近日,中科曙光大央企行业合作伙伴会议成功在昆山举办!会议吸引了众多资深合作伙伴,共探行业发展趋势。中科曙光总裁助理兼企业大客户部总经理兼石油煤炭业务部总经理郑武军、中科曙光渠道及战略合作部总经理刘卓洋出席本次活动,并发表致辞及分享。
郑武军表示,在国产化浪潮下,汇聚各方的智慧,携手应对市场挑战,显得尤为关键。中科曙光坚定不移的秉承着“开放、合作、共赢”的理念,从技术创新到全栈产品,为合作伙伴们提供坚实的保障。中科曙光也希望与合作伙伴们精诚合作,以开放的胸怀、宽容的态度和互利的原则,携手构建一个强大的央国企生态圈。
刘卓洋在分享中聚焦渠道政策,向与会合作伙伴传递了明确的合作信号和市场预期。同时,他希望通过合作,双方能够充分发挥各自的优势,创造更大的价值,实现资源共享,互利共赢的目标。
与会合作伙伴也纷纷进行了分享交流,表示将以此次会议为契机,不断与中科曙光建立更加深厚的友谊和信任,赋能生态,蓄势前行,创造更加辉煌的未来!
合作共赢是产业健康发展、市场稳步向好的根基。曙光将继续深耕技术、产品、服务、模式等方面的创新,为大央国企合作伙伴提供全面畅捷的服务保障,实现价值共生、市场共赢,为产业创新注入蓬勃活力。
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。