一句话导读
全面审视”基础模型”机遇与风险的报告
论文信息
| 英文原名 | On the Opportunities and Risks of Foundation Models |
| 中文常用名 | 基础模型机遇与风险 |
| 作者 | Bommasani, Hudson, Adeli, et al. |
| 发表年份 | 2021 |
| 出处 / 获取 | arXiv:2108.07258 |
| 所属专题 | 经典综述 |
本文为 AI泡泡堂 经典 AI 文献栏目收录，信息经公开渠道核验。若需引用请以原论文为准。
详细解读（中文）
一、论文背景：GPT-3、CLIP、DALL·E 等”大而通用”的模型正在重塑 AI 生态，但学术界缺乏对其”机遇与风险”的系统审视。斯坦福基础模型研究中心（CRFM）希望给出第一份全景式评估。
二、核心创新：论文（《On the Opportunities and Risks of Foundation Models》）提出”基础模型（Foundation Models）”概念：在大规模数据上预训练、可适配无数下游任务的通用模型。系统论述了其能力（涌现、同质化、多模态、迁移）、技术挑战（算法创新受限、评估困难、计算中心化）与社会影响（偏见、滥用、经济重构、环境成本），并提出治理建议。
三、关键技术细节：① 定义基础模型与”同质化（Homogenization）”风险：少数模型成为全行业依赖；② 讨论”涌现能力”与可预测性的矛盾；③ 分析数据与版权、隐私问题；④ 提出需要跨学科（计算机、法律、社科）协同治理；⑤ 强调”能力越强，潜在危害越大”，呼吁负责任部署。
影响与后续发展
“基础模型”一词由此论文确立并成为行业标准术语；其风险框架（同质化、偏见、滥用、治理）深刻影响了后续的 AI 安全讨论、各国监管政策（欧盟 AI 法案、中国生成式 AI 管理办法）与模型治理实践。
查看原始论文（权威链接）
英文原文摘要（Original Abstract，节选）
On the Opportunities and Risks of Foundation Models: AI is undergoing a paradigm shift with the rise of models trained on broad data at scale that are adaptable to a wide range of downstream tasks. We provide a thorough account of the opportunities and risks of these foundation models, ranging from their capabilities and technical limitations to their social impact, and argue that they are a significant and beneficial opportunity for society when used responsibly.
提示：以上英文摘要为原文节选，完整论文请通过上方权威链接查看（原始论文版权归原作者/出版方所有）。