/
2021年第九期产融合作云培训 《关于加强产融合作推动工业绿色发展的指导意见》
0赞好文章，需要你的鼓励
推荐文章
专家精简大法：香港中文大学与华为诺亚方舟实验室联手助力大型混合专家模型在内存受限设备上高效运行
香港中文大学与华为诺亚方舟实验室合作开发了PreMoe框架，解决了大型混合专家模型(MoE)在内存受限设备上的部署难题。研究团队发现MoE模型中的专家表现出明显的任务专业化特征，据此提出了概率专家精简(PEP)和任务自适应专家检索(TAER)两大核心技术。实验证明，DeepSeek-R1 671B模型在精简50%专家后仍保持97.2%的MATH500准确率，内存需求降至688GB；而更激进的精简方案（减少87.5%专家）也能保持72.0%的准确率。该方法适用于多种MoE架构，为强大AI系统的广泛部署铺平了道路。
SCIENCEBOARD：评估科学工作流中的多模态自主智能体
SCIENCEBOARD是一项开创性研究，旨在评估多模态自主智能体在真实科学工作流中的表现。研究团队构建了一个包含169个高质量任务的基准测试，涵盖生物化学、天文学等六个科学领域，并开发了一个真实环境让智能体通过CLI或GUI接口与科学软件交互。实验评估表明，即使是最先进的模型在这些复杂科学任务上的成功率也仅为15%，远低于人类表现，揭示了当前技术的局限性并为未来科学智能体的发展提供了宝贵见解。
AlphaMed：突破医疗AI推理极限，来自帝国理工学院的创新研究无需蒸馏也能实现高性能医疗推理
帝国理工学院的研究团队开发了AlphaMed，这是首个仅通过极简规则强化学习就能培养医疗推理能力的AI模型，无需依赖传统的思维链示范数据。通过分析数据信息丰富度和难度分布的影响，研究发现高信息量的医疗问答数据是推理能力的关键驱动因素。AlphaMed在六个医疗问答基准上取得了领先成绩，甚至超越了更大的封闭源模型，同时展现出自发的步骤推理能力，为医疗AI发展提供了更加开放、高效的新路径。
Alita：极简设计打造无限创造力的通用AI助手
Alita是一种新型通用AI代理系统，采用极简设计理念，以"最小预定义，最大自我进化"为原则构建。由普林斯顿大学等多家机构研究团队开发的Alita，只配备一个核心能力和少量通用模块，能自主创建所需工具并重用为模型上下文协议(MCPs)。实验显示，Alita在GAIA基准测试上达到87.27%的通过率，超越包括OpenAI Deep Research在内的复杂系统，证明简约设计可带来卓越性能。
2022
04/19
17:30
分享
点赞
现在的AI已经有可能超越人类，INTUITOR系统让AI获得自我评估能力
百度2025 Q1财报深度解读：智能云表现强劲，萝卜快跑已拓展全球 李彦宏详解AI战略：AI-first战略使百度保持领先地位
重新思考数据中心架构，推进AI的规模化落地
DeepMind CEO哈萨比斯：AGI将在2030后到来，年轻人要更重视怎么学习而非学什么专业，梵高画作震撼人心是因为他的人生
大模型应该怎么用？我们大多数人都错了，微软最新研究：大模型对话次数越多，性能越差
英伟达发布Q1财报，黄仁勋：有没有美国芯片，中国AI都会高速发展
五大机器人团队谈：人形机器人的卡点和破局之道
从 0.1% 到无穷大：不断扩大的 GPT 模型如何在未知化学宇宙中变革药物发现的未来
Mistral AI 推出代理框架以争夺企业市场
对抗性 AI：金融网络安全的新前沿
Sardina 向 SUSE Enterprise Storage 用户抛出诱饵
Nvidia 超预期Q1业绩，营收同比增长 69%
京公网安备 11010802021500号 京网文(2025) 0096-033号 京字第20868号
