2019亚太区HPC-AI挑战赛即将在新加坡开赛,召聚顶尖参赛队伍,展示最先进的HPC和AI技术
北京——2019年1月26日——致力于高性能计算(HPC)和人工智能(AI)技术研究、教育和推广的HPC-AI咨询委员会,携手新加坡国家超级计算中心(NSCC)宣布正式启动第二届亚太区HPC-AI挑战赛招募,比赛将在2019年3月12日的亚洲超算大会上正式开赛,并持续至2019年8月结束。本次大赛面向亚太地区所有高校和技术机构/团队开放,赛事将围绕AI开发与测试所面临的挑战,以及大负载高性能计算面临的挑战而展开。获胜队伍将受邀前往德国,参加2020年ISC20国际大学生超算大赛。
大赛主办方鼓励来自各国的参赛队伍充分发挥团队的创造性,既可以针对目前在高性能计算(HPC)和人工智能(AI)领域面临的挑战提出解决方案,还鼓励开拓新的任务,促进HPC和AI领域的国际交流。为了赢得最高荣誉,各参赛团队需要展示其优秀的开发实力,遵循严格的比赛规范,并在一系列HPC和AI标准应用和基准测试中实现最高性能。
据悉,在2018年举办的首届亚太区HPC-AI挑战赛中,有来自包括中国、新加坡、日本、韩国、泰国等8个国家和地区的18支队伍参赛,参赛队伍无论是在技术实力,还是团队协作上均有超高水平的表现。其中,来自中国的清华大学团队赢得各国专家的一致认可,拔得头筹,其参赛队员并被知名互联网公司抢先录取。
本届比赛延续了第一届强大的评审团队阵容,除了HPC-AI咨询委员会的技术专家外,还邀请了国际知名高校如俄亥俄州立大学,麻省大学波士顿分校的专家,新加坡国家超级计算中心和澳大利亚Pawsey超级计算中心的权威人士,以及来自Nvidia和Mellanox等公司的行业专家前来助阵,令人十分期待。同时竞赛还得到了Sensetime、Mellanox、Excelero、WekaIO和E8等国际知名科技公司的大力支持,共同挑战新的HPC和AI难题。
国际高性能计算及人工智能咨询委员会(HPC-AI Advisory Council)亚太区主席宋庆春
国际高性能计算及人工智能咨询委员会(HPC-AI Advisory Council)亚太区主席宋庆春表示:“HPC-AI咨询委员会在全球有超过400家的会员,通过追求技术创新,为更多的用户提供通用平台一直是我们的使命。HPC和AI采用相似的技术以及基础架构,能够帮助高校、研究型实验室和商业机构开发面向未来的产品和服务,这对改善人们的生活和环境具有极大的意义。在以数据为核心的网络计算时代,我们鼓励更多的高校和机构参与进来,深入了解HPC和AI技术并付诸于实践,从中获取宝贵的行业知识和培训经验,为未来的职业发展获取先机”。
新加坡国家超级计算中心首席执行官Tan Tin Wee教授表示:“希望通过本次大赛发掘更多创新的亮点,进一步促进基于HPC平台的AI发展,提升AI运算性能。新加坡国家超级计算中心(NSCC)将为比赛提供千万亿次的HPC平台,并积极召集拥有不同专业技能的技术达人,一同解决大规模计算所带来的技术难题。”
访问2019亚太地区HPC-AI竞赛网站,了解参赛规则并注册报名。
支持性资源:
如需了解更多大赛信息、赞助方式和一般性问题,请发送邮件至info@hpcadvisorycouncil.com
HPC-AI咨询委员会是一家非盈利性国际组织,成立于2008年,拥有400多名成员,致力于HPC-AI技术的教育与推广。成员间共享专业知识,建立特殊兴趣小组,并通过技术中心宣传HPC和AI技术的优势与应用,探索未来发展方向。该咨询委员会主办了多次全球性年度会议和STEM挑战赛(包括中国的大学生RDMA编程竞赛和德国的大学生集群竞赛)。
新加坡国家超级计算机中心(NSCC)成立于2015年,负责管理新加坡首个国家级千万亿次超算设施,拥有高性能计算(HPC)资源,可支持学术、研究和行业社区的科学和工程计算需求。NSCC的成立资金来自包括新加坡科技研究局(A*STAR)、新加坡南洋理工大学(NTU)、新加坡国立大学(NUS)和新加坡科技设计大学(SUTD)在内的赞助方,以及新加坡贸易和工业部(MTI)的大力资助,致力于实现超算的普及化。NSCC与本地和国际组织合作推动HPC项目,为国家级研究和开发机构提供支持,促进行业内的研究与合作,以进一步提升新加坡的科研实力。
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。