7月26日,2024走进华为·人生第一堂HarmonyOS公开课开启报名。即日起至8月10日,活动将面向2024年高考毕业生及大一、大二学生开放报名,最终入选的100名学生可参加8月17日在东莞松山湖举办的首届“走进华为·人生第一堂HarmonyOS公开课”活动。这不仅是一次深入了解HarmonyOS创新成果和未来前景的宝贵机会,更是青年学子探索万物智联鸿蒙时代、点燃对前沿科技无限热忱的启蒙之旅。
沉浸式鸿蒙一日游,与华为天才少年面对面交流
将于8月17日举行的“走进华为·人生第一堂HarmonyOS公开课”活动,包含华为溪村欧洲小镇游览、大咖面对面、HarmonyOS先锋展区体验等丰富行程。在大咖面对面环节,顶尖技术专家、华为天才少年将带来HarmonyOS创新理念、优势特性及应用场景的精彩讲解,其中天才少年还将与到场与学子分享其在大厂的成长轨迹以及和HarmonyOS的故事。而在HarmonyOS先锋展区,学子们可以沉浸式感受HarmonyOS带来的全场景智慧生活体验,并全方位了解背后的前沿技术。
除此之外,参与本次HarmonyOS公开课的学子还可获赠丰富多样的入学礼包,其中包括了华为钱包交通卡“走进华为”专属卡面100元礼券 ,涵盖主题、云空间、阅读、音乐、视频、表盘市场在内的华为应用会员礼包,以及天际通7日全球流量卡等专属权益。一次深度游学,便能将鸿蒙相关的干货知识和惊喜福利全部收入囊中!
鸿蒙生态蓬勃发展,青年学子成新生力量
作为全球第一个支持PC、平板、手机、座舱等设备的全场景操作系统,HarmonyOS经历了4大版本迭代,技术能力和创新体验不断升级。今年 6 月份,全栈自研的HarmonyOS NEXT 已正式面向开发者和先锋用户启动 Beta,带来全场景、原生智能、原生安全等新体验。与此同时,鸿蒙生态也在加速拓展,截至目前,鸿蒙生态设备数量已超过9亿, 5000个头部应用已启动鸿蒙原生应用开发,其中超过1500家已完成上架。
伴随鸿蒙的快速发展和鸿蒙生态的持续繁荣,各类鸿蒙人才也呈现出供需两旺的态势。华为一直致力于联合企业、高校、培训机构共育鸿蒙人才,并取得了丰硕成果。截至目前,已有3409家企业参加鸿蒙生态学堂,学习人次达435万;305所高校参与HarmonyOS活动,鸿蒙校园公开课走进高校175场次,鸿蒙产学合作项目超过200个;23家认证培训机构积极助力企业“鸿蒙化”,赋能人次已达29w+。正是基于“鸿蒙生态学堂”、“鸿蒙进高校”及“培训机构合作”三大学习路径,华为联合生态伙伴每月培养10万多个HarmonyOS开发者,为鸿蒙生态的繁荣发展注入了源源不断的动力。
在鸿蒙生态日益庞大的人才矩阵中,校园开发者正在成为一股不容忽视的力量。走进华为,开启人生第一堂HarmonyOS公开课,将是青年学子迈向鸿蒙世界、参与鸿蒙创新的第一步,在拓宽视野的同时也能激发他们对未来职业发展的深刻思考和长远规划。对于华为来说,搭建开放的HarmonyOS公开课平台更是发掘并吸引潜在鸿蒙开发者、为生态发展注入强大活力的重要举措。
目前,共建、共享鸿蒙产业已成为大势所趋。各位准大学生和在校大学生朋友们,如果你对HarmonyOS及未来技术趋势抱有兴趣,关注华为终端云服务置顶微博、点击网页链接或扫描活动海报二维码即可参与报名。华为期待更多具备创新意识及产业实践能力的青年学子参与到鸿蒙生态的建设中来。
好文章,需要你的鼓励
ETH Zürich等机构研究人员提出TrustVLM框架,解决视觉-语言模型预测可信度问题。该方法利用模型中存在的"模态差距",创新性地结合图像到文本和图像到图像的相似度,实现无需重新训练即可大幅提升误分类检测性能。在17个数据集的严格测试中,TrustVLM相比现有方法在关键指标上提升显著,同时改善了零样本分类准确率。此成果为AI系统在自动驾驶、医疗等安全关键领域的可靠部署提供了重要保障。
这项研究提出了个性化安全概念,解决大语言模型对不同用户采用统一安全标准的问题。研究团队创建了PENGUIN基准测试集评估模型在处理高风险场景时的个性化安全能力,并开发了RAISE框架高效获取关键用户信息。实验表明,提供用户背景可使安全分数提高43.2%,而RAISE框架通过平均仅2.7次交互即可提高安全分数31.6%。这一创新方法将AI安全从"一刀切"转向"个性定制",为高风险领域的AI应用提供了新思路。
明尼苏达大学研究团队提出了一种创新方法,通过回合级信誉分配显著提升大语言模型(LLM)智能体的多回合推理能力。传统方法只对整个过程进行评价,而他们的MT-GRPO算法能够精确评估每个决策步骤的价值,就像为每一步提供具体反馈。在维基百科搜索工具使用场景中,该方法实现了100%的工具执行成功率和50%的答案精确匹配率,远超传统方法。这一突破不仅提高了AI在多步骤任务中的表现,也为开发更复杂的AI系统提供了重要思路。
这篇研究介绍了PISCES——一种能精确从大语言模型参数中移除特定概念知识的创新技术。与现有方法不同,PISCES通过解缠器模型识别概念相关特征,直接编辑模型参数,实现了更精准的知识移除。在Gemma和Llama模型上的测试表明,该方法不仅有效降低了目标概念的准确率(低至7.7%),还保持了模型在无关领域的高性能,并显著提高了对"重新学习"的抵抗力。这一突破为AI系统的安全部署和合规使用提供了新的可能性。