近日,以“AI芯片·AI应用·AIoT”为主题的瑞芯微第八届开发者大会在福州隆重举行,本次大会集结了各类前沿技术,吸引了数千名来自全球的AI技术爱好者、企业代表、学者和研究人员。
在大会上,多位重磅嘉宾围绕AI技术、AIoT新硬件的产品与算力需求分享智见。百度副总裁阮瑜出席并发表主题演讲,分享了软硬自研、全栈布局的ARM云产品方案,并发布了百度新一代磐玉AI边缘计算盒产品。
(百度副总裁 阮瑜)
百度ARM云全栈布局,提供更普惠的智能算力
如今,企业的数字化转型和智能化升级已成为行业共识,服务器的市场规模逐年攀升。其中,相较于x86架构的服务器,ARM架构的服务器以其高性价比、低功耗等优势实现了迅猛增长。百度ARM云从ARM服务器研发生产到IaaS、PaaS、SaaS进行全栈深度布局,构建了端到端的产品服务体系。产品经过多年的技术积累,线上服务连续性超过99.9%,为客户带来更安全、更普惠、更稳定的产品服务。
(百度ARM云产品布局)
经过不断地探索与实践,百度ARM云产品已成熟应用到互联网、文娱、运营商、新零售、金融、教育等9大业务场景的众多行业,支持客户实现业务的云化、自动化和智能化。 如,在游戏场景中,可以利用云端虚拟手机技术,实现游戏的流畅运行,用户无需繁琐安装,只需轻轻一点,即可畅玩顶级3A大作。在直播场景中,百度ARM云凭借卓越的图像处理能力,能迅速应对数字人直播场景中的各种复杂运算,确保直播的流畅性和实时性,同时结合百度虚拟数字人技术,能够帮助企业实现24小时不间断直播能力。
(百度ARM云九大场景应用)
多元场景应用探索,推动硬件基座持续创新
在产品形态上,百度ARM云能够提供自研硬件“磐玉蜂巢服务器”及全栈软件技术,支撑多元化场景应用。
随着AI应用的蓬勃发展,百度ARM云推出了针对性的算力方案,结合百度AI算法优势,有效支撑数字人等边缘计算场景的应用。
在硬件基座上,百度ARM云已自主研发了6款核心板基座,在今年2月发布了第十一代服务器。随着产品的更新迭代,服务稳定性、可维护性、可管理性持续提升的同时,整机功耗也大幅降低。
“磐玉-AIBOX-L01”AI边缘计算盒发布,赋能行业智慧升级
2023年,百度ARM云开始研发AI边缘计算盒系列产品,为企业提供硬件、算法、软件平台的全方位边缘计算解决方案。在此次大会上,全新磐玉AI边缘计算盒产品——“磐玉-AIBOX-L01”正式发布亮相。
这款“磐玉-AIBOX-L01”产品,基于瑞芯微最新发布的RK3576芯片精心打造,采用了工业级的整机设计,确保其在各种复杂环境下都能稳定可靠地运行。同时,磐玉AI边缘计算盒内置80余种跨行业真实场景的算法适配,能够高效满足客户的本地模型计算需求。
(磐玉-AIBOX-L01)
AI边缘计算盒系列产品能够轻松对接多路视频及物联网设备,通过运用内置的算法模型,为企业提供门店经营优化、安全防控提升等多项场景应用能力。目前该系列可提供多种算力规格产品,灵活满足企业不同业务场景的需求,轻松应用于智慧零售、智慧工地、智慧社区、智慧港口等多个领域,赋能行业实现智慧升级。
新一代人工智能的浪潮正席卷全球,大模型和生成式AI正重塑各行各业的面貌。百度ARM云在AI核心引擎的强大驱动下,坚守用户至上、客户为先原则,积极运用新技术,为产品注入新功能,打造全新体验,致力于为客户构建更智能、更高效、更专业的智慧应用产品。
好文章,需要你的鼓励
这项研究介绍了VisCoder,一个经过专门微调的大语言模型,用于生成可执行的Python可视化代码。研究团队创建了包含20万样本的VisCode-200K数据集,结合了可执行代码示例和多轮修正对话。在PandasPlotBench基准测试中,VisCoder显著优于同等规模的开源模型,甚至在某些方面超越了GPT-4o-mini。研究还引入了自我调试评估模式,证明了反馈驱动学习对提高代码可执行性和视觉准确性的重要性。
这项研究提出了"适应再连续学习"(ACL)框架,一种创新的方法解决预训练模型在连续学习中的稳定性-可塑性困境。通过在学习新任务前先对模型进行适应性调整,ACL使模型既能更好地学习新知识(提高可塑性),又能保留已有知识(维持稳定性)。实验证明,该框架能显著提升各种连续学习方法的性能,为解决人工智能系统中的"灾难性遗忘"问题提供了有效途径。
这篇研究首次关注了CLIP模型文本编码器的对抗鲁棒性问题,提出了LEAF方法(Levenshtein高效对抗性微调)来增强文本编码器的稳健性。实验表明,LEAF显著提高了模型在面对文本扰动时的性能,在AG-News数据集上将对抗准确率从44.5%提升至63.3%。当集成到Stable Diffusion等文本到图像生成模型中时,LEAF显著提高了对抗噪声下的生成质量;在多模态检索任务中,它平均提高了10个百分点的召回率。此外,LEAF还增强了模型的可解释性,使文本嵌入的反演更加准确。
BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台,整合了38个基准中的30万个问题,按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差,而BenchHub通过自动分类系统和用户友好界面,让用户能根据特定需求筛选评估数据。实验证明模型在不同领域的排名差异巨大,强调了定制化评估的重要性。该平台支持多语言扩展和领域特化,为研究人员和开发者提供了灵活评估大语言模型的强大工具。