3月23日,中国工程院院士、湘江实验室主任、湖南工商大学党委书记、新华三集团首席数字经济科学家陈晓红一行莅临新华三集团,紫光股份董事长、新华三集团总裁兼首席执行官于英涛等陪同。期间,湘江实验室与紫光股份旗下新华三集团就双方未来合作正式签署战略协议,并为陈晓红院士举办首席数字经济科学家授牌仪式。
战略合作签约 助力产学研用协同创新
湘江实验室是湖南省“四大实验室”中首个揭牌的科研机构,实验室聚焦前沿科技领域战略性、前瞻性、基础性重大科学问题与关键核心技术,着力打造国内一流的科技创新高地。湘江实验室在新华三集团设立创新中心,将大力推进科技创新与成果转化进程。
战略合作达成后,新华三集团与湘江实验室将充分发挥各自优势,在产学研联盟创新体系构建,人才培养、技术创新与应用成果转化等方面开展深化合作。
在产学研体系构建上,双方将依托长期稳定的合作关系,共建产学研联盟创新体系及人才培养体系,加快高水平人才培养,打造数字化领域领军人才和创新团队。通过整合湘江实验室与湖南工商大学的科教资源和新华三数字化资源平台及数字化基础设施,共同开展智能计算、网算融合、海量数据等前沿科技领域创新研究和产业化落地。同时,为持续打造前沿技术优势,双方也将加强与科研院所、高校的合作力度,在数字化浪潮中不断开拓创新、锐意进取,围绕行业数字化变革需求,在重大创新成果方面做出积极探索和贡献。
新华三集团与湘江实验室签署战略合作协议
目前,新华三集团已经与国内数十所高校和科研机构开展深度合作,在“产学研用”协同创新领域取得了瞩目的成绩并积累了丰富的经验。携手湘江实验室后,双方将共建算力、算法、算据、算网四大创新中心,全面支持智能计算和AI研究,以及“计算+”“智能+”“算据+”“算网+”产学研示范应用,通过创新科研课题,引领前沿标准,促进数字经济高质量发展。
首席数字经济科学家授牌 加速数实融合应用进程
交流期间,新华三集团为陈晓红院士举行了“新华三集团首席数字经济科学家”授牌仪式。自去年5月新华三正式聘任陈晓红院士为首席数字经济科学家以来,陈晓红院士持续为新华三前瞻技术布局和未来业务规划提供咨询和指导,不断推动新华三数字化创新转向深化应用、规范发展、普惠共享新阶段。
新华三集团总裁兼首席执行官于英涛为陈晓红院士授牌
新华三集团总裁兼首席执行官于英涛对陈晓红院士为新华三作出的卓越贡献表示由衷的感谢和敬意。他表示,新华三期待与陈晓红院士一道,在湘江实验室数字经济前瞻理论与研究成果的助力下,为加速数字经济与实体经济融合发展、推动行业数字化变革贡献力量。
陈晓红院士认为,提高科技创新能力,人才是关键。校企联动积极构建人才培养体系,加快高水平人才培养,鼓励企业和院校的合作,共建人才实习基地,将有利于培养和发现更多相关领域的高素质专业人才。作为新华三集团首席数字经济科学家,她本人将与新华三一起构建开放协同的科技创新体系和人才培养体系,推进产业数字化进程,赋能行业转型升级,共创行业变革新价值。
展望未来,促进数字经济和实体经济深度融合,打造经济发展新引擎,已成为各界共识。作为数字化解决方案领导者,新华三集团将在“云智原生”战略指引下,携手陈晓红院士等行业领袖深入合作,持续布局前沿科技,以“产学研用”协同创新体系,为百行百业的数字化转型探索更多可能。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。