近日,第八届全国高校计算机类专业系统能力培养高峰论坛顺利举办期间,中科曙光总裁助理姜海旺围绕“AI产业人才培养探索与实践”发表主题演讲。
姜海旺表示,作为计算领域产教融合深入实践和贯彻者,中科曙光已与全国50多所高校建立起合作关系,并牵头举办多届“先导杯”计算应用大奖赛。今年“先导杯”也正式升级为全国大学生计算机系统能力大赛的智能计算创新设计赛道,以便进一步聚焦智能计算创新人才培养。
图说:2024全国大学生计算机系统能力大赛启动现场
自2019年创赛以来,“先导杯”累计吸引4000 名选手、2300 支队伍参赛,涌现计算化学、物理、地质等超20个领域数百项创新应用移植与优化成果。本届“先导杯”赛题紧扣“大语言模型LLaMa3 8B的推理性能优化”和“多模态大模型卷积算子优化”两个方向,并首次面向本科生开放赛题,为广大在校本科学生提供人工智能相关产品设计、研发等实践机遇。
在以赛促学模式之外,中科曙光还通过校企深度合作进行人才培养多维实践。以“郑大曙光研究院”为例,中科曙光联合郑州大学打造“4+2”本硕贯通培养模式及“校企双导师”机制,实现从本科生到硕士的全方位人才培养。与此同时,通过搭建“百课工程”和“大模型培训+AI4S培训”等实训平台,中科曙光助广大学生将理论落地实践,从而有效提升高校学生计算领域的实际应用能力及职场竞争力。
依托“以智促教,以赛促学”理念,中科曙光历经多年,切实推进了课程、教材、资源的数字化共享,形成产、学、研、用的计算领域人才培养体系。而“先导杯”成功举办,进一步拓宽了人才挖掘与培养视野和路径,为学科专业建设与智能产业转型升级保驾护航。
更多“先导杯”智能计算创新设计赛详情,可登录“先导杯”官网了解。
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。