第六届“Qualcomm大中华区高校合作科研项目研讨会”期间,来自内地、香港、台湾的十所高校的19个项目组展示了“ Qualcomm高校合作科研项目”最新成果。
回顾历史,Qualcomm与国内高校合作由来已久。早在1998年,Qualcomm与北京邮电大学共同创建联合研发中心;随后,扩展至中国各知名学府和科研院所,连续17年为中国高校研究提供资金资助,支持校内讲座竞赛;迄今,Qualcomm中国高校合作科研项目共发表了超过600篇学术文章,上千名学生受益。
在与高校合作过程当中,Qualcomm研发副总裁范明熙透露,Qualcomm选择高校一般从技术领域、未来发展两方面考虑。从技术领域来说,Qualcomm比较看重的是通信和计算。
研发部门,Qualcomm重点关注的方向为:解决千倍数据增长挑战、推动计算平台的未来发展、将数字第六感变为现实、支持智能家居、加强移动用户体验等。
今年,多个合作项目围绕上述方向开展。
计算方面,与上海交通大学合作的“行人检测与跟踪”项目,这也是Qualcomm汽车辅助驾驶项目的一部分:汽车摄像头获得车外影像,随即进行分析,以辨识是否有行人,以及行人的运动轨迹;
与台湾清华大学合作的“使用立体摄像头的快速深度图计算”项目,合作中增加了一个难点:输入的立体视频是由两个不同分辨率的摄像头获取,如果此难点得以解决,未来将在智能手机上产生很多全新应用,如距离估算、视频分割等;
连接方面,与清华大学合作,通过对大规模 MIMO技术的分析研究,以进一步提升无线网络的性能;
与香港中文大学合作,完成一种全新编码理论,有别于现有通信网络中的编码技术,目标是提高传输效率。
范明熙坦言,Qualcomm和高校的合作模式是多样化的,总体来说归为两种。一种是,合作所取得的成果,在近期或者两三年之内可以逐渐转化为产品。这个模式就需要我们的产品团队、研发团队跟高校有非常紧密的合作和沟通;另外一种是,一些技术虽然目前看起来还处于早期,但将来五到十年之内有发展空间。
在这种合作模式中,研究项目的自主权在学校,Qualcomm会定期和学校交流,可能是每两周或者每两、三个月。
这样一来,和企业的合作同时也让高校教育受益。
中国科学院计算技术研究所研究员、博士生导师陈熙霖表示,和企业合作告诉我们,应该培养什么样的人才,什么样的人才是企业真正需要的。
其次,做工科研究,我们需要有一个实验场,这个实验场和学生将来工作的环境尽可能的接近,这样培养出来的学生在真正参与工作的时候,所需二次训练的时间就会缩短。
第三,这种合作可以使我们教师不断地自我学习、自我教育,从而不断进步,其中包括和企业的交流以及自己科研能力的进步。
北京邮电大学信息与通信工程学院副教授、硕士生导师牛凯表示赞同:“和Qualcomm合作过程中,我们实验室很多学生都因为出色的能力被Qualcomm录用,目前也在从事通信方面研究,相当于真正的学有所用。”
Qualcomm以无线通信发家,极其注重研发投入。截至2014年第四季度,Qualcomm的研发投入累计超过328亿美元。2014年间,按照GAAP准则,Qualcomm研发投入近 55亿美元,占年度营收20%。
关键的是,一直以来,Qualcomm将研发力量投入中国,据范明熙介绍,从上世纪90年代,Qualcomm先后在北京、上海、深圳及西安开设了四个分公司,并先后在北京和上海设置了两个研发中心。而北京亦是Qualcomm最早设立的海外研发中心,当北京研发中心获得成功之后,此模式被推广到了世界其他国家。
此外,“Qualcomm大中华区高校合作项目交流会”期间,Qualcomm宣布设立新的奖学金项目,并承诺向北京大学和清华大学提供50万美元奖学金基金。
右:北京大学教育基金会欧美部部长赵琳
好文章,需要你的鼓励
想象一下,你有一个非常聪明的朋友,他知道很多知识,但每当需要使用计算器、搜索引擎或查询最新天气时,却变得像个笨手笨脚的孩子。这正是当前大语言模型(简称LLMs,如ChatGPT这类AI系统)面临的尴尬处境。
想象一下,你拥有一个聪明的助手,它知道很多知识,但在面对需要使用计算器、搜索引擎或查询最新信息时却显得笨手笨脚。这正是当前大语言模型(LLMs)面临的困境。虽然这些模型已经通过监督微调(SFT)学会了使用工具的基本能力,但它们常常在面对复杂或不熟悉的场景时表现不佳。
想象你正在和一个智能助手聊天。如果你直接要求它提供有害信息,它很可能会礼貌拒绝。但如果你通过一系列看似无害的对话,逐步引导它走向你的真实目标呢?这就是当前AI安全领域面临的一个严峻挑战——多轮对话中的安全漏洞。
想象你在使用一个非常聪明的AI助手完成一项复杂任务,比如解决一道数学难题。你可能注意到这个助手会花很长时间"思考",一步一步写下大量推理过程,最后才给出答案。虽然这种详细的思考过程确实帮助AI做出了更准确的判断,但同时也带来了一个明显的问题:它太"啰嗦"了,消耗了大量的计算资源和时间。