ZDNet至顶网软件频道消息:据科技部网站消息,以实现人、车、路协同控制为目标的未来智能车路协同技术是当今国际智能交通领域的前沿和研究热点,受到学术界和产业界的广泛关注,主题为“未来智能车路协同技术”的西苑沙龙在北京西苑饭店举行。
会议认为,把人、 车、路协同起来,形成新型的智能交通体系框架,需要加强国家层面的顶层设计,通过整体规划来整合资源,以“政产学研用”协同创新的发展模式,积极推进车路协同的标准和体系化建设。同时,要从国家战略层面部署相关计划或项目,整体推进人车路协同等核心关键技术及系统设备的研发,形成符合中国特点的车路协同核心技术和产业布局。
来自863计划现代交通技术领域主题专家、交通运输部门行业专家以及美日等著名大学和研究机构的12位专家学者应邀参加了会议,科技部高技术中心相关同志也参加了本次会议。高技术中心袁建湘副主任和清华大学张毅教授分别主持了本届学术研讨会。
会上,清华大学张毅教授做了题为“未来智能车路协同技术发展趋势”的主题报告,交通运输部公路科学研究院王笑京总工程师,美国威斯康星大学麦迪逊分校教授、国家级专家冉斌教授,以及重庆长安汽车公司工程研究总院、国家级专家黎予生总工程师分别就Cooperative-ITS国际发 展趋势、美国车路协同和车联网技术展望以及智能车辆关键技术发展趋势等做了专题报告。与会专家分别从车路协同技术概念、应用前景、发展趋势、面临挑战及发 展对策等方面展开热烈的讨论和思想交锋。
好文章,需要你的鼓励
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。