文网站：https://openreview.net/forum?id=MLErD6Hnwt
&nbsp;
作为在线游戏的核心问题，匹配是将玩家分配到多个团队，以最大化他们的游戏体验。随着游戏领域的迅猛发展，传统上将玩家体验简化为线性模型的做法已难以适应复杂的现实需求。相反，通过训练神经网络进行数据驱动的体验建模已成为主流趋势。然而，这一过程还需兼顾一系列复杂规则，用以保障匹配机制的稳定性和公平性，这些规则常通过逻辑运算符进行描述。因此，实际操作中，游戏匹配问题演变成了一项具有非线性目标、线性约束和逻辑约束的挑战性组合优化问题，在先前研究中鲜少得到深入探讨。
对此，我们创新性地提出了一种新颖的深度学习方法，旨在实现实时、高质量的匹配。首先，我们将问题转化为标准的混合整数规划（MIP）问题，通过对ReLU网络和逻辑约束进行线性化。接着，基于监督学习原理，我们设计并训练了一个多模态图学习架构，能够从实例数据中端到端地预测出最优解，并解决一个代理问题以有效地获得可行解。通过对真实行业数据集的评估，结果表明我们的方法能够在100毫秒内提供接近最优的解决方案。
<img src="https://static.fuxi.netease.com/fuxi-official/web/20240619/da9d424e3421040f7478804e85d9f01b.png" alt="" width="960" height="385">
<h2>三、《Temporal Uplift Modeling for Online Marketing》</h2>
<h2>突破在线个性化营销难题 —— 时序uplift模型（TPPUM)</h2>
&nbsp;
关键词：在线营销,uplift模型
涉及领域：recommendation system, causal inference
论文链接：https://openreview.net/attachment?id=jJy9pWeRJT&amp;name=pdf
论文网站：https://openreview.net/forum?id=jJy9pWeRJT
&nbsp;
近年来，uplift模型，也称为个体处理效应（ITE）估计，在在线营销领域得到了广泛应用，例如通过提供一次性的优惠券或折扣来激励用户购买。然而，在涉及用户多次干预的复杂且更为现实的场景中，这类模型的应用仍然相对较少。这些场景带来的挑战包括处理随时间变化的混杂因素偏差、确定最佳干预时机以及在众多处理选项中进行选择。
为了应对这些挑战，我们提出了一种基于时间点过程的提升模型（TPPUM）。该模型通过反事实分析和时间点过程，利用用户的时间事件序列来估计处理效应。在该模型中，营销行动被视为处理，用户购买被视为结果事件，处理如何改变未来生成结果事件的条件强度函数被视为提升。在涉及每天平均3到4次干预和数百个处理候选者的折扣捆绑推荐场景的在线实验中，我们的新方法明显提升了用户消费体验和应用的整体收入。这一结果证明了我们方法在处理复杂干预场景中的有效性和实用性。
<img src="https://static.fuxi.netease.com/fuxi-official/web/20240619/387b8b0af160f74392a3a2693125bdfb.png" alt="" width="960" height="651">
<h2>四、《CoMAL: Contrastive Active Learning for Multi-Label Text Classification》</h2>
<h2>CoMAL：通过对比主动学习，实现多标签文本分类</h2>
&nbsp;
关键词：对比学习，主动学习，多标签分类
涉及领域：Constrastive Learning, Active Learning, Multi-Label Text Classification
论文链接：https://openreview.net/pdf?id=njR3i99F0f
论文网站：https://openreview.net/forum?id=njR3i99F0f
&nbsp;
现实场景中普遍存在多标签文本分类（MLTC）问题，即需要对给定文本赋予多个标签。由于MLTC问题的标注耗时耗力，主动学习成为提升效率和效果的一个主要路径。然而，在MLTC问题上的主动学习应用仍面临诸多挑战，例如如何构建合理的特征空间以实现不同语义标签下的数据分离，以及如何为整个标签空间设计出合理的采样策略标准。
为了解决这些问题，我们提出了对比多标签主动学习框架（CoMAL）来实现更加高效的数据集构造方案。具体而言，我们首先通过对比解耦学习来获取多个标签的语义信息，从而获得更好的特征表示，接着采用混合标准来评估数据价值，包括基于相似度增强的标签基数不一致性以及正面倾向性的语义多样性得分。通过大量的实验验证，证明了CoMAL框架在主动学习策略上的有效性。我们相信，这一方案有望提升网易伏羲在多个业务算法模型中的数据闭环迭代效率和效果。
该论文由网易伏羲与浙江大学王皓波老师合作完成。
<img src="https://static.fuxi.netease.com/fuxi-official/web/20240619/061024829ac2db6f49bbe66fe3846047.png" alt="" width="960" height="578">
此次，网易伏羲论文成果入选KDD 2024，再度彰显了其前沿技术实力与领先技术地位，既是对网易伏羲持续钻研技术研发的赞誉，更是对其利用人工智能创新不断驱动产业升级实践的认可。
展望未来，网易伏羲将坚守技术初心与创新本源，从应用场景出发，继续深入探索各领域前沿问题，广泛共享人工智能科技成果，秉持“人机协作，万物有灵”的发展愿景，与各领域伙伴紧密合作，加速促进人工智能技术与实体经济的深度融合，为人工智能的应用落地贡献力量。

