8月28日,在 AICC2019人工智能计算大会上,浪潮与百度宣布达成人工智能合作,共建AIStation与飞桨联合方案。当前,飞桨的PaddleHub、AutoDL Design、PARL三大工具模块,及包括ERNIE持续学习语义理解框架在内的超160个有优势性能的预训练模型,现已整合在AIStation平台上,用户可同时享有敏捷高效的AI计算资源管理部署能力和专业AI框架优化服务能力。
AIStation是浪潮面向人工智能企业训练场景的人工智能Paas平台,可实现容器化部署、可视化开发、集中化管理等,为用户提供极致高性能的AI计算资源,实现高效的计算力支撑、精准的资源管理和调度、敏捷的数据整合及加速、流程化的AI场景及业务整合,有效打通开发环境、计算资源与数据资源,提升开发效率。
百度飞桨是国内唯一功能完备的开源深度学习平台,集深度学习训练和预测框架、模型库、工具组件和服务平台为一体,拥有兼顾灵活性和高性能的开发机制、工业级应用效果的模型、超大规模并行深度学习能力、推理引擎一体化设计及系统化服务等优势。
在人工智能发展的今天,各种深度学习框架层出不穷,安装部署相对复杂,典型的深度训练模型需要几天到几周的计算周期,对计算力资源消耗较大。同时大型深度学习环境往往需要动态协调数百台服务器,上千颗CPU的计算资源,而且GPU计算卡也随着服务器等资源分散在不同的环境中,利用率较低且难以统一管理。
AIStation可无缝对接算法ISV,通过与AI算法及框架开发企业合作,内置优化多种主流深度学习框架和组件,可减化用户在框架和组件等方面配置及操作,为终端客户提供全链条的场景化服务,涵盖金融、电信、教育、制作等行业场景。当前,AIStation已聚合了包含科大讯飞、第四范式、英特尔、英伟达、VMware等近20家企业的AI框架、模型和工具组件,百度飞桨的加入意味着浪潮AIStation又一次迎来新的重要合作伙伴,大家将共同创建一个开放全新的生态,赋能行业最终用户,推进产业AI化进程。
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。