高大伟:主席先生,欢迎来到世界智能大会全球对话。您知道这次大会在天津举行 您非常了解中国,尤其了解天津。
罗马诺·普罗迪:我与天津的故事可以追溯到几个世纪之前了。
高大伟:天津对您来说意义非凡,事实上,您获得过天津市荣誉市民的称号,同时也是南开大学的客座教授。
罗马诺·普罗迪:是的。
高大伟:您知道世界智能大会的核心议题是科技,特别是人工智能。那么主席先生 在您看来为什么人工智能如此重要?为什么大家需要关注人工智能的发展动态呢?
罗马诺·普罗迪:人工智能所带来的深刻变革首先体现在生产方面。确实,我们已经被海量数据淹没了。管理大数据的人拥有经济优势。我就不从军事角度讨论这一点了,因为这不是我的专业领域。但从经济学角度而言,如果你没有大数据,如果你管理不好大数据,那你就出局了。
高大伟:主席先生,我们从经济学角度探讨了人工智能的重要性。当今世界,我们在许多行业、许多领域都感受到技术更迭速度不断加快。根据您的经验和专长,您认为接下来我们需要重点关注哪些科技领域?
罗马诺·普罗迪:今天的技术变革并不只是关于5G 大数据或者某种单一技术,而是所有资源的结合。这是至关重要的一点。成败就取决于你能否整合所有资源。单就一个机器人而言,只是玩具而已;而在一个系统中的机器人才能够改变生产模式。现阶段的科技发展比引发全球第一次工业革命的蒸汽机更为复杂,因为蒸汽机的传播速度远远比不上现代技术的更新速度。这是真正的区别。所以很显然,表面看似是5G的竞争,实则不然,实际是与5G相关的所有系统的竞争。
高大伟:非常感谢您对世界智能大会的支持,也感谢您几十年来对天津和中国一如既往的支持。
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。