近日,《天津市关于进一步支持发展智能制造的政策措施》(津政办规〔2020〕16号)正式印发,内容涉及支持智能制造发展的7方面26条专项政策,以“真金白银”支持企业智能化升级、工业互联网发展,加快培育新兴产业和大数据产业发展。
为做好《政策措施》宣贯工作,帮助企业深刻理解政策内涵,9月23日下午,世界智能大会组委会秘书处、天津市工业和信息化研究院、天津中科先进技术研究院有限公司、天津市动力电池产业集群将联合主办智能科技产业政策宣贯会,解读智能科技产业政策,分享先进企业经验,让政企面对面交流,共同推动天津市智能科技产业创新能力、综合实力和核心竞争力提升,助力制造业转型升级。本次会议由天津市工业和信息化局指导,天津市电池行业协会承办。
由于会场规模有限,本次会议以制造型企业优先,参会需提前预约,具体详情及报名方式,请扫描下方二维码。
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。