2022年4月23日 ,以“创未来,享非凡”为主题的昇腾 AI 开发者创享日首站在西安举行。在本次活动中,昇腾AI开发者创享日全国巡回正式启动,覆盖五大中心城市,辐射全国开发者;首届昇腾AI创新大赛启动,共设立15赛区以及应用和昇思两大赛道;昇腾众智计划2022正式发布 ,包含2亿人民币激励和超过4000个任务。
主论坛环节,华为昇腾计算业务总裁张迪煊发表主题演讲,表示昇腾 AI 将从“新技术、新体验、新机会”三个维度为开发者创造新价值:基于昇腾AI基础软硬件、多样算力创新和基础模型创新为开发者提供原生AI技术;提供极简易用的开发工具、开放易获取的普惠AI算力,和贴身的创新中心专家服务;设置众智计划项目、开放产业真实课题、建立生态市场,协同为开发者提供获益的平台。
昇腾AI开发者创享日全国巡回正式启动
昇腾AI开发者创享日旨在汇聚区域伙伴、客户、高校及科研院所的开发人员,通过最前沿的技术思考、最纯粹的技术分享、最真实的动手体验,为开发者提供一个深度探讨与交流的平台,与开发者共创昇腾AI产业未来,共享非凡成长成就成功。计划将在五大中心城市举办,辐射西南地区、中原地、环京地区、西北地区、珠三角联结区域开发者。
昇腾AI开发者创享日全国巡回正式开启
首届昇腾AI创新大赛启动 设立15大赛区 2大赛道
昇腾AI创新大赛由全国各昇腾生态创新中心与华为,联合AITISA联盟、启智社区共同举办,旨在吸引全产业开发者共同打造昇腾全栈解决方案、算法模型,加速AI与行业融合,促进人才培养。本次大赛设立15大赛区,涵盖全国主要省、市,并包含应用和昇思两大赛道,其中应用赛道将结合昇腾AI行业场景设置开放赛题,昇思赛道将筛选热门论文、前沿创新任务设置赛题,参赛队伍或个人可基于昇腾AI计算平台构建解决方案,或完成昇思MindSpore开源社区的挑战任务。大赛总奖金池超1000万,获奖队伍不仅可以获得丰厚的奖金,还有机会在华为全联接大会上进行展示。
首届昇腾AI创新大赛正式启动
昇腾众智计划2022发布 包含2亿激励 4000+任务
昇腾众智计划2022正式发布,华为计划投入2亿人民币激励基金,推出超过4000个任务,除传统的算子、模型开发任务外,还将包含系列创新应用、应用案例等任务。现场,华为与西安交通大学,西北工业大学和西安电子科技大学进行11个众智合作项目的签约,通过与高校老师团队以项目合作方式,基于昇腾AI基础软硬件平台开发算子、网络模型及行业参考设计,不断丰富昇腾AI产业生态,为加速千行百业智能化升级贡献智慧与力量。同时,针对往届众智计划高质量交付的项目,共授予15名优秀高校学生“昇腾众智金质量奖”荣誉、4位优秀高校指导老师“昇腾众智星光奖”荣誉。
昇腾众智计划合作项目签约仪式
西安六家企业获“昇腾万里伙伴优秀解决方案”授牌
活动中,西安锐思数智科技股份有限公司、西安翔迅科技有限责任公司、西安西图之光智能科技有限公司、西安星闪世图科技有限公司、西安星舟天启智能装备有限责任公司、西安速视光电科技有限公司六家企业获得“昇腾万里伙伴优秀解决方案”授牌。昇腾AI将持续赋能伙伴,打造优秀解决方案,构建核心竞争力,共同繁荣昇腾AI产业生态,助力人工智能产业高速发展。
目前昇腾AI合作伙伴已经超过500家,共同孵化联合解决方案900多个,开发者数量已超过70万,相关课程已经覆盖72所高校的超过10万名学生。未来,昇腾将与更多合作伙伴携手共进,凝聚各方智慧,不断突破向上,在智能化以及信息化的全产业链方面广布局,不断发挥自身优势,释放发展动能,从而使人工智能应用场景向多领域深化,产业生态构建多层次推进,使能千行百业智能化升级,共同推进人工智能产业高质量发展迈向新台阶。
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。