12月30日,云原生2.0技术峰会在深圳举行。华为云携手深交所、顺丰、斗鱼等客户和伙伴共同探讨云原生技术前沿发展趋势和行业应用实践,解码“新云原生企业”成长之道。峰会还设置应用敏捷、数据服务、AI敏捷开发和音视频四个分论坛,来自互联网、金融、制造等行业300余位技术大咖和嘉宾出席。
作为技术峰会的重头戏,云原生AI敏捷开发技术论坛也如期举行。华为云ModelArts 、ModelArts Pro 、HiLens 的专家们,与各行各业专家探讨云原生AI技术前沿发展趋势,分享行业AI实践,共同探讨“新云原生企业”的AI成长之道。
ModelArts:云原生AI开发新范式,加速行业落AI落地,践行普惠AI
AI产业面临的最大的挑战在于如何落地,在于如何让AI真正进入千行百业的生产系统,这方面存在很多的痛点与挑战。为推动AI敏捷开发和行业AI的高效落地,华为云一站式AI开发平台ModelArts提出AI开发新范式,让行业落地AI更简单、资源消耗更低、编程更轻松、落地周期更短。同时,端到端的AI Inside加持,使能平台更智能,让开发效率更高效。
论坛上张谦介绍了华为一站式AI开发平台ModelArts的几个突出功能:基于行业小样本数据训练高精度模型的华为云EI骨干模型,打破数据孤岛、推动行业联合建模的联邦学习,为了降低AI行业落地门槛的模型智能评估、诊断功能。在代码开发场景中,提供云化版本ModelArts Notebook,主打内容一键接入、免费AI计算资源,灵活资源切换,高效探索与分享;提供ModelArts-IDE,通过本地IDE底座+ModelArts插件,配合远程开发能力,更符合深度开发者使用习惯,利用云上丰富资源计算、存储资源,极致代码开发、调测体验。
ModelArt Pro:模板化AI开发新模式,零代码也能实现高精度
受人才、收益、数据的制约,企业AI实际应用率增长缓慢。企业级AI开发平台ModelArts Pro,包含了文字识别、视觉、自然语言和知识图谱等多个套件,满足行业定制化需求,聚焦各行业可落地的AI开发方式。新式的OCR模板工作流,使得开发时间从7天缩短为3分钟。内置行业算法,少量数据即可实现高精效果,面向更多垂直场景,大大降低了传统行业AI应用门槛。
HiLens:云原生端云协同AI应用快速开发平台
端云协同AI应用开发平台HiLens的管理平台,支持对设备及应用的管理,包括对设备状态的监控、固件的更新以及在设备部署完成后再安装新的应用,或对已有应用的更新,及对应用进行控制等常用的功能。HiLens提供端云协同多模态AI应用开发框架HiLens Framework,缩短80%的技能代码开发量,实现端侧技能的快速开发和部署。助力开发者快速实现AI应用商业落地。
当前,华为云可提供60款人工智能服务,160项功能,已在全国10+行业600+项目落地。华为云已获得50+全球安全认证,守护网络安全和用户隐私保护。面向行业,华为云推出EI工业智能体、交通智能体及城市智能体,通过AI协同云、大数据、边缘计算、物联网等多种技术,与行业专家经验深度融合,助力企业构筑领先优势,构筑城市美好未来。
好文章,需要你的鼓励
这项研究介绍了VisCoder,一个经过专门微调的大语言模型,用于生成可执行的Python可视化代码。研究团队创建了包含20万样本的VisCode-200K数据集,结合了可执行代码示例和多轮修正对话。在PandasPlotBench基准测试中,VisCoder显著优于同等规模的开源模型,甚至在某些方面超越了GPT-4o-mini。研究还引入了自我调试评估模式,证明了反馈驱动学习对提高代码可执行性和视觉准确性的重要性。
这项研究提出了"适应再连续学习"(ACL)框架,一种创新的方法解决预训练模型在连续学习中的稳定性-可塑性困境。通过在学习新任务前先对模型进行适应性调整,ACL使模型既能更好地学习新知识(提高可塑性),又能保留已有知识(维持稳定性)。实验证明,该框架能显著提升各种连续学习方法的性能,为解决人工智能系统中的"灾难性遗忘"问题提供了有效途径。
这篇研究首次关注了CLIP模型文本编码器的对抗鲁棒性问题,提出了LEAF方法(Levenshtein高效对抗性微调)来增强文本编码器的稳健性。实验表明,LEAF显著提高了模型在面对文本扰动时的性能,在AG-News数据集上将对抗准确率从44.5%提升至63.3%。当集成到Stable Diffusion等文本到图像生成模型中时,LEAF显著提高了对抗噪声下的生成质量;在多模态检索任务中,它平均提高了10个百分点的召回率。此外,LEAF还增强了模型的可解释性,使文本嵌入的反演更加准确。
BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台,整合了38个基准中的30万个问题,按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差,而BenchHub通过自动分类系统和用户友好界面,让用户能根据特定需求筛选评估数据。实验证明模型在不同领域的排名差异巨大,强调了定制化评估的重要性。该平台支持多语言扩展和领域特化,为研究人员和开发者提供了灵活评估大语言模型的强大工具。