4月18日,智东西2024中国生成式AI大会(GenAICon2024)召开,中科曙光受邀参会并正式发布了最新的技术研究成果:AI技术软件栈DAS。
曙DAS是曙光软件生态的核心,依托基础硬件系统及开发工具栈,结合储备的高效算子库、框架及组件等,进一步提升AI全栈优化能力。该软件栈提供从基础算子、框架工具到扩展组件等多层次的计算服务,通过搭建“算力、软件、平台”的AI全栈能力,旨在为千万客户提供便捷高效的智能计算解决方案。
DAS为用户打造了先进的人工智能实训平台,提供了包括数据处理、算法开发和模型训练在内的一系列智能计算服务,为开发者、使用者、创作者提供丰富的灵感和创意,有效提高工作效率。
固计算之基、强研发之力、优运营之效。中科曙光AI技术软件栈打造集“研发、应用、生产、运营”于一体的完整AI生态链,为数字金融、智能驾驶、生物医疗、智慧通信等领域全景赋能。
目前,DAS已经在政府、互联网、运营商、科教等关键行业领域应用实践,为行业的数字化与智能化发展注入新的活力和动力。中科曙光将以DAS技术软件栈为契机,持续构筑软硬一体的人工智能应用生态,推动智能技术的应用和普及,为产业数智化升级提供新动能。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。