至顶网CIO与应用频道 07月20日 新闻消息:2018年7月17日-19日,由中国电子学会主办,机械工业出版社协办的全国高校“云计算导论”师资培训班于中国科技会堂成功举办。此次培训班由《云计算导论》编写组9位专家授课,来自全国高校近百位学员老师参加此次培训班。当天,中国科协常委、党组成书记处书记项昌乐会见了《云计算导论》主编、中国工程院院士李伯虎,并对《云计算导论》编写团队表示高度认可。
首届全国高校云计算导论师资培训班合影
中国电子学会副秘书长林润华主持开班仪式,中国科协学会学术部副部长苏小军,副部长刘彦兵出席了本次培训班。苏小军副部长发表开班致辞,他指出,当前,随着大数据、云计算、人工智能等为代表的新一代信息技术迅猛发展,数字经济成为发展最快、创新最活跃、辐射最广泛的重要领域,成为带动中国经济增长的重要引擎。
中国科协学会学术部副部长苏小军致辞
中国电子学会副秘书长林润华
中国已经成为全球领先的数字化大国,人工智能、大数据、物联网等领域新一代信息技术人才紧缺,成为制约数字经济持续增长的瓶颈。因此,加速培养新一代信息技术人才,充分释放人才红利,把人才作为支撑创新发展第一资源的作用充分发挥出来,已经成为实现国民经济高质量发展的核心和关键。
《云计算导论》主编、中国工程院院士李伯虎
面对数字经济快速发展的大趋势和国民经济转型升级的战略需求,中国科协率先组织中国科协智能制造学会联合体编纂新一代信息技术系列丛书(《云计算导论》是其中之一)。成立了由8位院士组成的丛书编制委员会,中国工程院院士李伯虎担任《云计算导论》主编,并邀请十余位两院院士、企业技术骨干和专家担任顾问,三十余位来自高校、科研院所和企业的一线专家组成编写组,目前已编制完毕,交付机械工业出版社出版。
主编中国工程院院士李伯虎,执行主编武汉市科协副主席,武汉大学计算机学院教授、副院长李兵,中国移动(苏州)软件技术有限公司副总裁孙少陵、中国科学院计算技术研究所研究员何清、北京理工大学软件学院副院长王树良、华中科技大学计算机学院院长冯丹、阿里云计算有限公司科研技术合作总监李静远、中国科学技术大学网络安全学院副院长俞能海、北京航空航天大学计算机学院院长吕卫锋等近十位专家及团队骨干报告《云计算导论》一书的核心知识点以及如何开展教学工作,并与各位学员进行深入研讨。
武汉大学计算机学院教授、副院长、武汉市科协副主席李兵
《云计算导论》主编、中国工程院院士李伯虎表示,云计算、大数据、人工智能为代表的信息技术需要同实体经济深度融合,推动科技强国发展方向,《云计算导论》一书正是让各领域理解学会将各领域技术与实体经济的深度融合。丛书主要面向非计算机专业读者,对云计算内涵、体系结构、关键技术、生态等方面做了全面深入的论述,形成数字化、网络化、云化、智能化的创新实体经济体系。
除了理论学习外,本次培训还安排了实地参观考察,通过参观航天科工集团云制造研发中心和复杂产品智能制造系统技术国家重点实验室,深入了解云制造技术研发和云制造产品(航天云网平台)建设与应用情况,加深对云计算在各领域落地应用情况的学习。
云计算导论师资培训参观合影
此次参与本次培训班的学员均是来自于全国各地各大高校的一线教师。在聆听专家的报告与分享之后,学员们结合在一线教学的经历与专家们进行了深入交流,探讨了如何高效有序推进高校中的云计算教学等工作。本次培训班获得领导和学员的一致好评,学员一致认为《云计算导论》课程是目前对云计算体系阐述最完整的图书,为云计算教学和实践提供了丰富的素材,对云计算基础教学与深入研究起到了积极作用,有力推动了新一代信息技术人才培养工作的开展。
通过为期三天的培训,培训班希望培养一批具有讲授新一代信息技术知识能力的师资队伍,同时,也希望通过此次师资培训,能够搭建一个全国高校教师与新一代信息技术领域专家、行业企业一线从业人员的学习交流平台,为培育新一代信息技术人才做好保障。
好文章,需要你的鼓励
ETH Zürich等机构研究人员提出TrustVLM框架,解决视觉-语言模型预测可信度问题。该方法利用模型中存在的"模态差距",创新性地结合图像到文本和图像到图像的相似度,实现无需重新训练即可大幅提升误分类检测性能。在17个数据集的严格测试中,TrustVLM相比现有方法在关键指标上提升显著,同时改善了零样本分类准确率。此成果为AI系统在自动驾驶、医疗等安全关键领域的可靠部署提供了重要保障。
这项研究提出了个性化安全概念,解决大语言模型对不同用户采用统一安全标准的问题。研究团队创建了PENGUIN基准测试集评估模型在处理高风险场景时的个性化安全能力,并开发了RAISE框架高效获取关键用户信息。实验表明,提供用户背景可使安全分数提高43.2%,而RAISE框架通过平均仅2.7次交互即可提高安全分数31.6%。这一创新方法将AI安全从"一刀切"转向"个性定制",为高风险领域的AI应用提供了新思路。
明尼苏达大学研究团队提出了一种创新方法,通过回合级信誉分配显著提升大语言模型(LLM)智能体的多回合推理能力。传统方法只对整个过程进行评价,而他们的MT-GRPO算法能够精确评估每个决策步骤的价值,就像为每一步提供具体反馈。在维基百科搜索工具使用场景中,该方法实现了100%的工具执行成功率和50%的答案精确匹配率,远超传统方法。这一突破不仅提高了AI在多步骤任务中的表现,也为开发更复杂的AI系统提供了重要思路。
这篇研究介绍了PISCES——一种能精确从大语言模型参数中移除特定概念知识的创新技术。与现有方法不同,PISCES通过解缠器模型识别概念相关特征,直接编辑模型参数,实现了更精准的知识移除。在Gemma和Llama模型上的测试表明,该方法不仅有效降低了目标概念的准确率(低至7.7%),还保持了模型在无关领域的高性能,并显著提高了对"重新学习"的抵抗力。这一突破为AI系统的安全部署和合规使用提供了新的可能性。