第一，GLM-4 的后续升级版本即 GLM-4.5 及其升级模型，应当基于超级认知（Superintelligence）和超级对齐（Superalignment）技术。

GLM 大模型团队认为，文本是构建大模型最关键的基础，但下一步则应该把文本、图像、视频、音频等多种模态混合在一起训练，构建真正原生的多模态模型，同时超级对齐（Superalignment）技术将协助提升大模型的安全性。

第二，为解决更加复杂的问题，GLM 大模型团队提出 GLM-OS 概念，即以大模型为中心的通用计算系统。在 ICLR 现场，GLM 大模型团队详细阐述了 GLM-OS 的实现方式：基于已有 All-Tools 能力加上内存记忆（memory）和自我反馈（self-reflection） 机制，GLM-OS 有望实现模仿人类的 Plan-Do-Check-Act 循环。

首先做出计划，然后初步尝试形成反馈，基于反馈结果调整规划，然后再行动以期达到更好的效果。大模型依靠 PDCA 循环机制形成自我反馈和自我提升——恰如人类自己所做一样。

第三，GLM 大模型团队还在现场讲解了自 2019 年以来团队就一直在研究的名为 GLM-zero 的技术。GLM-zero 旨在研究人类的 " 无意识 " 学习机制。" 当人在睡觉的时候，大脑依然在无意识地学习。"GLM 大模型团队表示，" 无意识 " 学习机制是人类认知能力的重要组成部分，包括自我学习（self-instruct）、自我反思（self-reflection）和自我批评（self-critics）。

人脑中存在着反馈 （feedback） 和决策 （decision-making） 两个系统，分别对应着大模型和内存记忆两大部分，GLM-zero 的相关研究将进一步拓展人类对意识、知识、学习行为的理解，换而言之，尽管还处于非常早期的研究阶段，但 GLM-zero 可以视为通向 AGI 的必经之路，这是 GLM 大模型团队第一次向外界公开这一技术趋势。

除了阐述 GLM 大模型面向 AGI 的三大技术趋势，GLM 大模型技术团队在 ICLR 主旨演讲中还回顾了国产自研大模型 ChatGLM 的演进之路，向现场近 2000 名与会嘉宾与学者介绍了 GLM 系列大模型多项前沿研究成果，涵盖数学、文生图、图像理解、视觉 UI 理解、Agent 智能体、涌现现象等领域。这是中国大模型团队首度登上 ICLR 主旨演讲环节。

ICLR 国际学习表征会议由深度学习巨头、图灵奖获得者 Yoshua Bengio 和 Yann LeCun 在 2013 年牵头举办，与 ICML、NeurIPS 并称为机器学习领域水平最高会议之一。5 月 7 日，ICLR 2024 在奥地利维也纳会展中心开幕，受新一波人工智能浪潮推动，本届 ICLR 在参展人数、展览规模、论文数量上均创新高。