伴随着人工智能的出现,越来越多的公司把它运用到工作生产中,新的移动开发技术不断涌现,产品创新此起彼伏,而要想在技术革新中幸存下来,企业必须随时洞察前沿热点,永葆技术创新能力。作为开发者也需要学会拥抱变化,在变化中完成蜕变。
2018年1月5日,开年首场移动技术与AI领域重要会议--AI时代的移动技术革新大会,在北京隆重召开。本次会议由APICloud与极客邦科技联合各大平台技术专家共同举办。大会以移动领域热点技术+典型应用案例实战为主,围绕AI时代的核心技术内容,结合大数据、云计算、人工智能技术前沿,设置了人工智能重塑移动技术格局专场、智能移动开发专场、大前端开发专场、基于AI的开发实践专场、行业技术落地案例专场。从最新业务增长、最精技术实战到最热应用案例等多方面全线深入,满足大家的学习需求,促进移动开发领域的技术共享。现场吸引了超过3000名移动开发者的积极参与。
在大会上午的主题演讲中, IBM全球技术研究院院士林咏华、上海国际汽车城发展有限公司执行总经理徐健博士、APICloud创始人兼CEO刘鑫以及Intel中国区在线业务总经理李育新,分别围绕AI在企业中的应用,无人车相关技术趋势,移动技术与人工智能等话题进行主题分享。
其中APICloud创始人兼CEO刘鑫的主题演讲预示着移动开发已步入全融合的下一个新纪元,他在分享AI与移动应用结合话题中讲到,AI的落地就是落地到各种各样的应用里面,其实对于绝大多数企业不需要过多关注AI技术实现和基础能力的训练,应该把精力放在寻找合适的AI接口API上面,跟业务的结合落地就是重点,业务是什么?业务就是我们所说的app,而这也是APICloud的核心业务与战略重心。
最后,刘鑫重点介绍了APICloud平台发布的新功能,纯翻译模式的UI引擎,也就是APICloud的前端业务逻辑全面兼容了微信小程序,假设你为微信小程序写的代码,使用UI引擎可以做到80%甚至90%复用到API平台上,从而大范围节省开发成本,更重要的是节省时间,提升开发效率。
而英特尔中国区在线业务总经理李育新就《灵活、适配、高效》进行了主题分享,在分享中李育新不仅介绍了英特尔中国在线业务的项目服务,更重点提到了与APICloud合作的平台业务。APICloud技术团队从2015年开始为Intel(中国)在线业务部提供移动信息化技术支持和服务,协助打造行业领先Intel OSG Platform,并服务于硬享公社、精英汇和芯零售三大主要产品,同时在系统中引入智能机器人服务,将支持后续系统的全球化。
在大会上午,主办方APICloud举行了"最佳合作奖"的颁奖典礼,展示了长期以来APICloud合作的优质项目,获奖企业包括"英特尔中国在线业务部"、"中信证券"、"海尔集团、"克丽缇娜"、"创新港国际汽车城"、"碧桂园",这些国内知名企业均通过APICloud高效的混合开发技术,实现了业务快速布局,形成移动战略合力。
大会下午,由平行四场分论坛组成,分别为智能移动开发专场、大前端专场、基于AI的开发专场、行业技术落地案例专场,主办方邀请到了16位技术大咖为观众带来了精彩分享!
四个分会场的重量级嘉宾可谓是干货满满,全场座无虚席,他们代表了中国互联网一线企业的绝大多数精英,包括百度、新浪、阿里、苏宁、美团、网易、链家、饿了么、中科创达、图普科技、深奇智慧、爱因互动、商汤科技、中国光大银行等十余家中国互联网一线企业。
在智能移动技术开发专场,APICloud联合创始人兼CTO邹达以及技术负责人李德兴,对移动混合开发技术趋势和APICloud发布的全新功能UI模块引擎进行了详细介绍, 该引擎主要优势体现在,第一是全翻译,用APICloud的UI引擎模拟做到完全的原生体验。第二是小程序组件拿来即用,在APICloud的平台上可以大范围的复用,第三是不懂原生也能写模块,甚至很多开发者可以通过在APICloud上写模块分得佣金。
对于2018移动技术创新大会的的主办方APICloud来说,举办这样一场会议凭借的是其在移动应用开发领域的技术累积以及不断创新的理念。全国诸多知名企业客户,均在借助APICloud技术重塑移动战略合力。
而如果分析举办本次大会的深层次原因,这只是一个开始,未来APICloud将为开发者与企业提供更高效、更加融合的开发生态服务。
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。