IEEE Tech Frontiers论坛将于2024年12月5日北京时间上午9:30至11:30,首次以线上形式隆重举行。该论坛旨在搭建一个超越国界、跨越学科的交流与合作平台,汇聚顶尖学者、技术先驱与行业领袖,共同探讨科技前沿话题。论坛将全程进行线上直播,您可以通过访问如下链接进行预约,以便届时观看直播。
微信视频号直播预约:https://mp.weixin.qq.com/s/Yqg3MQ5yMjSun2YOCbn7xw
哔哩哔哩直播预约:https://www.bilibili.com/opus/999501931311267844?spm_id_from=333.1365.0.0
面对气候变化、资源枯竭、经济波动等全球性挑战,我们认识到采取创新和全面的方法来应对这些复杂且紧迫的问题的重要性。科学与技术作为最直接和有效的手段,已成为推动社会进步的强大动力。
本次论坛将邀请三位IEEE科技领域的领军人物:IEEE电力与能源学会(PES)候任主席钟志勇教授、IEEE光伏专家会议(PVSC)主席Tyler Grassman教授、以及IEEE计算机视觉与模式识别会议(CVPR)主席Walter Scheirer教授。他们将分享在三大IEEE旗舰会议——IEEE PES输配电会议暨展览会(T&D)、PVSC和CVPR——中展示的最新技术成果,内容涵盖电力与能源、光伏技术、计算机视觉和人工智能等领域的最新前沿进展。
我们诚挚邀请所有热衷于创新、致力于技术发展及实践、并期望将创新成果与产业发展紧密结合的人士参与此次盛会。期待与您共同见证科技的力量,携手推动社会的进步与发展。
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。