集创新之力·成数智之塔
近日,喆塔科技与国家集成电路创新中心携手共建“高性能集成电路数智化联合工程中心”并举行签约揭牌仪式。出席此次活动的领导嘉宾包含:上海市经济和信息化委员会、上海市集成电路行业协会、复旦大学微电子学院、国家集成电路创新中心等机构领导,此外,中鑫致道、张江垚坤、明裕创投等股东代表也齐聚一堂。
在各位领导嘉宾的共同见证下,这一意义非凡的合作项目正式扬帆起航,这标志着喆塔科技在推动集成电路产业数智化发展方面步入新的阶段。
联合共赢,资源互补
国家集成电路创新中心是在国家工业和信息化部、上海市人民政府的指导和支持下,由复旦大学、中芯国际和华虹集团三家单位于2018年共同发起建设的。作为一个具有独立性、开放性、实体性的国家级集成电路共性技术研发平台,该中心致力于解决我国集成电路主流技术方向选择和可靠技术来源问题,为产业技术升级、大生产线建设提供技术支撑和知识产权保护。同时,国家集成电路创新中心还通过“国创‘芯’课堂”等项目,为我国集成电路产业培养了众多精英人才。
复旦大学微电子学院院长/国家集成电路创新中心董事长张卫院长表示:“此次与喆塔科技合作共建联合工程中心,是我们在推动产业数智化方向上的一次重要实践。喆塔科技是一家在智能制造与工业互联网领域具有卓越表现的高新技术企业,他们的‘CIM 2.0产品’和‘工业互联网云平台’解决方案已经为半导体、光电显示、新能源等多个行业的智能化转型提供了有力支撑。相信,在各方的共同努力下,联合工程中心一定能够成为技术创新的重要平台,为集成电路产业发展注入新的活力。”
喆塔科技成立于2017年,专注于工业大数据与工业AI,致力于引领工业数字化转型。作为国产领先的半导体数智化平台领跑者,公司通过将行业Know-how与ABC(AI、Bigdata、Cloud)技术深度融合,形成了一站式数字化解决方案,为高端制造业提供以数据驱动的一站式CIM2.0全矩阵数智化产品。在助力高端制造业“数转智升”过程中,喆塔科技积累了丰富的经验案例和强大的技术实力。现已服务超过100家半导体、光电显示、新能源等行业客户,成为推动高端制造业数字化转型的引航者。
此次双方共建的“高性能集成电路数智化联合工程中心”将不仅是一个技术攻关平台,更是一个融合创新资源、孵化未来技术的“产业飞跃台”。我们计划通过构建覆盖设计、制造、测试等全产业链的数智化协同体系,以数据驱动的一站式CIM2.0全矩阵数智化平台,助力集成电路产业实现跨越式发展。未来,这里将成为催生技术创新和产业变革的摇篮,孕育出更多突破性成果,引领行业向全球高端迈进。
数智共生,携手见证
在各方机构领导的见签下,国家集成电路创新中心副总经理沈晓良与喆塔科技CTO刘林平郑重签署了合作协议。紧接着,复旦大学微电子学院院长/国家集成电路创新中心董事长张卫院长与喆塔科技CEO赵文政共同揭开了“高性能集成电路数智化联合工程中心”的牌匾,此举意味着这一意义重大的合作项目正式拉开帷幕,踏上了新的征程。此外,复旦大学微电子学院院长张卫教授向喆塔科技CEO赵文政先生颁发了实验室主任聘书,这份荣誉不仅是对赵总个人能力的认可,也是对他带领团队所取得成就的高度肯定。
喆塔科技CEO赵文政表示:“在当前信息技术飞速发展、全球经济格局深刻调整的时代背景下,集成电路产业迎来了前所未有的发展机遇。我们处在这个大变革当中,既有挑战也有机遇。在我国集成电路行业蓬勃发展的过程中,国内工业软件已经渡过了模仿、学习的阶段,进入到独立创新并解决临卡脖子的威胁的阶段。非常荣幸这次能与国家集成电路创新中心携手,共同推动我国集成电路产业迈向新的高度。”
携手共建,科创未来
未来,喆塔科技将依托“高性能集成电路数智化联合工程中心”,围绕集成电路的关键共性技术开展深入研究,强化产学研用的紧密结合,加快科技成果的转化与应用。双方将共同努力,突破一系列技术瓶颈,为我国集成电路产业的发展注入强大动力,同时也为建设具有全球影响力的科技创新中心贡献积极力量。
“高性能集成电路数智化联合工程中心”的成立,标志着喆塔科技与国家集成电路创新中心的合作迈出了坚实的一步。双方将共同努力打造新质生产力,为我国集成电路产业的发展注入新的活力,为实现制造强国的目标贡献力量。
此次签约揭牌仪式的成功举办,不仅展示了双方在集成电路领域的深厚合作基础,也为未来的共同发展奠定了坚实的基础。联合工程中心采用的产学研深度结合的模式,离不开政府部门和行业协会的引导与帮助,为此特别感谢上海市经济和信息化委员会、上海集成电路行业协会对本次合作的大力支持。相信在多方的共同努力,必将推动我国集成电路产业向着更高水平迈进。
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。