网易伏羲技术成果再获KDD认可，四篇入选论文展现AI研究领域深厚底蕴

在数字化转型的时代洪流中，每一项技术的跃进都是对未来的深刻探索与描绘。近日，网易伏羲作为国内人工智能领域的领军者，受邀参与《云上的中国3：剧变中的AI时代》纪录片访谈，凭借其在人工智能领域的卓越成就和创新实践，成为展示中国AI创新力量的重要代表之一。

在数字化转型的时代洪流中，每一项技术的跃进都是对未来的深刻探索与描绘。近日，网易伏羲作为国内人工智能领域的领军者，受邀参与《云上的中国3：剧变中的AI时代》纪录片访谈，凭借其在人工智能领域的卓越成就和创新实践，成为展示中国AI创新力量的重要代表之一。不仅如此，网易伏羲还作为代表性案例被收录进同名书籍，通过专家观点与实践案例为大众生动讲述网易伏羲发展历程，展现网易伏羲的深厚技术底蕴与创新AI应用成果。
<img src="https://static.fuxi.netease.com/fuxi-official/web/20240618/1b586e0fb28b40e85ec0c089a7ed7897.jpg" alt="" width="960" height="540">
据了解，《云上的中国3：剧变中的AI时代》是“云上的中国”系列重磅新作。该系列是由吴晓波领衔策划并参与调研的阿里云官方授权作品，通过调研100+家AI企业，走访50位AI专家与企业代表，以真实案例和一线访谈捕捉和记录中国AI行业的动态发展和技术创新。此次，网易伏羲受邀深度参与其中，不仅是对网易伏羲过往AI应用成果的认可，也寄寓了对其未来AI技术创新与持续探索的厚望。
<h1>技术加持，AI开启游戏行业体验变革</h1>
作为网易旗下专业从事游戏与元宇宙AI技术研究和应用的人工智能机构，网易伏羲早在2017年成立之初，就提出了“让人工智能点亮游戏的未来”的口号，希望通过人工智能技术的研究与应用释放创作者的生产力，革新游戏体验。
在网易伏羲AI技术的助力下，网易祝融工作室打造了国内第一个AI MMO游戏《逆水寒》手游。通过AI技术加持，《逆水寒》手游实现了多维度创新，支持AI高智能NPC、AI捏脸、AI作诗、AI游历故事、AI大宋头条等功能，不仅给予玩家超高自由度，也极大提升了游戏的真实感和可玩性，被不少媒体誉为“全球首款AI游戏”。
<img src="https://static.fuxi.netease.com/fuxi-official/web/20240618/39ae75293e20f3839a17932fcbc5dfba.png" alt="" width="960" height="540">
《逆水寒》手游AI策划负责人Beta在采访中指出，“海外其实有不少关于人工智能游戏相关的影视剧、电影，比如说《西部世界》，其实都包含了人们的一个美好的愿景。但是第一个真正把它落地到游戏里的是我们中国的游戏。”其中，在《逆水寒》手游中实现的智能NPC不仅拥有自己的独特人设，还拥有感知能力、认知能力、决策能力等，能对环境和玩家的动态变化做出反馈，让玩家有沉浸感和氛围感，以及像跟真人一样打交道的体验感。从NPC的千人千面外观到他们的心智，AI加持下的《逆水寒》手游为玩家带来了前所未有过的全新游戏体验。
“《逆水寒》手游的智能NPC背后，其实有一个很长时间的、厚积薄发的过程。”《逆水寒》手游智能NPC-AI技术负责人小邪在采访中袒露。这一系列大胆创新的游戏设计背后，离不开网易伏羲长期的AI技术实力积累与应用探索。成立至今，网易伏羲先后研发出AI照片捏脸功能、智能养育系统、AI故事接龙玩法、文字捏脸玩法，以及AI游戏剧情动画、AI游戏匹配、AI反外挂等技术，通过将研发思路由“游戏+AI”转变为“AI+游戏”模式，网易伏羲实现了多个行业首创的AI应用。
<img src="https://static.fuxi.netease.com/fuxi-official/web/20240618/22a657d0819f7fa9985a3b7f3fa8743a.png" alt="" width="960" height="539">
