ZD至顶网软件频道消息: 近日,北京大学与微软宣布就未来战略合作达成共识,并将基于合作共识签署战略合作备忘录,旨在结合自身资源优势,进一步拓展与升级合作领域和范围,共同探索人才培养的新模式与新机制。未来双方的战略合作将包括共同开展人工智能、大数据等领域的合作研究,共建北京大学前沿计算科学中心,深化高层次信息科技人才培养和人才合作交流,共同发展、提升相关领域的竞争力和影响力等。
北京大学校长林建华教授、北京大学信息与工程科学部主任高文教授、北京大学信息科学技术学院副院长李文新教授、微软全球执行副总裁、微软人工智能及微软研究事业部负责人沈向洋博士、微软全球资深副总裁、微软亚太研发集团主席兼微软亚洲研究院院长洪小文博士以及美国康奈尔大学计算机科学系工程与应用数学讲席教授John E. Hopcroft博士等出席了当天的合作讨论会。
北京大学校长林建华教授表示,中国正在大力实施创新驱动发展战略,国内高校既要促进以信息技术为代表的各类新兴技术的发展、培养创新人才,同时还需要为国家战略服务、回馈社会。在当今全球化的大背景下,开放与合作是创建一流高等教育的基础。北京大学在创建世界一流大学的过程中,希望与微软这样的国际顶尖高科技企业建立长期、高端、深层的战略合作,共同探索与完善创新型教育体系,培养更多具有创新精神的高素质人才,并充分发挥学校重点学科及科研优势,为社会发展创造更大价值。
对于双方的合作前景,微软全球执行副总裁、微软人工智能及微软研究事业部负责人沈向洋博士充满信心,他认为:“在‘互联网+’的时代,中国各行各业都面临着数字化转型带来的巨大机遇与挑战,而创新技术与创新人才将成为推动这场变革的关键力量。秉承“根植中国,服务中国”的宗旨,微软一直致力于通过与中国高校和科研机构的深入合作,提升中国在计算机领域的整体科研水平和人才素质。与北京大学的合作,是优势校企资源的再度携手,双方将合力打造创新技术研发和人才培养基地,为创新驱动发展集聚创新动能。”
未来,双方的合作范围将覆盖学科建设、人才培养、课程创新及科研合作四个领域。
微软全球资深副总裁、微软亚太研发集团主席兼微软亚洲研究院院长洪小文博士表示:“北京大学是微软亚洲研究院在中国合作最悠久的高校之一。自1998年微软亚洲研究成立以来,双方就一直保持着紧密的交流,并开展了一系列卓有成效的合作。我们希望通过与北京大学的进一步深入合作,为推动中国计算机基础和应用研究的理论高度和应用价值,培养富有创新能力的新时代人才贡献自己的一份力量。”
截止目前,微软亚洲研究院与北京大学的合作取得了众多丰硕的成果:双方联合展开了70余个研究项目,内容涉及人工智能、大数据等多个研究领域,并依托微软Azure云计算资源支持基因测序、水文研究等自然学科的研究。双方在2005年共建的从事统计学和信息技术研究的联合实验室,于2008年被评为“北京大学统计与信息技术教育部-微软重点实验室”。该联合实验室承担了十余项国家及部委科研项目,并共同在国内外学术期刊和学术会议上发表了近百篇论文。“培养科研领域拔尖人才,支持国内基础研究”是微软与北京大学在人才培养合作的共同目标。微软亚洲研究院与北京大学信息科学技术学院、元培学院在优秀本科生的培养上都展开了丰富的合作。此外,先后有10名北京大学的青年教师到微软亚洲研究院进行了为期半年的访问研究,有20多位北京大学优秀博士生先后荣获微软学者荣誉称号,500多名北京大学的优秀学生到微软亚洲研究院访问学习,他们在微软亚洲研究院开放的学术环境和研究员的指导下,短时间内都取得了学术上的重大进步。而微软亚洲研究院也有超过40余位研究员参与到了和北京大学联合开设的多门创新技术课程中。双方还曾三次联合举办亚太地区具有重要影响力的学术交流活动——“二十一世纪的计算”学术大会。
信息与工程科学属于应用型学科,实践性强,所以培养适合社会发展需求的高端人才,必须走校企合作的道路。微软亚洲研究院与北京大学一直进行合作培养人才的探索与实践,通过分享在信息科技领域的经验和资源,共同构建符合高校发展、适应行业需求的人才培养方式,为国家和社会的进步不断贡献更多创新人才。
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。