4月21日,复旦大学微电子学院与紫光股份旗下新华三集团签署战略合作备忘录。未来,双方将充分发挥各自特色与优势,在科研合作与技术攻关、平台建设与成果转化、人才培养与基地建设等方面展开深入合作,合力推动产学研深度融合,携手打造校企合作典范。
复旦大学副校长徐雷,复旦大学校信息办主任张凯,复旦大学对外联络与发展处副处长章晓野,复旦大学微电子学院党委书记陈坚、院长张卫、党委副书记许薇等,新华三集团副总裁、技术战略部总裁刘新民,新华三集团副总裁孔鹏亮,新华三集团产学研业务部总经理任国丽等出席本次活动。
在签约现场,复旦大学微电子学院院长张卫表示,微电子学院是发展工科“先行先试”的首个改革试点单位,目前已与国内多家行业龙头企业建立了紧密的产学研合作机制,实现系列科研成果和发明专利的成功转化。此次与新华三集团达成战略合作,希望可以充分发挥双方的科研和人才优势。新华三集团副总裁、技术战略部总裁刘新民表示,高等院校是前瞻性和基础性技术研究的重要载体,校企合作开展科学研究,是实现产业技术突破的重要途径之一。新华三希望以此次战略合作为契机,与复旦大学携手加强前沿技术科研联动,构建产学研人才培养体系,探索院校与企业深度融合发展的新模式。
座谈交流后,复旦大学微电子学院院长张卫,新华三集团产学研业务部总经理任国丽代表双方签署了战略合作备忘录。复旦大学微电子学院党委书记陈坚,新华三集团副总裁、技术战略部总裁刘新民共同见签。战略合作备忘录的签署,标志着新华三集团与复旦大学微电子学院正式建立长期的合作关系,共同开启产学研融合创新的新篇章。
复旦大学微电子学院院长张卫(左二)
新华三集团产学研业务部总经理任国丽(右二)签署战略合作备忘录
复旦大学微电子学院党委书记陈坚(左一)
新华三集团副总裁、技术战略部总裁刘新民(右一)共同见签
本次复旦大学与新华三集团的合作主要覆盖科研合作与技术攻关、平台建设与成果转化、人才培养与基地建设三大方面:
科研合作与技术攻关
围绕社会经济发展、产业转型升级需求,依托双方的优势和专长在计算机网络、云计算等多领域开展科技合作,合力创造国内领先、国际一流的重要科研成果,促进双方的科技创新和产业发展。
平台建设与成果转化
以科技创新为导向,依托双方的科研和人才优势,在创新技术研发方面开展合作,共同建设具有前瞻性、引领性、开放性的新型科研一体化平台,并筹建重点实验室、国家级产业学院等高端科研平台。此外,双方积极开展科研成果孵化,促进高水平科研成果的转化工作。
人才培养与基地建设
复旦大学紧密对接新华三集团在计算、存储、网络、5G、安全、终端等数字产业方面优势,在共同推动智慧校园信息化设施的基础上,共同培养创新型、创业型、应用型、复合型人才。通过设立实践教学基地和实习基地、资深工程师技术指导等途径,实现人才有序流动、优势互补、共同发展。
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,在产教融合协同创新领域取得了瞩目的成绩,形成了“产-学-研-用”完善的合作模式及产业化闭环,并围绕智能计算、智能网络、网络安全等前沿技术,强化与高校和科研院的技术研发合作,助推前沿技术领域和新兴产业的创新发展。
复旦大学微电子学院是我国最早从事研究和发展微电子技术的单位之一,也是国家首批示范性微电子学院。在集成电路计算机辅助设计、新结构、新器件、微电子机械系统等领域的科研创新和人才培养方面取得丰硕成果。面向未来,复旦大学微电子学院将与新华三集团展开多维度合作,促进科研链、人才链与产业链、创新链有机衔接,加速产学研融合创新,共筑数字产业发展坚实底座。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。