正如网易伏羲游戏AI产品负责人青雀在采访中所说，“提到AI的作用时，大家的第一反应往往是解放人力、提高工作效率，也就是‘降本增效’，但是AI在《逆水寒》手游中的作用不止如此，它核心的使命是'让游戏变得更好玩'。”在深度整合AI技术与游戏研发过程中，网易伏羲利用AI技术不仅大幅提高游戏生产效率，有效达成“降本增效”的目的，同时，更进一步提升用户的情感陪伴体验，创造出前所未有的游戏互动体验，实现了“让游戏变得更好玩”的目标。
<h1>由虚向实，AI赋能实体产业转型新质生产力</h1>
网易伏羲的AI应用创新并未止步于虚拟世界。在“人机协作，万物有灵”的愿景下，网易伏羲正在探索如何将AI技术应用于更多实体产业，帮助解决真正的问题，为社会创造更多价值。
“ChatGPT的出现使大家都意识到工程机械的智能体化可能会进一步的加速到来。”网易伏羲工程机器人产品负责人杨小新在采访中这样提到。面对AI浪潮，网易伏羲将游戏中积累的数字化和AI能力成功迁移到挖掘机、装载机等工程机械的产品上，使之具备远程操控、云端计算及智能化的能力，从而实现自动化作业目标。此外，网易伏羲还基于AOP（Agent-Oriented-Programming，面向智能体编程）理论思想及自研工业大模型，推出了首个“自我进化”的工程机械大脑，真正实现工程机器人的自主学习和智能决策，提高机器的操作效率和准确性。
<img src="https://static.fuxi.netease.com/fuxi-official/web/20240618/d114982b383e3579cebd38a738be2486.png" alt="" width="960" height="540">
以挖掘机器人为例，在工程施工中，网易伏羲挖掘机器人能够代替挖机师傅执行高强度、高风险任务，解决了工程机械行业长期存在的招工难、用工难的问题，并显著降低在灰尘弥散、抢险救灾、高寒缺氧等高风险施工环境中人工操作的风险；通过先进的感知模块，能够实时监测障碍物和防止车辆倾覆，确保机器和周围环境的安全；其智能决策能力还能有效提升作业效率，为施工单位的工程进度提供有力保障。早在2022年，网易伏羲已经将挖掘机开到了高原铁路建设现场。
<img src="https://static.fuxi.netease.com/fuxi-official/web/20240618/d583b7039978460977de6f96a93c2bc1.png" alt="" width="960" height="541">
目前，基于网易伏羲工业大模型改造的装载机器人，也已落地南京港、亚洲最大的预制梁场搅拌站等场景，预计帮助施工单位降低50%的安全风险、节约75%的施工成本。未来，网易伏羲挖掘机机器人、装载机器人将在露天矿山、港口、搅拌站等场景下有更多的落地应用。
此外，在人机协作的大趋势下，网易伏羲基于AOP理论思想创新性构建了人机协作线上任务平台有灵平台，通过共建人机协作的数字孪生灵活用工平台，以AI人机协作的方式提供数字化灵活就业机会，将人类从枯燥重复的工作中解放出来，让每一个人都有机会去做更多自由有趣的工作。目前，网易伏羲有灵平台已在众包数据服务、美术制作、远程操控等垂直业务拥有大量实际落地案例。
网易伏羲AI技术负责人睿风在采访中表示，“AI技术发展最终会变成我们非常强大的一个生产力工具。我们应该去利用这些AI工具，使用AI、体验AI、享受AI。”从游戏到AI，再从AI到各类辅助人类生产生活的工具，AI技术的边界正在不断拓宽。毋庸置疑的是，AI正在成为推动各行业变革的关键力量，未来将拥有更多种可能性和应用场景。正如吴晓波在《云上的中国》纪录片中所述，“中国需要的是垂直应用大模型”，而这正是网易伏羲所坚持的方向。通过将AI技术从游戏拓展至更广泛的实体领域，网易伏羲凭借丰富AI创新应用展现了其在技术领域的领先地位，也生动诠释了AI技术的广阔应用前景，为中国各行各业的场景创新和颠覆式发展提供了借鉴和启发。
在这个即将到来的澎湃时代，网易伏羲将继续深耕AI技术研发，探索AI应用发展的更多可能，为推动中国乃至全球的AI创新与发展持续贡献力量。同时，网易伏羲工程机器人将继续深化人工智能数字化技术与实体经济的融合，为新质生产力的发展注入新的活力。我们相信，随着技术的不断进步和应用场景的不断丰富，一个更加智能、高效的“云上中国”正呼之欲出。

