5月9日,2018 ASC世界大学生超级计算机竞赛(ASC18)总决赛在南昌大学落下帷幕,清华大学成功卫冕总冠军,首次入围总决赛的“黑马”上海科技大学一鸣惊人,揽获亚军和e Prize计算挑战奖两项大奖,台湾清华大学获得最高计算性能奖。
2018 ASC世界大学生超级计算机竞赛(ASC18)
ASC18由亚洲超算协会、浪潮集团和南昌大学联合举办,共有全球300余支高校代表队报名,经过预赛选拔有20支队伍晋级总决赛。决赛要求参赛大学生队伍在3000瓦功耗约束下自行设计超算系统,运行优化国际通行基准测试、人工智能机器阅读理解、2017年诺贝尔化学奖冷冻电镜技术的核心应用Relion、美国国家航空航天局(NASA)著名计算流体力学软件CFL3D等前沿科学与工程应用。
上届冠军清华大学代表队在20强队伍中完成赛题数量最多且性能出色,总成绩遥遥领先,成功卫冕。在HPCG基准测试、神秘应用SIESTA、冷冻电镜应用Relion、CFD应用CFL3D多项赛题中均取得佳绩,反映出全面、深刻的超算系统与应用理解能力以及出色的性能优化能力。
清华大学获得ASC18超算竞赛冠军
上海科技大学代表队首次入围ASC总决赛斩获亚军和e Prize计算挑战奖,成为ASC18的最大“黑马”。其在备受关注的人工智能机器阅读理解赛题中,针对模型算法和训练性能提出了自己独特的创新及改进,8小时内完成大规模数据集的并行模型训练,并实现46.46的高预测精度,接近世界前沿先进水平,以此获得e Prize计算挑战大奖。
上海科技大学获得ASC18超算竞赛亚军和e Prize计算挑战奖
台湾清华大学代表队采用浪潮AI超算服务器配置Tesla GPU加速卡构建了先进的异构加速超算系统,并实现了精细功耗控制优化,运行国际通行的HPL基准测试,在3000W功耗约束下实现整体系统42.99万亿次/秒的持续浮点运算性能,大幅刷新了ASC17创下的赛事纪录,获得最高计算性能奖。
台湾清华大学获得ASC18超算竞赛最高计算性能奖
ASC竞赛专家委员会主席、全球最快超级计算机排行榜Top500发起人、美国橡树岭国家实验室及田纳西大学教授杰克·唐加拉(Jack Dongarra)表示:“参与ASC这样的比赛是一件令人激动的事情。我看到学生们花费很多时间、甚至不远万里赶来,每个人面对硬件、软件的问题和挑战都在努力执行任务、解决难题,这真的让人深感鼓舞。希望ASC竞赛能够为所有人带来快乐,不论是现在还是在不久的将来。”
ASC竞赛专家委员会主席、全球最快超级计算机排行榜Top500发起人 杰克·唐加拉(Jack Dongarra)
ASC竞赛发起人、中国工程院院士 王恩东认为,当前超级计算与大数据、云计算和人工智能相互融合、交叉应用的趋势愈发明显,超级计算机将成为未来智能社会的重要基础设施,其发展速度和水平将关乎社会发展、生活改善与文明进步。ASC作为一项全球化的超算竞赛,将在复合型超算精英培养与国际化学术交流上发挥更重要的作用,为智慧计算的发展奠定坚实基础。
ASC竞赛发起人、中国工程院院士 王恩东
ASC 世界大学生超级计算机竞赛(ASC Student Supercomputer Challenge)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。大赛迄今已连续举行7届,共吸引了全球超过5500名大学生参赛,是目前全球规模最大、参与人数最多的大学生超算赛事。
好文章,需要你的鼓励
这项来自苹果公司的研究揭示了视频大语言模型评测的两大关键问题:许多测试问题不看视频就能回答正确,且打乱视频帧顺序后模型表现几乎不变。研究提出VBenchComp框架,将视频问题分为四类:语言模型可回答型、语义型、时序型和其他类型,发现在主流评测中高达70%的问题实际上未测试真正的视频理解能力。通过重新评估现有模型,研究团队证明单一总分可能掩盖关键能力差距,并提出了更高效的评测方法,为未来视频AI评测提供了新方向。
这篇来自KAIST AI研究团队的论文提出了"差分信息分布"(DID)这一创新概念,为理解直接偏好优化(DPO)提供全新视角。研究证明,当偏好数据编码了从参考策略到目标策略所需的差分信息时,DPO中的对数比率奖励形式是唯一最优的。通过分析DID熵,研究解释了对数似然位移现象,并发现高熵DID有利于通用指令跟随,而低熵DID适合知识密集型问答。这一框架统一了对DPO目标、偏好数据结构和策略行为的理解,为语言模型对齐提供理论支持。
VidText是一个全新的视频文本理解基准,解决了现有评估体系的关键缺口。它涵盖多种现实场景和多语言内容,提出三层评估框架(视频级、片段级、实例级),并配对感知与推理任务。对18个先进多模态模型的测试显示,即使最佳表现的Gemini 1.5 Pro也仅达46.8%平均分,远低于人类水平。研究揭示输入分辨率、OCR能力等内在因素和辅助信息、思维链推理等外部因素对性能有显著影响,为未来视频文本理解研究提供了方向。
ZeroGUI是一项突破性研究,实现了零人工成本下的GUI代理自动化在线学习。由上海人工智能实验室和清华大学等机构联合开发,这一框架利用视觉-语言模型自动生成训练任务并提供奖励反馈,使AI助手能够自主学习操作各种图形界面。通过两阶段强化学习策略,ZeroGUI显著提升了代理性能,在OSWorld环境中使UI-TARS和Aguvis模型分别获得14%和63%的相对改进。该研究彻底消除了传统方法对昂贵人工标注的依赖,为GUI代理技术的大规模应用铺平了道路。