回顾2023,最令人印象深刻的无疑是“AIGC”的崛起。从百模大战,到数字经济基础设施算力需求的激增,各行各业都因AIGC掀起了新一轮的数字化变革。
预见2024,AIGC将进入实际应用的“最后一公里”,企业成功识别和找到适合自己的大模型应用场景将成为驱动创新、保持竞争力的决定性因素。
在这个技术趋势不断变化的当下,2023年凌云奖再次启程,聚焦创新产品与技术奖、方案与案例奖、最具影响力奖、产业生态奖,以及特别奖五个关键维度,深入挖掘数字化转型中的百余个微观场景与解决方案,遴选捕捉引领产业变革的创新之光。
创新产品与技术奖
以技术能力、创新性、应用价值作为标准,对解决用户痛点及应用中带来效益和变革的创新产品与技术进行评估。
方案与案例奖
以场景针对性和适应性、技术融合能力、可复制性作为标准,考察应用中方案与案例对于推动先进技术落地的能力。
产业影响力奖
以影响力、行业贡献、引领作用作为标准,评审出在数字化时代推动行业发展,对行业产生深远影响的人物、技术、组织。
产业生态奖
以生态建设成果、产业发展动力、可持续性指标作为标准,评审出对产业生态发展注入持久动力和活力的模范代表。
年度特别奖
以独特贡献、突破性进展、社会效应作为标准,评审出为数字化进程带来突破性进展,塑造新发展趋势的创新技术。
今年凌云奖还特别邀请30+专家评委、1000+大众评审,分别从专业高度视角,选型价值视角为凌云奖贡献智慧。目前2023年度凌云奖已开启征集,具体评奖结果将在12月底正式公布。
和我们一起出发,让闪亮的技术更闪耀!
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。