7月6日-8日,2023世界人工智能大会在上海举办。作为核心信息基础设施企业代表,曙光受邀参与,通过设置主题演讲、专题研讨会、展览展示等系列活动,从产品、方案、服务等多角度呈现了前沿观点、创新实践与开放生态。
在大会展览现场,曙光以“智能计算 链接未来”为主题全面亮相。展台集中展示了面向智能计算的产品及解决方案,包含核心部件、服务器、先进液冷技术、工业数智底座,以及智算中心和全国算力一体化服务平台。依托性能领先性与生态开放性,相关产品方案已在诸多关键领域规模应用,获得市场积极反馈。
开展期间,曙光展台气氛热烈,不仅吸引众多行业客户到场参观,更迎来新华社、财联社、36氪、界面等媒体的深度探访。同时,工信部、上海市政府等多位领导也莅临指导,对曙光在满足数字时代复杂计算需求,实现未来计算的智能化与高效化中所做的贡献与成果给予高度肯定。
此外,大会期间,由信息化百人会联合曙光等单位共同举办的产业研讨会同步召开。汇集政府领导,业内权威院士专家,以及知名企业代表,共同探讨了智能化时代下的技术创新与应用发展。会上,曙光就当前计算产业趋势与未来发展分享洞见思考与深度实践。
面对愈发复杂的应用场景涌现,不同类型的算力趋向融合发展,全精度、多场景覆盖的智能算力供给不仅成为千行百业的迫切需求,更是支撑技术创新及融合的重要基石。基于此,曙光构建了开放通用的智能算力基础设施,具备更高的适应性、灵活性和可扩展性。既能满足多元复杂的应用场景需求,还能通过丰富的软件、算法等生态环境,进一步降低应用开发和部署门槛,加速科技创新进程。
在智能时代浪潮下,曙光将携手众多伙伴、用户,全面拥抱新技术、新业态,持续为产业提供通用、绿色的智能计算产品及服务,构建开放的产业生态,助推千行百业创新升级。
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。