
提案有两条,第一条是建议全面开放医院挂号号源,让病人找到最合适的医生。提案二为:建议设立“中国大脑”计划,推动人工智能跨越发展,抢占新一轮科技革命制高点。
提案1:建议全面开放医院挂号号源,让病人找到最合适的医生。
“看病难”是老百姓最关心的民生问题之一,加快医药卫生事业发展和改革,是提高人民生活质量的重要举措。网络挂号对方便群众就医、提升医疗行业运行效率具有重要作用。当前部分地区具有官方背景的“预约挂号统一平台”存在着社会认知度低、用户体验不好、挂号号源上网比例不高、限制医院开展个性化服务积极性和自主性等问题。
李彦宏建议取消部分地区对商业机构开展网络挂号业务的限制,借助社会力量优化医疗资源配置,提升医疗服务的质量和效率。同时,根据不同地区实际情况,逐年加大医院挂号号源上网的比例,加强对网络挂号的宣传力度,引导患者更多通过互联网进行挂号。大力扶持各级医院提升信息化水平,鼓励医院通过自身网站为群众提供挂号服务、进行在线咨询和交流功能,并借助信息化手段实现分时预约,提升医院运营效率,方便群众就医。
“我希望政府部门可以下达统一的规定,例如,所有医院的网上挂号率必须在三年内达到50%。但是怎样把这个号放出去,需要各个医院自己想办法,比如主动提升医院的信息化系统。政府相当于给医院量化指标,要求他们一定要实现多高的网上挂号率。”李彦宏表示。
提案2:建议设立“中国大脑”计划,推动人工智能跨越发展,抢占新一轮科技革命制高点。
人工智能是21世纪最为前沿的技术之一,其发展将极大地提升和扩展人类的能力边界,对促进技术创新、提升国家竞争优势乃至推动人类社会发展产生深远影响。当前,人工智能正迎来新一轮创新发展期,欧美等发达国家纷纷从国家战略层面加紧布局,以引领新一轮科技创新大潮。而目前,我国在人工智能领域的基础研究积累、应用实践经验和科技创新投入较发达国家均有较大差距,且国家层面尚未制定针对人工智能的全面推进计划。
李彦宏建议设立国家层面的“中国大脑”计划。以智能人机交互、大数据分析预测、自动驾驶,智能医疗诊断,智能无人飞机,军事和民用机器人技术等为重要研究领域;支持有能力的企业搭建人工智能基础资源和公共服务平台,面向不同研究领域开放平台资源,高效对接社会资源,依托统一平台协同创新;改变传统“相马模式”的科研机制,引入“赛马模式”等市场机制,通过开放式协同创新和资源开放共享,吸引相关各方的广泛参与;在人工智能技术成果的转化与共享方面,充分引入市场机制,促进研究成果转化,带动传统工业、服务业、军事等领域的融合创新,推动传统产业和社会服务向智能化方向发展,助力我国经济转型升级,为实施国家创新驱动发展战略提供有力支撑。
对于这个项目,李彦宏不仅希望像国家发改委这样的传统政府部门介入,也希望中国军方介入。“军队在技术创新上一直起到非常大的作用。纵观整个世界历史,很多创新都是在战争时期产生飞跃的发展。军方有需求,他们也拥有大量的经费。”李彦宏举例说,美国“阿波罗登月计划”带动大批企业成长创新,美国军方ARPAnet衍生出了互联网。
好文章,需要你的鼓励
本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。
这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。
中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。
这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。