3月17日上午,世界智能大会组委会与联合国工业发展组织召开第一次沟通会议,双方就第六届世界智能大会筹备情况、联合国工业发展组织发展规划以及双方合作方向等展开深度交流。
联合国工发组织投资和技术促进办公室(中国·北京)主任武雅斌、天津市工业和信息化局副局长周胜昔、法国里昂商学院商业智能大健康中心执行主任瞿晓颖、世界智能大会组委会秘书处执行秘书长任丽伟与会。会议由数字产业创新研究中心秘书长、锦囊专家创始人李圆主持。
会上,周胜昔介绍了天津“制造业立市”的发展情况和第六届世界智能大会整体情况,向联合国工业发展组织驻华处代表主要负责领导发出参会邀请。同时,希望双方能在促进国际间交流、重要成果报告发布、深度参与世界智能大会相关活动等方面加强合作。
武雅斌就联合国工业发展组织的发展规划和工作重点进行了介绍。他表示联合国工业发展组织有意与世界智能大会通过产业招商、智慧城市建设、人才推荐等方式加深多元化合作。
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。