科技行者 3月28日 北京消息:今日,在华为开发者大会2020(Cloud)第二天,华为宣布全场景AI计算框架MindSpore在码云正式开源,企业级AI应用开发者套件ModelArts Pro在华为云上线,同时展示了各行业合作伙伴基于华为人工智能计算平台Atlas的云边端全场景开发实践。至此,华为在2018年全联接大会上发布的全栈全场景AI解决方案,已面向开发者全面落地。
全场景AI计算框架MindSpore正式开源
华为MindSpore首席科学家、IEEE Fellow陈雷教授宣布华为全场景AI计算框架MindSpore在码云正式开源,并将致力于构筑面向全球的开源社区,持续推动AI软硬件应用开源生态繁荣发展。
华为全场景AI计算框架MindSpore正式开源
MindSpore着重提升易用性并降低AI开发者的开发门槛,陈雷教授表示,“MindSpore原生适应每个场景包括端、边缘和云,并能够在按需协同的基础上,通过实现AI算法即代码,使开发态变得更加友好,显著减少模型开发时间,降低模型开发门槛。通过MindSpore自身的技术创新及MindSpore与华为昇腾AI处理器的协同优化,实现了运行态的高效,大大提高了计算性能;MindSpore也支持GPU、CPU等其它处理器”。
发布业界首款企业级AI应用开发专业套件ModelArts Pro
针对行业AI应用开发者,华为云通用AI服务总经理袁晶发布了业界首款企业级AI应用开发专业套件ModelArts Pro。华为云ModelArts Pro定位为企业AI生产力工具,提供了一种全新的行业AI落地方式,将算法专家的积累和行业专家的知识沉淀在相应的套件和行业工作流(workflow)中,真正实现赋能行业AI应用开发者,全面提升行业AI开发效率和落地效果。ModelArts Pro以”授人以渔”的方式助力企业构建AI能力,赋能不同行业的应用开发者,让AI变得触手可及。
全面展示合作伙伴基于华为Atlas人工智能计算平台的全场景开发实践
华为Atlas数据中心业务总经理张迪煊面向全球AI开发者,分享了各行业合作伙伴基于华为Atlas人工智能计算平台的端边云全场景开发实践,并深度解析了打造高密云侧AI推理方案的性能优化过程、云边协同支持高效边缘推理以及极致低功耗端侧推理的开发经验。 华为已与数十家伙伴合作,推动基于华为昇腾AI处理器的Atlas系列模块、板卡、小站、服务器在智慧交通、智慧电力、智慧金融、智慧城市、智能制造等数十个行业落地。同时为了进一步丰富华为AI生态、支撑开发者自定义算子,张迪煊在大会现场启动了高效算子开发工具TBE的正式公测,并计划激励100家以上贡献算子的高校和合作伙伴、充分释放昇腾AI处理器的算力潜能。南开大学李涛教授现场演示了基于Atlas 200 DK的视网膜筛查病变检测的AI应用。依瞳科技李劲博士分享了基于华为Atlas的开发实践,并推出了业内首个支持华为昇腾910处理器的人工智能开源开放异构平台。
在2018年华为全联接大会上,华为首次发布了全栈全场景AI解决方案,包括芯片、芯片使能、训练和推理框架和应用使能全堆栈方案,可在公有云、私有云、各种边缘计算、物联网行业终端以及消费类终端等全场景部署。本次开发者大会上,华为系统展示了该解决方案的最新进展,尤其是面向开发者的具体落地成果,全面支持全球开发者更好地开发AI应用,让AI真正解决各行各业的实际问题,为企业和社会带来价值,也让全球AI产业和生态更加繁荣。
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。