2021年7月29日,北京 —— 英特尔公司今日出席智能经济高峰论坛暨百度云智峰会2021并分享了一系列与百度在人工智能、云计算、智能边缘等方面的最新合作进展。在智能技术方面,百度基于第三代英特尔®至强®可扩展处理器,打造全功能AI开发平台Baidu Machine Learning (BML),为企业提供一站式AI开发服务;同时,百度飞桨2.0亦通过集成英特尔oneAPI,有效提升用户深度学习应用的工作效能。此外,双方不仅联合打造云边协同解决方案,助力智慧城市和数字中国建设;亦全方位开展生态合作,助力产业智能化升级。
英特尔亚洲人工智能销售技术总经理伊红卫
在演讲中,英特尔亚洲人工智能销售技术总经理伊红卫表示:“面对不断演进的数据中心需求,英特尔不仅加注云战略,推出基础设施处理器 (IPU),打造全新的智能架构;同时,亦以AI创新技术助力云计算,以提供涵盖人工智能硬件、软件和生态系统在内的全方位战略,满足每个开发者、数据科学家、客户从云到智能边缘,再到设备的所有独特需求。籍此,英特尔将携手百度从产品技术、解决方案到产业、生态全方位深化合作,助力智能升级,使能产业发展。”
多年来,英特尔携手百度构建起涵盖产品技术、行业解决方案、产业生态在内的深度合作模式。以技术创新为合作基石,双方不断探索新应用、新突破,拥抱多样性计算新时代。基于第三代英特尔®至强®可扩展处理器,百度打造全功能AI开发平台BML。得益于第三代英特尔®至强®可扩展处理器强劲的端到端算力以及由英特尔®深度学习加速技术等带来的AI加速能力,该平台不仅能够为用户提供更易用、更流畅、更灵活的AI硬件基础设施支持,也进一步提升了平台用户的开发体验,进而为企业AI转型提供强大助力。此外,与第三代英特尔®至强®可扩展处理器的内置 AI 加速技术及英特尔® oneAPI工具包的深度结合后的百度飞桨2.0,为多种深度学习模型的推理速度带来显著提升,有效提升用户深度学习应用的工作效能,为企业降本增效。
与此同时,英特尔与百度依托双方在边缘计算领域的创新与积累,逐步构建智能城市的神经系统。作为全球领先的开放边缘计算框架,EdgeX Foundry旨在为物联网边缘计算构建一个通用的开放框架,以实现即插即用组件生态系统。其中,作为EdgeX Foundry社区中国项目的发起方和重要参与方之一,英特尔物联网事业部一直以来通过贡献代码、构建EdgeX生态系统等举措积极支持EdgeX的发展。基于英特尔架构的EdgeX和百度Baetyl打造的云边端协同解决方案,简单易集成、使用门槛低、高度兼容不同设备,能够为用户提供了一个灵活的智能化设备管理平台。现阶段,慧博云通公司已完成端到端方案验证,未来也将依托英特尔强大的生态优势,为工业、零售、能源、医疗与生命科学等行业客户提供更符合需求的解决方案,共享智能边缘在零售行业的新机遇。
展望AI原生云时代,英特尔还将携手百度在IPU领域展开全面合作,在算力层面提供面向AI场景的弹性高性能的异构算力;共同探索行业应用解决方案,助力企业AI应用架构简洁化、敏捷化发展,赋能智能产业;全方位深化云计算、人工智能、智能边缘等多领域合作,构建智能生态。
好文章,需要你的鼓励
这项研究介绍了VisCoder,一个经过专门微调的大语言模型,用于生成可执行的Python可视化代码。研究团队创建了包含20万样本的VisCode-200K数据集,结合了可执行代码示例和多轮修正对话。在PandasPlotBench基准测试中,VisCoder显著优于同等规模的开源模型,甚至在某些方面超越了GPT-4o-mini。研究还引入了自我调试评估模式,证明了反馈驱动学习对提高代码可执行性和视觉准确性的重要性。
这项研究提出了"适应再连续学习"(ACL)框架,一种创新的方法解决预训练模型在连续学习中的稳定性-可塑性困境。通过在学习新任务前先对模型进行适应性调整,ACL使模型既能更好地学习新知识(提高可塑性),又能保留已有知识(维持稳定性)。实验证明,该框架能显著提升各种连续学习方法的性能,为解决人工智能系统中的"灾难性遗忘"问题提供了有效途径。
这篇研究首次关注了CLIP模型文本编码器的对抗鲁棒性问题,提出了LEAF方法(Levenshtein高效对抗性微调)来增强文本编码器的稳健性。实验表明,LEAF显著提高了模型在面对文本扰动时的性能,在AG-News数据集上将对抗准确率从44.5%提升至63.3%。当集成到Stable Diffusion等文本到图像生成模型中时,LEAF显著提高了对抗噪声下的生成质量;在多模态检索任务中,它平均提高了10个百分点的召回率。此外,LEAF还增强了模型的可解释性,使文本嵌入的反演更加准确。
BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台,整合了38个基准中的30万个问题,按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差,而BenchHub通过自动分类系统和用户友好界面,让用户能根据特定需求筛选评估数据。实验证明模型在不同领域的排名差异巨大,强调了定制化评估的重要性。该平台支持多语言扩展和领域特化,为研究人员和开发者提供了灵活评估大语言模型的强大工具。