中国经济网北京3月10日讯(记者 李焱)“科技工作者要有科技报国的胸怀和担当,甘愿板凳坐得10年冷,有耐心有信心,致力于关键技术的持续创新、高质量创新,在后摩尔时代,开拓科技创新的新赛道。”全国政协委员、中国工程院院士、“星光中国芯工程”总指挥邓中翰对记者说。
全国政协委员、中国工程院院士、“星光中国芯工程”总指挥邓中翰(受访者供图)
邓中翰1999年结束海外留学归国,带领团队承建了国家重点实验室,担任“星光中国芯”工程总指挥,组建了中星微电子公司。多年来,他的团队坚持自主创新,先后两次荣获国家科技进步一等奖,开发出的中国第一个超大规模集成电路“星光中国芯”数字多媒体芯片成功打入国际市场,被国内外知名品牌采用。
作为第十一、十二届全国人大代表,第十三、十四届全国政协委员,近十几年全国两会期间,邓中翰多次接受中国经济网的采访,多次参加中国经济网的访谈节目,每一次话题都离不开“科技创新”。
政府工作报告在“今年发展主要预期目标”中提到,“完善新型举国体制,发挥好政府在关键核心技术攻关中的组织作用,突出企业科技创新主体地位。”对此,邓中翰委员表示,科技创新是国家建设发展的重要力量,为创新型国家、科技强国建设提供了有力支撑。“新时期新形势下,高质量创新驱动更是与国家命运紧密结合在一起,创新强则国运昌。”
参加全国政协会议期间,邓中翰委员提出了有关“核心技术标准”的建议。他认为,科技创新离不开标准创新,核心技术标准是硬科技,已经成为科技创新的制高点。
邓中翰委员表示,标准是科技创新和社会经济发展的重要支撑,是技术规则和基础制度的重要载体,事关国家竞争力、国际话语权和全球产业链的战略全局。而技术是标准的内核,从“蒸汽时代”到“电气时代”,再到“信息时代”,重要技术标准都凝聚了重大科技突破和先进技术成果,成为核心竞争力的重要标志。“数字经济时代,具有核心知识产权的重要技术标准是新技术、新产业、新业态、新模式的开路先锋。”他认为,随着科技创新向深层次推进,技术标准、系统架构、特殊材料、设计工具、生产工艺等这些“硬科技”都有着很重要的地位,它们是产业链的基石,也是实现原始创新、产业持续发展的依靠。
邓中翰委员的这些经验体会,很大程度上来自于他的科研和技术成果产业化实践。邓中翰团队从2007年开始联合有关单位牵头研究制定SVAC智能物联国家标准,经过数年努力,突破了多项关键技术瓶颈。该标准在2010年底正式发布,从基础信源层面解决了视频图像采集和数据安全等关键问题。十多年来,这一国家标准的技术成果产业化已得到持续推进,并在全国上百项重点工程中推广应用。“一个标准带动了多个核心技术,并形成产业链条。以标准带动应用,以应用催生市场,从市场创造需求,再由需求引导技术创新与产业升级,整个行业进入到持续高质量创新业态模式,进而打造出我国自立自强的生态系统。”邓中翰委员归纳道。
在加强核心标准体系建设的过程中,要努力实现标准自主化,建立自主IP知识产权,建立自主应用软件生态,建设自主材料和设备的生产工艺,形成我国自主标准引领下的生态系统。邓中翰委员表示,“打造自立自强生态系统的同时,也要坚持国际合作,广交朋友,扩大开放,坚定维护全球产业链供应链稳定。”
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。