3月14日,2025英特尔人工智能创新应用大赛(以下简称“大赛”)正式启动。本届大赛以“‘码’上出发,‘芯’创未来”为主题,在赛制、规模、奖项和赛事支持上实现多重升级,为开发者和企业提供展示创意和成果的广阔平台,鼓励他们充分利用英特尔及合作伙伴丰富的软硬件资源,探索AI应用的无限可能。
如今,AI正以前所未有的速度重塑生活与产业格局。AI PC的普及与DeepSeek等新模型的发展,不仅提升了技术性能,还拓展了应用边界。通过底层芯片优化、算法开源与产业链协作,AI正构建起一个多元共生的生态系统。
作为AI生态的重要推动者,英特尔在此次大赛中联合更多合作伙伴加入,包括联想、HP、腾讯应用宝、腾讯应用宝移动应用跨端引擎、火山引擎、扣子等行业领军企业,助力开发者通过大赛展示创意、验证AI成果,并为他们提供从零代码到底层深度定制开发等全栈式、系统化的技术支持,促进人工智能领域优质个人及团队的成长发展,推动AI应用项目的落地孵化,为开发者的AI解决方案打开通往市场的快速通道。
大赛启动仪式在英特尔大湾区科技创新中心举办,伴随着嘉宾共启光柱倒计时,象征着不断探索前行的“英特尔人工智能创新应用大赛”再启新程。
英特尔公司副总裁、英特尔中国软件技术事业部总经理李映博士表示:“英特尔长期深耕生态建设,在如今生成式AI的浪潮中,加速构建开放、可触达的AIGC软件生态,支持开发者提升效率。通过AI PC Open Gateway(AOG)开源项目以及‘AI PC加速计划’‘AI PC开发者计划’等一系列举措,英特尔推动AI PC生态的快速发展,举办人工智能创新应用大赛是重要举措之一。去年超2000个团队参赛,今年联合了更广泛的生态伙伴升级支持体系,为开发者提供开发、孵化、落地等全阶段、全栈式支持,深化构建繁荣、多元和富有活力的生态,加速AI应用落地。”
从即日起到5月5日,开发者可以通过大赛网站进行线上报名,并在5月7日之前上传初赛方案,经过两个月角逐之后,决赛结果将于7月下旬揭晓。为了鼓励开发者踊跃参与,今年,大赛在初赛阶段特别设置了“英特尔平台实践奖”,颁发给利用英特尔及合作伙伴们推荐的软硬件工具和解决方案,并在英特尔平台上实现AI应用原型的前2000名参赛团队。
此外,英特尔“点亮计划”也随即启动,在初赛阶段组织八场专项线上技术培训活动,并将在有条件的城市如深圳、北京、上海等地区,开展线下动手实践与更多的开发者互动,帮助他们快速掌握大赛提供的平台工具,将开发门槛转化成创新实战的“起跳板”。
同时,英特尔还为选手提供线上实时AI赛事助手。该助手基于开源OPEA项目开发,依据大赛培训资料构建了内容充实的专有RAG知识库。针对大赛具体问题,AI助手能从知识库中智能定位解答,并提供可溯源资料链接,更高效实时地协助开发者。
在首届大赛中荣获企业赛道一等奖的熊猫AI团队今年也表示将再次投入大赛:“去年,依托大赛平台,我们面向法律领域打造了极为实用的‘熊猫AI法律服务平台’。今年,我们继续怀揣着被看见的渴望,以大赛为助推器,以英特尔技术为核动力,再次登上这个展示创意的舞台。我们期待能将更好的创意切实落地到应用场景中,从而创造更大的价值。”
随着大赛的号角吹响,这场为期四个月、聚焦AI应用的征程正式拉开帷幕。英特尔也将继续以软硬结合的方式,携手生态伙伴推动AI PC生态繁荣发展,秉持“开源开放、全栈赋能”的战略,共筑开放生态。
好文章,需要你的鼓励
这项研究提出了R1-Searcher++框架,通过两阶段训练策略使大语言模型能像人类一样灵活利用内部知识和外部信息。该方法创新性地采用强化学习激励模型优先使用内部知识,并引入记忆机制将检索到的信息转化为内部知识,实现动态知识获取。实验表明,R1-Searcher++不仅在多步问答任务上表现优异,还大幅减少了检索次数,显著提高了推理效率。
这项研究提出了AutoRefine,一种革新性的强化学习框架,为大语言模型引入了"边思考边搜索和完善"的全新范式。与传统方法不同,AutoRefine在连续搜索调用之间添加知识完善步骤,让模型能够有效过滤和组织信息。通过结合答案正确性和检索质量双重奖励,该方法在七项问答基准测试中平均提升6.9%的准确率,特别在复杂多跳推理场景中表现突出,解决了现有检索增强推理的核心局限性。
这项研究揭示了一种新型网络安全威胁:利用普通网络广告攻击AI网页代理。中科院研究团队开发的AdInject攻击无需特殊权限,仅通过精心设计的广告内容就能误导AI代理点击恶意链接,成功率高达90%以上。研究使用严格的黑盒模型,更符合现实场景,暴露了当前AI代理面临的实际安全漏洞。实验还表明,即使添加专门的防御提示,这类攻击仍能成功率超过50%,凸显了设计更强大防御机制的紧迫性。
东北大学与快手科技联合研发的UNITE系统为多模态信息检索带来突破性进展。这项发表于2025年5月的研究首次系统分析了模态特定数据如何影响检索性能,并提出创新的模态感知掩码对比学习技术,有效解决不同模态间的竞争关系。UNITE能同时处理文本、图像、视频及其组合,在40多项测试中超越现有方法,即使与参数规模更大的模型相比也表现出色。研究发现视频-文本对在通用检索中表现优异,而文本-文本和文本-图像对对指令遵循任务至关重要,为未来多模态系统研究提供了宝贵指南。