2月16日,2017 ASC世界大学生超级计算机竞赛(ASC17)开幕式在郑州大学举行。ASC17共有来自世界各国的230支队伍参赛,他们将挑战世界最快超级计算机神威·太湖之光、人工智能、戈登·贝尔奖提名应用等赛题,争夺进入总决赛20强名额。包括两院院士、各大超算中心负责人、超级计算与人工智能专家及高校参赛队师生在内的数百位代表参加了此次仪式。
本届大赛参赛队伍数量再创新高,比去年增长31%,在竞赛平台和赛题设置上体现出尖端科技挑战的特点:神威·太湖之光和河南省最先进超算分别承担不同赛题运算平台;由百度提供的智能驾驶交通预测的人工智能赛题、获得被誉为“超算诺贝尔奖”戈登·贝尔奖提名的高分辨率海浪数值模拟赛题将让各国参赛大学生挑战“最强大脑”与“大科学”。本次竞赛的总决赛名额由往年的16支扩充到20支,将为更多参与竞赛的年青学子提供进入决赛面对面较量学习交流提高的机会。
ASC竞赛发起人、中国工程院院士、浪潮集团首席科学家王恩东表示,随着超级计算、大数据、云计算相互融合,以人工智能为代表的智慧计算将成为未来计算产业里面最重要的组成部分,这将对计算技术带来新的挑战。ASC竞赛连续两届设置人工智能赛题,就是希望参赛大学生能够了解掌握最新的人工智能算法、大数据应用和先进计算架构的相关知识和能力,成为面向未来的复合型科技精英。
开幕式当天,河南省最快超级计算机在郑州大学(郑州市)超算中心正式投入使用并成为ASC17竞赛平台之一。中国工程院院士、郑州大学校长刘炯天在会前表示,这一方面会让各国参赛队员体验到最新计算技术如融核架构的特点,另一方面也将有助于加快郑州乃至河南省的超算应用创新,促进区域超算人才培养,推动郑州智慧城市建设,服务中原区域经济快速发展。
【ASC竞赛发起人、中国工程院院士、浪潮集团首席科学家王恩东】
国家超算无锡中心主任、清华大学教授杨广文表示,神威·太湖之光全部采用中国国产处理器构建,是世界上首台峰值计算速度超过十亿亿次的超级计算机。此次神威·太湖之光作为竞赛平台,一方面会让每一位参赛队员亲身感受全球最快的超级计算机魅力,让更多年轻大学生接触到领先的超算系统,促进超算青年人才的培养,另一方面也会通过竞赛交流让世界上更多的人了解中国在超级计算机领域领先的自主设计能力。
大赛组织方还安排了为期两天的集中培训,特意邀请来自国家超算无锡中心、百度、高效能服务器和存储技术国家重点实验室等专家,为参赛队员全面系统的讲解超算系统设计构建、最新融核计算架构、人工智能应用优化案例及神威太湖之光超算使用等知识。
ASC 世界大学生超算竞赛是由中国发起组织,并得到亚洲及欧美相关专家和机构支持,旨在通过大赛平台推动各国及地区间超算青年人才交流和培养,提升超算应用水平和研发能力,发挥超算的科技驱动力,促进科技与产业创新。ASC超算大赛迄今已举行至第6届,是目前全球范围内规模最大、参与人数最多的大学生超算赛事,ASC17超算大赛由亚洲超算协会、郑州大学、国家超算无锡中心、浪潮集团合作举办。
好文章,需要你的鼓励
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。