8月16日,以“合·聚·创 共IN智能时代”为主题的“2023英特尔(中国)学术大会”在南京开幕,邀请专家学者共话科技界前沿趋势,展示科研成果和技术解决方案。本次大会延续了英特尔“为智能而聚能”,推动中国产业界、学术界融合创新的不懈努力。
南京市人民政府副市长吴炜、麒麟科创园管委会主任樊向前、中国科学院院士吕建、中国科学院院士刘明、中国工程院院士孙凝晖、清华大学教授魏少军、华东师范大学副校长周傲英、华南理工大学副校长徐向民、华中科技大学教授金海、北京大学软件与微电子学院院长吴中海、中国科学技术大学教授安虹、南京大学软件学院院长仲盛等领导、嘉宾出席了本次大会并分享了精彩的观点。
在开幕致辞中,南京市人民政府副市长吴炜表示:“南京是长三角特大城市、国家东部地区重要中心城市,科教资源丰富、产业基础雄厚、营商环境优良、发展前景广阔,英特尔公司一直以来与南京保持着良好的合作关系。本次举办的英特尔(中国)学术大会自2003年启动以来,已成为研究与展望技术发展趋势的重要窗口,和推动高等教育战略与产业化相结合的重要平台。”
南京市人民政府副市长吴炜发表开幕致辞
英特尔公司高级副总裁、英特尔中国区董事长王锐也在视频致辞中表示:“从注重前沿探索的‘最初一公里’,到聚焦商业落地的‘最后一公里’,学术界、产业界在创新链条中密不可分。对英特尔来说,我们将更好地发挥在半导体技术、软硬件产品、可持续计算、开放生态等方面的优势,与大家一起为智能而加速。”
英特尔公司高级副总裁、英特尔中国区董事长王锐发表视频致辞
在主题演讲环节,英特尔研究院副总裁、英特尔中国研究院院长宋继强围绕“多维技术创新推进算力千倍提升”这一主题,介绍了英特尔如何通过制程、封装等半导体底层技术的持续创新,以及对神经拟态计算、集成光电和量子计算等未来计算领域的探索,推进高能效比下的指数级算力增长。同时,宋继强也分享了英特尔在助力高质量数字人才培养方面的长期实践。
英特尔研究院副总裁、英特尔中国研究院院长宋继强发表主题演讲
清华大学教授魏少军则发表了题为《AI时代的计算架构:专用还是通用?》的报告,介绍了在数字化新事物、新业态、新模式推动应用场景向多元化发展,算力规模不断扩大,算力需求持续攀升的背景下,如何更加高效地配置、共享、调度并释放更多算力。
清华大学教授魏少军发表主题演讲
此外,华东师范大学副校长周傲英,华南理工大学副校长徐向民,英特尔院士、大数据技术全球CTO戴金权,英特尔公司副总裁、英特尔中国软件生态事业部总经理李映,英特尔院士、首席编译器性能架构师田新民等与会嘉宾也分别就AI大模型、大数据、开源软件等行业热点话题进行了分享。
当天,英特尔还举办了“英特尔学术英才计划”颁奖典礼,共有6位来自国内高校和科研院所的青年才俊获得了英特尔提供的技术指导和奖金资助。接下来,“英特尔中国学术英才计划”将通过组织技术研讨会、学术沙龙、能力提升论坛等方式,搭建更大规模的产业界、学术界交流平台。此外,英特尔宣布全面推出“英特尔创新飞轮计划”,探索挖掘学术界种子项目,促进其产业化落地,推动产业界、学术界合作的进一步升级。
无论是数字人才的培养和发展,还是产业界、学术界的融合创新,均非一日之功。英特尔将继续致力于搭建更广泛的平台、促进更多交流合作,从前沿探索到商业落地,形成更强合力,推动更多满足本土需求的创新。
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。