Guided（引导式方法）指在模型训练或推理过程中引入提示、梯度、标签、拓扑结构等外部信号作为"引导"，以约束和优化模型行为的一类 AI 技术思路。它并非单一算法，而是覆盖训练、后训练到推理部署的方法学统称，目前正从学术研究扩展到大模型智能体、实时视觉辅助等落地场景。
Guided 近期进展
当前焦点与观察点
引导信号的来源可靠性是主要争议点：Perplexity 的自蒸馏以模型自身错误为引导信号，训练效率高，但可能放大既有偏差，尚需更长周期验证；多数学术工作止步于基准测试，真实环境表现存疑。落地层面，Guided Vision 类实时辅助涉及隐私与误判风险，医疗场景中的引导式 AI 则面临临床验证与监管门槛。后续可重点跟踪：引导信号能否标准化、自引导与外部引导的收益边界，以及消费级产品对实时引导准确率的容忍度。