3月9日,一场面向全球开发者的深度学习领域编程活动——百度飞桨黑客马拉松PaddlePadddle Hackathon第二期正式拉开帷幕。作为联合主办方的中科曙光将为本次活动提供海量算力支持,为全球开发者带来高效便捷的深度学习开发体验。

当今社会,数字化转型逐渐成为全民共识,千行百业为数字化升级不遗余力,而人才是驱动产业数字化转型和升级的引擎。在此次百度飞桨黑客马拉松的活动中,曙光承接了15个任务的算力及机器资源供给,旨在以开放创新的理念,为开发者们提供专业的算力支持和优质的研究资源,保障活动平稳顺利进行的同时,让整个开发过程更加流畅便捷。
作为国内核心信息基础设施领军企业,曙光致力于为各行各业提供像“自来水”一样即开即用、触手可达的海量算力及服务。曙光以灵活调用的算力服务,为高校、企业及个人提供丰富的计算、AI、存储等资源,以及专业稳定安全的运维托管服务,助力用户实现智能化、数字化创新发展。
而人才历来是创新发展的核心战略资源,曙光始终将建设高层次科技创新型人才队伍视为行业发展的重要驱动力之一。此次活动,曙光还携手百度飞桨,为开发者们提供核心技术的分享与交流,积极促进开发者们相互沟通、相互学习,提升编程实战能力与创新能力,优化开发者们的参与体验,持续做好对技术理念的引导、人才价值的传播、开源社区生态的培育等工作,为计算和深度开发更好地服务于全行业做出贡献。
据悉,此次活动支持100多个领域的开发任务,包含了飞桨框架、科学计算、区块链等多个项目,同时奖金池累积高达45万。目前,百度飞桨黑客马拉松活动正式开通报名,期待更多的开发者积极参与,共享这一开发盛宴。

好文章,需要你的鼓励
在基于Chiplet的架构中,可观测性正成为系统设计的关键缺失环节。多位半导体行业专家指出,AI可从硅层遥测数据中挖掘价值,但前提是架构须提供一致的检测手段、近传感器数据压缩及可编程采集能力。专家们强调,多供应商Chiplet生态系统需要标准化、安全的遥测模式,以实现跨芯片、封装和互联域的故障定位,同时保护敏感运营数据。目前,AI在遥测分析阶段已展现出显著价值,但可观测性的扩展本质上仍是架构问题。
这项研究系统比较了四种AI图像分词策略在640000张星系图像上的表现,发现重建质量与物理属性预测能力之间存在根本性解耦,为天文基础模型的分词器选择提供了实验依据。
生命科学企业在全渠道战略和AI平台上投入巨大,但成效往往不尽如人意。问题根源不在于技术本身,而在于组织架构、数据治理和工作方式未能同步演进。许多转型项目止步于试点阶段,原因是各部门数据孤立、职责不清。要实现从传统CRM向智能互动的真正转型,企业需优先建立统一的数据基础和跨团队协作机制,并将AI能力嵌入日常工作流程,而非将其视为独立模块。
阿里Qwen团队研究如何将大模型的规模化训练思路迁移到机器人操作领域,通过统一多机器人表示与38100小时数据预训练,让机器人在陌生场景和陌生机型上也能完成复杂操作任务。