4月28日,2024第十届华为软件精英挑战赛-“普朗克计划”全球总决赛及颁奖典礼圆满落幕。历时两个月,来自全球800多所高校、近30000名选手、超5700支队伍经过八大赛区区域初赛、区域复赛等环节的激烈角逐,共有33支队伍、92名优秀选手成功晋级全球总决赛,会聚华为松山湖基地展开巅峰对决。
2024华为软件精英挑战赛总决赛现场图
最终,京津东北赛区来自哈尔滨工业大学的“元梦之星”队一举夺魁,赢得全球总冠军,独揽20万元奖金;西南赛区来自重庆大学的“CQU-42IsAllYouNeed”队和来自电子科技大学的“auto”队夺得亚军,均获10万元奖金;粤港澳赛区来自华南理工大学的“适可而止矣,涓埃之事,亦央原神”队和来自中山大学的“SYSU_oms维修队”、上合赛区来自中国科学技术大学的“智商帮扶小队”、武长赛区来自华中科技大学的“TES-Joker”队和“明天组会吃烧烤还是火锅”队等5支队伍获得季军,均获得5万元奖金;京津东北赛区来自哈尔滨工业大学的“元梦之星”队获得“最优美代码奖” 、粤港澳赛区来自深圳大学的“深大CIA”队赢得“最佳大模型应用奖”、上合赛区来自中国科学技术大学的“智商帮扶小队”获得最佳软件开发过程奖,均获得1万元奖金。
2024华为软件精英挑战赛全球总冠军
2024华为软件精英挑战赛亚军
2024华为软件精英挑战赛季军
2024华为软件精英挑战赛软件开发最佳实践奖
华为云CTO张宇昕、华为云人力资源总裁孔凡生等嘉宾出席了总决赛颁奖典礼并为获奖学生颁奖。张宇昕在颁奖总结致辞中介绍了华为软件精英挑战赛近年来取得的成果,他表示:“全球各行各业数字化转型蓬勃发展,以AI大模型为代表的创新软件技术得到了井喷式发展,软件精英作为创新技术发展的核心力量,也迎来了软件定义一切的最好时代。我们希望通过华为软件精英挑战赛吸引全球最优秀的软件人才,与华为一起攀登技术高峰,用所学的软件知识和所掌握的创新技术,服务于千行万业和国民经济发展,用软件为中国的千行万业创造更美好的未来。”
华为软件精英挑战赛是华为公司面向全球在校大学生举办的大型软件编程竞赛,以“普朗克计划”为主题,旨在寻找像普朗克一样,永不满足持续追问的人,复杂难题中坚守真理的人,真实场景处着手实干的人,用技术推动世界进步的人。大赛自2015年起举办,吸引了来自全球1000多所高校、近23万名大学生参与,其中超2000名软件精英通过大赛加入华为。
值得一提的是,华为软件精英挑战赛不仅为在校大学生提供充满挑战和趣味的竞技舞台、高达68万元的总奖金池,更是为在校学生打造了赋能个人成长的平台。华为云为所有参赛选手提供干货满满的免费学习课程和丰厚的代金券资源,包括涵盖超17个技术领域的1000多门高质量培训课程免费学习、110多个云上实验免费演练、500张华为云微认证代金券等。
今年赛题抽象自华为云智能港口真实业务难题,选手通过算法完成运输船只智能泊靠、运输机器人智能拣货装货、基于大模型的运输问题智能问答、多队同场次竞技等任务,以最大化提升港口物流效率。相对于往年,今年的赛题进一步回归比赛初衷,希望选手们在完成必要算法代码开发通过比赛测评任务的同时,也更加关注软件开发过程实践。为此,大赛特意设置了3项"软件开发最佳实践"奖。同时,大赛还为选手们提供华为云软件开发生产线CodeArts(如需求管理服务、代码托管平台、代码检查服务等)、LLM大模型服务接口等技术能力,支持选手们进行更加高效、专业的软件开发。
华为云赛题组专家表示:“随着人工智能、5G等技术的成熟,实现码头生产自动化已成港口未来发展趋势。在智能港口领域,如何规划多机器人的任务执行以实现最优调度,如何控制泊位和机器人的配合实现最高运输价值等都是非常有价值的算法难题。本次比赛在初赛、复赛、决赛等不同阶段,逐步引入更多约束条件并增加比赛难度,牵引选手们循序渐进式解决真实业务挑战。希望能让选手们在进行技术学习过程中,逐步感受到技术所带给现实业务场景的价值魅力。”
面向未来,华为将依靠人才、科研和创新精神,持续加大投入研发创新,全力推动软件创新,吸引全球优秀人才,用技术推动世界进步。
好文章,需要你的鼓励
在迪拜Gitex 2025大会上,阿联酋成为全球AI领导者的雄心备受关注。微软正帮助该地区组织从AI实验阶段转向实际应用,通过三重方法提供AI助手、协同AI代理和AI战略顾问。微软已在阿联酋大举投资数据中心,去年培训了10万名政府员工,计划到2027年培训100万学习者。阿联酋任命了全球首位AI部长,各部门都配备了首席AI官。微软与政府机构和企业合作,在公民服务和金融流程等领域实现AI的实际应用,构建全面的AI生态系统。
查尔斯大学和意大利布鲁诺·凯斯勒基金会的研究团队首次系统性解决了同声传译AI系统延迟评估的准确性问题。他们发现现有评估方法存在严重偏差,常给出相互矛盾的结果,并提出了YAAL新指标和SOFTSEGMENTER对齐工具。YAAL准确性达96%,比传统方法提升20多个百分点。研究还开发了专门的长音频评估工具LongYAAL,为AI翻译技术发展提供了可靠的测量标准。
苹果与俄亥俄州立大学研究人员发布名为FS-DFM的新模型,采用少步离散流匹配技术,仅需8轮快速优化即可生成完整长文本,效果媲美需要上千步骤的扩散模型。该模型通过三步训练法:处理不同优化预算、使用教师模型指导、调整迭代机制来实现突破。测试显示,参数量仅1.7亿至17亿的FS-DFM变体在困惑度和熵值指标上均优于70-80亿参数的大型扩散模型。
印度理工学院团队构建了史上最大规模印度文化AI测试基准DRISHTIKON,包含64288道多语言多模态题目,覆盖15种语言和36个地区。研究评估了13个主流AI模型的文化理解能力,发现即使最先进的AI也存在显著文化盲区,特别是在低资源语言和复杂推理任务上表现不佳,为构建文化感知AI提供了重要指导。