2022年中国国际服务贸易交易会于8月31日至9月5日在北京举行,并首次设立“元宇宙”体验馆,全方位展示“底层技术、共性能力、应用系统、场景建设”四层元宇宙完整技术体系。
摩尔线程作为元宇宙生态创新企业,受邀在首钢园服贸会10号馆“元宇宙”体验馆进行产品展示,并演示了包括数字孪生变电站、3D高速图形渲染、地理信息显示等多个场景的高效GPU算力应用。
数字孪生变电站:该变电站方案基于摩尔线程 MTT S50显卡的强大3D渲染能力,利用数字建模和现代化的图形引擎(Unity),打通数字世界与现实世界的边界,让电站工作人员对任务信息、设备信息、缺陷、及安防监控等一目了然,从而提升现场工作信息化、智能化应用水平,助力传统行业从数字化向智能化转型。
3D高速图形渲染:Cesium是目前全球最流行的三维地球和地图可视化开源JavaScript库之一,为三维GIS提供了一个高效的数据可视化平台。目前国内有不少GIS厂商都基于Cesium开发了自己的Web端应用。基于摩尔线程 MTT S50显卡,为国内平台提供了强大WebGL端上实时渲染能力,能够完善支持Cesium中繁多的可视化效果,助力展现真实、复杂的三维动态场景。
此外,摩尔线程还在现场展示了下一代多平台GPU物理引擎AlphaCore,其能够对物理世界中复杂的固体、柔性体、流体等效果进行超高精度的物理仿真处理,广泛覆盖影视后期制作、动画、游戏、建筑表现等领域的实际应用场景。
在全球数字经济高速发展的今天,元宇宙已成为数字经济发展的核心驱动力,是支撑各行业数字化转型的重要技术,而计算能力也成为元宇宙发展的重要技术支柱。
为元宇宙算力蓄能,摩尔线程率先提出了“元计算”这一概念,并认为元计算是支撑包括元宇宙在内的下一代互联网应用的通用算力平台,以图形计算和AI计算为基石,是物理世界数字化和数字世界物理化的底层算力支撑,而全功能GPU则是元计算的关键算力基础设施。
摩尔线程发布的第一代全功能GPU——摩尔线程MTT S系列显卡基于其MUSA统一系统架构打造,内置现代图形渲染引擎、智能多媒体引擎、AI计算加速引擎、物理仿真及科学计算四大引擎,带来了丰富的图形接口、强大的3D渲染性能和出众的AI计算能力,可以为元宇宙相关的数字孪生、工业建筑设计、地理信息显示等多个重图形应用场景提供高效算力支持。
当前,服贸会正在成为让中国经济与世界经济交融、服务贸易带动传统贸易、数字经济带动全球经贸的重要平台。摩尔线程也希望用兼顾算力与算效的绿色GPU,为更多行业与生态合作伙伴提供强大的元计算应用解决方案,助力数字经济的发展。
关于摩尔线程
摩尔线程是一家以 GPU 芯片设计为主的集成电路高科技公司,专注于研发设计全功能 GPU 芯片及相关产品,能够为中国科技生态合作伙伴提供强大的计算加速能力。公司成立于 2020年10月,致力于创新面向元计算应用的新一代 GPU,构建融合视觉计算、3D 图形计算、科学计算及人工智能计算的综合计算平台,建立基于云原生 GPU计算的生态系统,助力驱动数字经济发展。
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。