随着新一轮科技革命和产业变革深入发展,数据作为关键生产要素的价值日益凸显。充分发挥数据要素的放大、叠加、倍增作用,不断突破跨界融合、智能泛在、开放共享的未来信息技术,加快构建以数据为关键要素的数字经济,已成为推动高质量发展的必然要求。有鉴于此,新一代信息技术产业研究院联合赛迪未来产业研究中心、中国电子学会区块链分会、至顶科技等机构,共同开展了“数据要素价值创新2023年度示范案例”的征集与推荐工作。
经公开征集和专家评议,围绕数据汇聚、数据处理、数据流通、数据应用、数据运营、数据安全共六个方向,按照能力水平、创新层次、协同程度、市场效益、示范作用的综合维度,推荐了180个案例,作为“数据要素价值创新2023年度优秀示范案例”。其中,再进一步推荐出50个成果实效更加突出、优势特征更为明显的案例,作为“数据要素价值创新2023年度标杆示范案例”,并编制形成本案例集。希望能够为前瞻谋划部署未来信息技术,充分激活数据要素潜能,全面赋能经济社会高质量发展,有力支撑强国建设,提供有益参考和借鉴。
好文章,需要你的鼓励
VisTA是一种新型强化学习框架,使视觉AI能够自主探索、选择和组合多种视觉工具。与传统方法不同,VisTA无需人工监督,通过反复尝试学习哪些工具最有效。研究团队在ChartQA、Geometry3K等测试中证明,VisTA显著优于训练免费基线,特别是在分布外样本上表现更佳。其核心创新在于使用群体相对策略优化算法,让AI代理能够根据实际性能而非预设规则来选择工具,为未来发展更灵活的视觉推理系统铺平了道路。
这项研究引入了DFIR-Metric,首个专门评估大语言模型在数字取证与事件响应领域能力的基准测试集。由阿布扎比技术创新研究院领导的国际团队开发的测试包含三个部分:700道理论多选题、150个CTF风格的实际挑战,以及500个基于NIST标准的磁盘与内存取证案例。研究测试了14种顶尖大语言模型,发现虽然它们在理论知识方面表现良好(最高达92.75%准确率),但在需要多步推理的实际取证任务中仍存显著差距(最佳模型仅能解决28%的任务)。
Meta研究团队发现大语言模型在复杂推理任务中,更短的"思考链"反而能带来更高的准确率。研究人员通过三个顶级语言模型的实验证明,选择最短思考链可以比随机选择提高18.8%准确率,比最长思考链提高34.5%准确率,同时显著减少计算资源消耗。基于此,他们提出了"short-m@k"方法,只从最先完成的m个思考中选择答案,既能提高模型表现又能节省高达40%的计算资源。这一发现颠覆了"思考越多越好"的传统观念,为更高效的AI推理开辟了新路径。