2018 ASC世界大学生超级计算机竞赛(简称ASC18)参赛队伍数量再创新高,截至本月15日,共收到全球超过300支高校队伍的报名申请。在接下来的2个月内,所有参赛队将挑战包括人工智能应用Answer Prediction for Search Query、生命科学冷冻电镜应用Relion、超算基准测试HPL和HPCG在内的预赛赛题,争夺通往5月总决赛的20个席位。
ASC18世界大学生超算竞赛已收到全球300+支高校队伍报名
赛题挑战尖端 直指人工智能与诺贝尔奖科学应用
ASC18人工智能赛题为来自微软提供的自然语言阅读理解中的搜索提问回答预测(Answer Prediction for Search Query)。参赛的大学生们需要基于来自于搜索引擎如Bing或语音助手如Cortana的真实提问所构建的巨大数据集,研究创造自己的回答预测的AI方法和模型,以实现对提问的准确回答,让人工智能向解决好认知挑战更进一步。
ASC18的赛题中,包含了一道世界顶尖科学成就的计算应用。2017年诺贝尔化学奖颁给了“在开发用于溶液中生物分子高分辨率结构测定的冷冻电镜技术方面的贡献”的三位科学家。冷冻电镜技术有力帮助突破传统X射线、传统晶体学长期无法解决的结构生物学领域的诸多挑战性的生命科学问题。ASC18将冷冻电镜的核心应用三维重构软件Relion的计算优化作为竞赛赛题,希望以此激发众多青年学生热爱科学永攀高峰的不断进取精神。
2017年诺贝尔化学奖授予发展了冷冻电子显微镜技术的三位科学家(图片来自网络)
国家重点研发计划成果将为所有参赛队提供实训平台
ASC18组委会宣布了一项重要合作:国家重点研发计划“高性能计算”重点专项“基于国家高性能计算环境的教育实践平台”的成果平台“超算习堂EasyHPC”将为所有报名参赛同学提供免费的HPC学习实战平台。超算习堂整合了基于国家HPC环境的软硬件资源,建立开发共享的HPC教育实践平台,这将为缺乏超算资源的高校队伍同学提供了通过该平台学习理论知识及进行高性能计算编程实践的机会,同时可以让他们体验到包括全球最快超算在内的优质超算资源。
名家荟萃集训营为新队员“开讲啦”
ASC18世界大学生超算竞赛将于1月30-31日举办大赛集训营。集训营将邀请来自高效能服务器和存储技术国家重点实验室、中国科学院、微软、浪潮、Intel、NVIDIA、Mellanox等单位的HPC及AI专家,为参赛高校队进行ASC18竞赛规则解析、集群搭建与评测、网络优化与选择、Relion及人工智能应用Answer Prediction for Search Query介绍等培训,并将邀请ASC17竞赛总冠军清华大学代表队分享竞赛经验,帮助ASC18竞赛参赛队充分准备竞赛,发挥更高水平。
ASC18世界大学生超算竞赛集训营讲师阵容
中国发起的世界最大超算竞赛ASC
ASC世界大学生超级计算机竞赛(ASC Student Supercomputer Challenge)是由中国发起的世界最大规模的大学生超算竞赛,发韧于2012年,经过7年发展,影响力不断攀升。迄今为止,ASC竞赛已吸引到全球超过5500名年轻人才参与,参赛队伍总数超过1100支。
ASC竞赛由中国倡议成立,与日本、俄罗斯、韩国、新加坡、泰国、中国台湾、中国香港等国家和地区的超算专家和机构共同发起并组织,并得到美国、欧洲等国家地区超算学者和组织的积极响应支持。ASC竞赛旨在通过大赛的平台,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。
ASC18世界大学生超级计算机竞赛集训营将于2018年1月30-31日举办
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。