云启未来，智绘中国，网易伏羲亮相《云上的中国3：剧变中的AI时代》

本文介绍了PaaS平台的5个关键组件，开发工具、中间件、操作系统(OS)、数据库已经一些基础设施，PaaS服务的意义就是通过这些组件让用户可以专注于应用程序构建。

不同的<a href="https://fuxi.163.com/database/248" target="_blank">PaaS平台</a>会提供不同类型的服务，本文整理了这些PaaS服务的核心组件。<h3>开发工具</h3>PaaS(平台即服务)最重要的组成部分是工程师出于软件开发目的所需的工具。其中包括源代码编辑器、调试器、编译器和其他有助于编写、部署、调试和管理代码的基本工具。PaaS的本质是根据客户的需求，平台提供特定的工具，这些工具包括开发人员构建应用程序所需的一切。<h3>中间件</h3>中间件即软件，它允许用户与软件进行交互。它充当面向用户的应用程序和机器操作系统之间的中间桥梁。中间件使应用程序能够理解用户的输入行为，比如键盘输入或鼠标点击等等事件。<h3>操作系统(OS)</h3>PaaS平台提供开发人员需要在其上工作以及在其上运行应用程序的操作系统。操作系统是PaaS平台提供的基本组件。<h3>数据库</h3>PaaS平台允许开发人员创建、查询和维护开发和部署应用程序所需的数据库。<h3>基础设施</h3>在PaaS中，所有基础设施组件还包括存储和服务器，这些在开发和部署应用程序时需要考虑的。对于PaaS平台来说，要么管理服务器、存储和物理数据中心，要么从第三方提供商处购买。总而言之，PaaS平台让开发团队可以专注于应用程序构建，而不是担心基础设施本身。

PaaS平台关键组件有哪些？

网易伏羲低代码平台可以兼容各种不同的系统

低代码可视化开发

产品功能

核心优势

帮助与文档

伏羲低代码平台

常见问题