来源：新浪科技

新浪科技讯 11 月 4 日晚间消息，在 2026 年世界互联网大会乌镇峰会 " 人工智能赋能科学研究 " 论坛上，360 集团首席科学家、高级副总裁潘剑锋发布元认知模型（MCM）相关研究成果。该模型面向通用任务，通过对任务环境、经验知识、行动逻辑和状态变化进行建模，帮助大模型理解任务条件、判断行动路径、辅助决策并检验执行结果，为 AI 从 " 能生成 " 走向 " 可靠执行 " 提供技术支撑。

潘剑锋以科学研究为例，分析了大模型落地面临的挑战：当前，大模型正从知识生成走向复杂科学问题求解，但生成不等于正确，推理也不等于证实。如何让模型不仅能够探索未知、提出科学假设，更能够依据科学规律验证结论、修正推理，是迈向可靠科学智能的关键。当 AI 从回答问题走向调用工具、执行任务，这种不确定性还可能演变为实际操作风险。科研对推理过程和结果可靠性的高要求，也使其成为检验 AI 能力的重要场景。

针对这一问题，潘剑锋提出面向通用任务的 " 推理 + 验证 " 范式，核心是将候选方案的生成与正确性验证相对解耦，通过 "MCM+LLM" 双轮驱动，实现生成与验证的协同。其中，LLM 负责理解问题、提出假设和探索多种可能方案；MCM 则通过对任务环境、经验知识、行动逻辑和状态变化进行建模，为大模型提供认知与验证支撑。候选方案经过检验后，验证结果还会反馈给大模型，指导其修正推理、补充证据或调整探索方向，形成 " 生成—验证—反馈—修正 " 的协同闭环。

元认知模型的应用并不局限于科研。在网络安全、企业办公等领域，它同样能够为大模型提供通用的认知和决策支持，帮助智能体理解任务环境和目标、拆解工作流程、调用工具并跟踪执行状态，提升复杂任务的执行可靠性。

目前，MCM 所代表的状态理解、路径引导与验证能力，已在 360 安全产品中落地验证。360 安全产品将环境理解、风险识别和攻击路径分析等能力应用于真实攻防场景。

潘剑锋表示：" 生成决定 AI 能跑多快，可靠执行决定 AI 能跑多远。没有验证的生成，是风险；有可靠执行的生成，才是生产力。" 随着 AI 从大模型走向智能体应用，如何让 AI 理解环境、判断行动并验证结果，正成为产业应用的重要课题。元认知模型也将成为 360 推动 AI 可靠执行、探索 AI 产业应用的重要根技术。