
2014年5月20-23日, “第六届中国云计算大会”在北京国家会议中心隆重举行。会上中国电子学会云计算专家委员会主任委员、中国大数据专家委员会主任委员、中国科学院怀进鹏院士分享了议题:《对云计算大数据的认识与思考》。
怀进鹏在议题中指出:这个领域现在已经非常的热闹。云计算和大数据也是业界谈论最火热的一件事,互联网和信息化是非常重要的,互联网快速发展会使我们更好的利用资源。这时就出现了几个问题:
第一怎么利用好资源。尽管如此大数据给社会、产业界、技术研究者带来很多的机会,同时也反应出在当前互联网二次价值进行探索的时候,完好的数据,完好资源是云计算要做的,同时大量的资源如何用好,这是非常重要的问题。好用和用好应该说也是一个定义的两个方面,代表了云计算的管理和大数据的分析。此外,短时间内的数据暴涨应如何建立可伸缩高保障的资源管理能力,也是一个问题。
二是如何用好这些数据。想要用好这些有价值的数据就必须要提高数据分析和处理能力,传统的软件很多已经不再适用于大数据时代,是不是出现面向云计算和大数据所需要的新一类的技术和科学也是值得探索的一件事。
第三则是关于网络安全和数据安全的问题。倘若无法保障这些数据安全性,那么也无法将使用这些可贵的资源。安全问题应该说是无论怎么强调都不过分,但是对于大数据来说可能隐私与共享的问题会成为新的矛盾。怀进鹏认为在面向互联网第二个机会兴起的时候,需要面对和处理好三个基本的挑战,未来计算架构问题;资源有效管理和分析处理问题;相互信任基本的环境。
云计算和大数据将会是一场影响长久且意义深远的事情,也许会对当今形势以及用户思维都会产生重要的影响,但这也更需要产业界、学术界和资源拥有者共同合作来推进云计算大数据有效的发展,这也将对中国信息产业的发展和信息化的建设具有特别重要的作用。
好文章,需要你的鼓励
本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。
这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。
中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。
这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。