
科技行者 8月28日 北京消息(文/孙封蕾): 今天,在AICC2019人工智能计算大会上,百度与浪潮宣布在人工智能领域达成合作,双方将共建百度飞桨(PaddlePaddle)与浪潮AIStation联合方案。本次合作,将让深度学习开发者可以更便捷、高效地在浪潮AI服务器上应用飞桨的深度学习能力。在此基础上,双方将携手创建一个开放全新的生态,赋能产业开发者,推进产业智能化进程。

据悉,当前,飞桨的PaddleHub、AutoDL Design、PARL三大工具模块,及包括ERNIE持续学习语义理解框架在内的160+个有优势性能的预训练模型,已经整合在浪潮AIStation平台上,开发者可同时享有敏捷高效的AI计算资源管理部署和专业AI框架优化服务。
百度飞桨是国内唯一功能完备的端到端开源深度学习平台,集深度学习训练和预测框架、模型库、工具组件和服务平台为一体,拥有兼顾灵活性和高性能的开发机制、工业级应用效果的模型、超大规模并行深度学习能力、推理引擎一体化设计及系统化服务等优势,致力于让深度学习技术的创新与应用更简单。
AIStation则是浪潮面向AI企业训练场景的人工智能PaaS平台,可实现容器化部署、可视化开发、集中化管理等,为用户提供极致高性能的AI计算资源,实现高效的计算力支撑、精准的资源管理和调度、敏捷的数据整合及加速、流程化的AI场景及业务整合,有效打通开发环境、计算资源与数据资源,提升开发效率。
自开源以来,百度飞桨持续进化升级。今年7月初发布的飞桨+华为麒麟NPU合作,打通了深度学习框架与芯片,通过“硬软结合”的方式,为中国产业开发者最大限度释放深度学习能力。
今天发布的与浪潮AIStation的联合方案,将帮助完善百度飞桨在服务器侧的战略布局,进一步释放深度学习在AI 服务器端的能力。至此,飞桨在端侧、云侧实现了全方位、立体式的覆盖。
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。