疫情爆发后,曙光云便第一时间成立了应急小组,宣布进入随时待命状态。除了保障政务云业务的高效畅通与24小时运维响应,更是依托全国40余个城市云计算中心扎根当地、服务当地的优势,紧密配合政府部门利用云计算、大数据等技术进行疫情防控。
在抗击疫情过程中,为让排查工作高效精准,达到有效管控的目的,曙光云计算抚州中心为抚州临川区政府研发疫情信息管理系统,仅用两天的时间就让系统上线运行,使基层干部从繁重的排查工作中解脱出来,用更大的精力应对一线防控工作。
此系统运用云计算、大数据分析技术可以充分掌握返乡人员相关数据,多方面多维度进行分析,帮助政府全方位了解人员信息结构,真正做到了“快速采集,实时分析,精准上报”。
此外,该系统可精准管理来自病源地的人员,确保跟踪到位,助力政府各部门全面精准滚动排摸,切实找准并切断传染源,遏制疫情扩散蔓延势头,对有效实施网格化防控提供了科学支撑。
自疫情爆发以来,中科曙光积极响应,联合业界伙伴共同向相关科研机构免费提供超100PFlops算力的强大计算资源,助力对于新型冠状病毒肺炎防治的科研攻坚。同时,曙光公司还将为疫情数据的实时监测和态势分析提供数据平台与技术支撑。
1月24日,中山大学药学院教授罗海彬提出“需要大量计算资源”的紧急需求,中科曙光会同深圳超算中心等合作伙伴,组建应急工作组,迅速协调计算资源,帮助该团队开展药物筛选作业;此外,依托中科院北京基因组研究所建设的国家基因组科学数据中心,1月22日即发布了2019新型冠状病毒资源库,助力科研人员利用这一资源库,开展新型冠状病毒基因组变异分析,该数据中心计算资源由中科曙光提供。
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。