用新一代计算体验,释放创新无限想象
12月16日,英特尔人工智能创新应用大赛启动仪式在深圳举办。通过本次大赛,英特尔为广大开发者提供了一个展示创意和成果的平台,并依托强大的英特尔® 酷睿™ Ultra等设备及软件工具套件,助力开发者利用基于英特尔的AI PC出色的计算和图形性能进行创意开发,让每一位用户都能真切体验到AI PC带来的智能生产力跃升以及更加强大的娱乐体验。作为本届大赛的独家AI PC合作伙伴,联想与英特尔共同携手加速 AI 特性在 PC 上的应用,促进生产力和娱乐创作力的释放。
联想集团副总裁、中国区首席市场官王传东(图左)、英特尔公司副总裁兼软件生态事业部总经理李映博士(图右)
英特尔人工智能创新应用大赛分设个人赛道和企业赛道,旨在鼓励广大开发者利用英特尔酷睿Ultra等平台及软件工具套件进行AI应用创作。大赛通过赛事平台、技术集训、专家答疑等形式,让开发者可以在AI PC上充分利用生成式AI技术进行高效创作,开发艺术创作、音乐制作、知识分享、效率提升等丰富的工作、生活、娱乐软件,激发生产力和创作力的极大提升,让每个人都有机会成为艺术家、画家、作曲家、导演、设计师等。此次大赛设置一、二、三等奖及多个特别奖项。
如今,AI正在从根本上改变、重塑和重构个人电脑体验,AI PC时代的到来将进一步帮助人们提高效率,释放生产力和创造力。英特尔公司客户端计算事业部副总裁兼中国区总经理Lakshminarayan Krishnamurty表示:“AI代表了计算领域的代际转变,各行各业都在积极拥抱AI。作为行业领导者,英特尔致力于通过市场上数亿台的PC规模、广泛的x86应用生态以及众多模型和工具,推动AI的普及。”
目前,英特尔正在推动IHV、ISV、开发者与英特尔的丰富资源互联互通——涵盖AI工具链、联合开发、硬件、设计资源、技术专长和联合市场推广机会等。Lakshminarayan还表示,“通过举办本届大赛,我们希望与广大开发者生态一起创新——充分利用英特尔酷睿Ultra处理器的技术,释放AI和机器学习应用的性能,加速新的应用场景落地,并将庞大的PC行业与AI PC生态中新涌现的解决方案很好地连接起来。”
英特尔公司副总裁兼软件生态事业部总经理李映博士表示:“英特尔秉承开源开放的目标理念,提供了一个创新的竞赛平台和诸多快速、便捷、极具性价比的AI生产力工具,旨在帮助每一位开发者抓住生成式AI带来的机遇。为了降低生成式AI 应用的开发门槛, 提升开发效率,英特尔通过支持一系列开源软件架构,让开发者能在完全脱离云端支持的情况下,利用一台普通PC开发各种生成式AI应用。”
联想集团副总裁、中国区首席市场官王传东表示:“作为本次大赛的独家AI PC合作伙伴,联想集团非常高兴能够与生态合作伙伴一起,共同推动AI PC生态的蓬勃发展。在AI PC新生态下,结合本地个人大模型、自然语言交互和混合算力的支撑,AI应用开发将发生颠覆性的改变,联想希望能与合作伙伴和所有应用开发者共享生态繁荣,让我们一起不负AI,共赴山海!”据悉,作为本次大赛的独家AI PC合作伙伴,联想将会为大赛提供AI PC设备以及专家团队进行评审和全程指导。
好文章,需要你的鼓励
这项研究由德累斯顿工业大学等机构的研究团队完成,旨在解决主动学习未被广泛应用的问题。研究者构建了包含460万种超参数组合的实验网格,系统分析了各参数对主动学习性能的影响。研究发现,不同策略实现间存在显著差异,基于边缘的不确定性策略整体表现最佳,随机选择约4000个超参数组合即可获得可靠结果。这些发现为设计可重现、可信赖的主动学习实验提供了明确指导,有助于降低入门门槛,促进技术在实际应用中的普及。
这项由英国爱丁堡大学和上海人工智能实验室研究者共同完成的工作提出了LongBioBench,一种用于评估长文本语言模型的新型基准测试框架。通过使用人工生成的虚构人物传记作为测试环境,该框架在保持可控性的同时,提供了更真实的评估场景。研究对18个长文本模型的测试表明,即使最先进的模型在检索、推理和可信任性方面仍存在显著挑战,特别是上下文长度增加时。研究还揭示了现有合成基准测试的设计缺陷和长上下文预训练的局限性,为未来模型开发提供了重要指导。
SuperWriter是一项来自新加坡科技设计大学和清华大学的突破性研究,通过模仿人类"先思考后写作"的过程,彻底改良了AI长文生成能力。该研究团队开发的框架包含三个关键阶段:规划、写作和修改,使AI能像专业作家一样进行结构化思考。实验结果表明,经过训练的SuperWriter-LM模型不仅超越同等规模的所有AI模型,甚至在某些领域表现优于规模更大的顶级模型,为AI辅助写作开创了新的可能性。
香港大学与阿里巴巴达摩院合作开发的LayerFlow是一种突破性的层级视频生成技术,能同时生成透明前景、完整背景和混合场景视频。该技术通过创新的框架设计将不同视频层级作为子片段连接,并引入层级嵌入使模型区分各层级。面对高质量训练数据稀缺的挑战,研究团队设计了三阶段训练策略,结合Motion LoRA和Content LoRA,实现了图像和视频数据的联合训练。LayerFlow不仅支持多层视频生成,还能实现视频分解和条件层生成,为视频创作领域带来革命性变革。