历时七个多月,第二届光合组织AI解决方案大赛成果正式出炉。本届大赛开设AI技术和AI应用两大赛道,共吸引了100+行业企业、科研机构和高校等单位的积极响应,参评方案涵盖隐私计算、数据工厂、生物计算、智慧金融、AI4S等领域核心应用。
经过评审专家及大赛组委会调研、初筛、评比等多个环节,最终30余家单位进入决赛,角逐各大奖项。
其中,冲量在线、中国科学院计算机网络信息中心、数库科技、趋动科技与易道博识五大厂商获得一等奖。其分别打造的“冲量AI安全开放平台”、“DAS-智能化数据工厂”、“基于海光平台的深度学习海洋预报平台”、“信创全栈自主可控异构AI算力资源池”、“基于信创体系的赛博智能学习平台解决方案”等安全、好用、开放的产品与解决方案,赋能金融、电信、物流、财务、医疗、教育等众多领域数智化转型与升级。
本届大赛重点聚焦人工智能领域的新兴技术和创新应用,基于海光国产异构加速芯片开设赛道。解决方案的出炉充分验证了海光芯片在多领域应用中的出色性能与卓越表现。其强劲的计算性能、丰富的应用生态和高可靠性,成为支撑解决方案的核心驱动力,推进了人工智能产业升级,助力数字经济高质量发展。
光合组织解决方案大赛自2021年首次成功举办以来,一直备受业内关注和热捧,产出了金融、交通、运营商、互联网等大量优秀行业方案。目前,第二届光合组织AI解决方案大赛赛果已出,第三届大赛正在筹备中。届时欢迎各路高手踊跃参与,实力争锋。
好文章,需要你的鼓励
谷歌发布新的AI学术搜索工具Scholar Labs,旨在回答详细研究问题。该工具使用AI识别查询中的主要话题和关系,目前仅对部分登录用户开放。与传统学术搜索不同,Scholar Labs不依赖引用次数或期刊影响因子等传统指标来筛选研究质量,而是通过分析文档全文、发表位置、作者信息及引用频次来排序。科学界对这种忽略传统质量评估方式的新方法持谨慎态度,认为研究者仍需保持对文献质量的最终判断权。
Meta公司FAIR实验室与UCLA合作开发了名为HoneyBee的超大规模视觉推理数据集,包含250万训练样本。研究揭示了构建高质量AI视觉推理训练数据的系统方法,发现数据质量比数量更重要,最佳数据源比最差数据源性能提升11.4%。关键创新包括"图片说明书"技术和文字-图片混合训练法,分别提升3.3%和7.5%准确率。HoneyBee训练的AI在多项测试中显著超越同规模模型,同时降低73%推理成本。
Meta发布第三代SAM(分割一切模型)系列AI模型,专注于视觉智能而非语言处理。该模型擅长物体检测,能够精确识别图像和视频中的特定对象。SAM 3在海量图像视频数据集上训练,可通过点击或文本描述准确标识目标物体。Meta将其应用于Instagram编辑工具和Facebook市场功能改进。在野生动物保护方面,SAM 3与保护组织合作分析超万台摄像头捕获的动物视频,成功识别百余种物种,为生态研究提供重要技术支持。
上海AI实验室团队提出ViCO训练策略,让多模态大语言模型能够根据图像语义复杂度智能分配计算资源。通过两阶段训练和视觉路由器,该方法在压缩50%视觉词汇的同时保持99.6%性能,推理速度提升近一倍,为AI效率优化提供了新思路。