经过赛选,20支来自亚太区的队伍将在关键全球气候异常建模和大语言模型推理上展开角逐
美国加州Sunnyvale / 新加坡 / 澳大利亚 – 2023 年 5 月 22日, 国际高性能计算和人工智能咨询委员(The HPC-AI Advisory Council)、新加坡国家超级计算中心(National Supercomputing Centre – NSCC Singapore)和澳大利亚国家超级计算中心(National Computational Infrastructure – NCI Australia)今天正式发布第六届 APAC HPC-AI学生竞赛的参赛团队和任务。
来自亚太区16所大学的20支团队入选了参赛名单,包括澳大利亚国立大学、香港中文大学、复旦大学、兰州大学、南京大学、南洋理工大学、台湾成功大学、台湾清华大学、北京大学、南方科技大学、中山大学、Kasetsart University、Thammasat University、 Telkom University、 University of Peradeniya 和Universiti Putra Malaysia。
当前流行的关于全球异常气候模拟的模型MPAS(The Model for Prediction Across Scales)和开源大语言模型BLOOM将会被用于本届的HPC和AI竞赛。
该竞赛由国际高性能计算和人工智能咨询委员、新加坡国家超级计算中心和澳大利亚国家超级计算中心联合主办,为学生提供了在业界领先的硬件和软件平台上进行学习和练习,并通过使用最先进的编程技术来优化全球最流行的应用程序来扩展他们的 HPC 和 AI 知识。
为了支持竞赛学生进行编程和优化任务,新加坡国家超级计算中心将提供配备了 NVIDIA A100 GPU 和 Slingshot 网络的最新 HPC 和 AI 系统 - Aspire 2A(NSCC Singapore’s newest Supercomputer Aspire-2A) ,和澳大利亚国家超级计算中心将提供基于 NVIDIA A100 GPU 和 NVIDIA Quantum InfiniBand 网络的 Gadi 系统(NCI’s Supercomputer Gadi),作为本次竞赛的算力平台。
国际高性能计算和人工智能咨询委员会主席 Gilad Shainer 先生表示 : "高级通信编程技术对于充分发挥大型 HPC 和 AI 集群的性能至关重要,进一步推动学生教育和业界领先技术的结合是国际高性能计算和人工智能咨询委员会的愿景之一。我们一直致力于各种组织全球性和区域性的竞赛,已经培养数千名学生加入到了全球领先的公司和研究中心。感谢新加坡和澳大利亚两大国家超级计算中心提供的计算平台和资源,为竞争的成功奠定了坚实的基础。气候建模和 LLM 是当前的热门话题,我们期待竞赛团队取得优异的成绩。"
第六届亚太区HPC-AI竞赛将持续 6 个月,比赛结果将在 Supercomputing2023 大会上公布,颁奖典礼将在澳大利亚的 SupercomputingAsia 2024 大会期间举行。
关于竞赛的更多详情,请访问国际高性能计算和人工智能咨询委员会网站2023 APAC HPC-AI Competition (hpcadvisorycouncil.com)。
关于国际高性能计算和人工智能咨询委员会
国际高性能计算和人工智能咨询委员会成立于2008年,是一家拥有450多家会员单位的国际性非盈利组织,致力于HPC和AI技术在全球的教育和技术普及。欲知更多信息,或申请成员,请访问:www.hpcadvisorycouncil.com。
关于新加坡国家超级计算中心(NSCC)
新加坡国家超级计算中心(NSCC)成立于2015年,负责管理新加坡国家级千万亿次超算设施,并提供高性能计算(HPC)资源。作为新加坡国立研究基金会(NRF)创立的国家级研究基础设施,NSCC 支持私人和公共研究和计算需求,包括商业公司、政府机构,以及高等教育和科研机构。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)、新加坡环境局(NEA)和新加坡海洋与船舶技术中心(TCOMS)。NSCC致力于推动国家级研究和开发,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。欲知更多信息请访问: www.nscc.sg。
关于澳大利亚国家超级计算中心(NCI)
澳大利亚国家计算基础设施中心是澳大利亚重要的高性能数据、存储和计算组织,提供专业的服务使各个领域的科学、政府和企业都从中受益。国家计算基础设施中心将澳大利政府和研究机构联合起来,携手澳大利亚最大的国家科学机构、大学、企业以及澳大利亚研究委员会,构建广泛的合作。国家计算基础设施中心为政府机构、大学和企业在多个不同的研究领域赋能。国家计算基础设施中心优秀的硬件资源、专业服务和专家团队驱动澳大利亚的多项高质量的研究和开创性的成果。
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。