至顶网CIO与应用频道 05月05日 北京消息: 当前,大数据已经成为工业智能升级的关键技术要素。不管是早两年的《中国制造2025》、《促进大数据发展行动纲要》,还是今年发布的《大数据产业发展规划(2016-2020年)》,都明确提出要发展工业大数据,促进大数据在企业中落地应用。尤其是《大数据产业发展规划(2016-2020年)》,更是将深化工业大数据创新应用独立于其他行业作为一个单独的战略任务,再次凸显对于发展工业大数据的重视。
但相比国家战略的明确导向,工业大数据发展现状基本还处于混沌期,仅在有限的点上应用,产业发展逻辑、技术演进路线等均处于探索阶段。要破解这一瓶颈,需要传统产业升级和新兴产业培育两手共抓,需要工业大数据“产学研用”各个主体,真正发挥协同效应。结合浙江的产业基础、人才储备等现实优势,浙江正在谋划建设定位于企业法人实体的工业大数据创新中心。
在今日举行的2017中国工业大数据大会·钱塘峰会上,工信部信软司副司长李冠宇、浙江省经信委副主任吴君青、杭州市经信委主任洪庆华、萧山经济技术开发区管委会主任叶建宏、浙江恒逸集团有限公司董事长邱建林共同启动浙江工业大数据创新中心筹建工作。清华大学工业大数据研究中心主任王建民、萧山区人民政府副区长魏大庆、昆仑智汇数据科技有限公司CEO陆薇、中国电信浙江分公司副总经理陈华、杭州钱塘大数据交易中心有限公司CEO吕绍娟、美林数据技术(杭州)有限公司董事长程宏亮、西子联合控股有限公司副总裁王克飞、恒逸石化股份有限公司总裁楼翔共同签署浙江工业大数据创新中心筹建合约。
浙江工业大数据创新中心积极响应国家战略要求,以整合资源、创新模式、发挥实效为己任,构建业务导向、价值驱动的工业大数据发展路径,以解决企业当前问题为源头,逐步深入到制造业领域各个环节,为企业和产业提供系统化的解决方案。创新中心的重点是建设工业大数据公共服务云平台、建设钱塘工业大数据中央厨房、打造国家级工业大数据产业集聚基地、开展浙江工业大数据“十百千工程”。
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。