由英特尔(中国)有限公司与北京芯世界社会创新发展中心共同发起的“DIY My City - 极创48小时”活动昨日在上海吴泾镇万科花园小城落下帷幕,“麦客”小组凭借名为“邻里守望”的作品最终获得评委团大奖及项目启动资金。
本次活动共吸引了超过100名来自企业、高校及社区的创客报名,经过选拔50人进入到为期48小时的极创活动。作为2015年“DIY My City”系列跨界创新活动的首站,此次活动意义众多。首先,英特尔通过自身在技术与产品方面的优势,降低创新门槛,支持创客运动在社区的普及,为大众创业、万众创新搭建舞台;其次,以社区需求为导向,鼓励市民参与开放创新,探索政、产、学、研、用协同合作,由政府、学界与企业的“三螺旋”网络体系,逐渐扩展到汇集政府、学界、企业与公众的“四螺旋”互动结构,营造公众参与的社会创新氛围,共同探索创新的社区解决方案;最后,通过园区、校区、社区的三区联动,发挥企业员工和在校学生的主观能动性和技能所长,激发其创新思维,培养其参与社区治理的责任感和使命感。
“DIY MY CITY”系列项目,吸收了源于黑客群体的编程马拉松(Hackathon)活动的精髓,融入了社会创新和设计思维的方法,通过设置社会关注度高的议题、时间压力和游戏规则,以专业人士为目标全体,实现有效的跨界创新,以产生更多创新的解决社会问题的方案或产品。目前已经完成的8期极创48小时活动共吸引了上千人参与,其中一些已经进入到产品化过程。2015年3月27日至29日,“DIY MY CITY”活动以1(企业)+1(大学)+1(社区)的跨界组队形式,直面社区的环境、参与融入等问题,进行了一场别样的创客马拉松。
英特尔公司作为此次创客活动的发起方之一,全程参与并提供了强大的软硬件支持,即包括英特尔® Edison开发板、英特尔® Galileo开发板、 Grove增强版入门套件、软件开发环境及工具在内的英特尔® 物联网开发套件,极大地加速了作品的开发。与此同时,对于非工程师、不具备充分专业技能的社区、高校创客来说,英特尔产品兼容性强、简便易学的特点及英特尔物联网开发人员社区上丰富的技术资源也进一步降低了创新的门槛,经过简单的培训,所有参与者都能体验到创新的乐趣。
英特尔中国首席责任官杨钟仁
英特尔中国首席责任官杨钟仁表示:“社会问题的解决需要以人为本,以开放、参与的态度,并借助来自政府、企业、学界和公众的多方力量,来共同推动跨界合作创新。‘DIY My City’强调以市民为主体,用户需求为导向,参与式的创新模式。企业在解决社会挑战的同时,也能从社会实践中汲取养分,以责任创新推动企业的可持续发展。”
本次活动中,共青团闵行区委员会、吴泾镇精神文明建设委员会、紫竹国家高新区团委、上海交通大学网络信息中心对活动给予了大力支持。
共青团闵行区委员会吴敏华书记表示:“通过与英特尔公司、芯世界社会创新中心共同发起‘DIY MY CITY’活动,我们希望为青年参与公益活动搭建平台,鼓励他们从身边入手,发现生活中的问题,用技术和艺术的方式寻找有效解决方案,让社区、让城市更美好。未来,希望通过开展更多类似的社会创新活动,为青年提供创新、创业环境,激发更多有社会情怀和专业能力的青年积极参与、支持社区创新。”
附获奖名单:
一等奖(1名)
l 麦客队:《邻里守望》,解决社区内独居老人突发疾病缺乏应急急救方案,致力于连接社区需要帮助的老人与周边热心义工
二等奖(1名)
l 棉花糖很高对不队:《温情定制》,解决社区内大量来沪老人与邻里交流匮乏问题
三等奖(3名)
l Baymax II:《智联小区》,通过搭建分布式网络,解决物业公司的社区监控盲区问题
l 海绵宝宝:《智能订餐系统》,解决社区老人用餐的便捷和营养问题
l Dolphin:《社区野猫解决方案》,解决流浪动物扰民问题,打造智能“爱猫岛”
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。