为贯彻落实市政府召开的第六届世界智能大会筹备动员会议精神,世界智能大会组委会秘书处深谋细化、抓早抓小,于近日组织各相关工作组负责同志,赴国家会展中心(天津)现场踏勘、推演流程,统筹推进细节进展。市工业和信息化局副局长周胜昔,滨海新区、国家会展中心(天津)有限公司、组委会秘书处和各相关单位负责同志参加了本次踏勘。
本次踏勘主要对主会场整体搭建设计、开幕式虚拟现实场景实现、智能科技展展区规划和巡馆路线、平行论坛会场选址、会场氛围营造等工作进行了再次实勘实测和初步效果评估。通过本次实勘,初步确定将S13馆作为双边会谈、媒体服务区和工作人员区,并计划在登录大厅设置大国重器、世界智能大会5年成果展示等专题展区,重点展示天津经济社会高质量发展、大会举办成效、“双战双赢”等成果。
下一步,大会组委会秘书处将压实责任、主动跟进,统筹细化、“逐帧”推演各分项工作执行方案、预案,全力做好各项组织筹备工作。
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。