至顶网软件频道消息: 12月17日,在经历了48小时的极限挑战之后,首届“JDD-2017京东金融全球数据探索者大赛”算法组全球总决赛和商业组中国区决赛落下帷幕。算法组四大赛题冠军分别是啦啦队(登录行为识别)、小虎队(信贷需求预测)、百变猪猪侠(猪脸识别)、小麻猫(店铺销量预测),进击的巨猪、翔创科技和熵商科技分获商业组中国赛区冠、亚、季军。五支冠军团队均获得了创下国内AI赛事新纪录的30万元奖金。同时,获奖团队也赢得了加入京东金融的机会,可以让自己的数据和AI能力得到更好的发挥。
JDD大赛获奖选手与导师、评委合影
本届大赛在11月6日举行的JDD大会上启动报名,吸引到来自全球的4624支团队参与,其中算法组3783支队伍,商业组841支队伍,参赛选手总数近万人。12月15-17日,晋级决赛的36支团队在京东总部进行了48小时的封闭线下决赛,选手们争分夺秒、激情投入,在决赛中表现出了高超的水准。算法组四道赛题入围决赛选手,充分利用业内最前沿的机器学习和深度学习技术,预测结果达到行业领先水平,与此同时,获奖选手的思维开阔,其算法思路对于解决实际应用问题针对性极强。商业组选手不仅拥有优秀的技术能力,而且设计出相对成熟的上商业计划书,路演环节异彩纷呈。
谈起比赛的意义,京东金融副总裁、技术研发部总经理曹鹏表示:“大赛的意义在于连接数据和AI,实现比你更懂你的极致价值,从而让金融更简单,更平等。我们举办这场大赛,也是希望优秀的技术团队和公司能够被更多人看到,能够得到社会更多资源的支持,走的更远。在大赛中,我们以开放的心态把赛事模拟数据和场景连接起来并提供给大家,希望通过培养全球技术人才,实现各方的合作互生,探索人工智能的无限可能性,最终推动全球智能金融的发展。”
京东金融副总裁、技术研发部总经理曹鹏
猪脸识别赛题是本届大赛最受瞩目的赛题,极大丰富了AI场景商业化,在行业内引起极大反响。商业组冠军“进击的巨猪”、亚军“翔创科技”都是凭借在这道赛题上的出色表现斩获大奖。一位获奖选手表示,通过比赛学到非常多的东西,以前对技术的理解更多停留在理论层面,比赛让他认识到技术与实际数据和应用场景相结合的重大意义,并称赛题导师杨强教授给团队带来了很多灵感的激发。
事实上,正如这位选手所说,国际人工智能联合会主席、香港科技大学计算机科学及工程学系主任杨强教授、红杉资本中国基金专家合伙人车品觉、TalkingData创始人兼CEO崔晓波、微软亚洲研究院城市计算领域负责人郑宇等大咖组成的大赛导师团队,是本届大赛一道亮丽的风景。在决赛的48小时里,导师们为选手提供全程贴身辅导,帮助他们优化算法和商业策略,也使得大赛不仅仅是一场比赛,更像选手的一次“特训营”。
杨强教授指出,第一批人工智能发展是由技术驱动的,逐渐的大数据变成了人工智能成功的要素。再往后发展,场景会变得非常重要。京东金融JDD大赛把场景、数据和技术三者有机结合,通过跨界,在技术和商业中间找到共同区域,这是今后人工智能发展的重要方向。
本届大赛的评委由京东金融CEO陈生强领衔,云集了科技界、学术界、金融界、创投界的知名人士。评委们普遍认为,京东金融JDD大赛是国内最高水平的AI大赛,也是世界级的大数据与AI赛事。
大赛评委、电子科技大学互联网科学中心主任周涛指出:“我一直认为大数据时代有三个要素,第一是数据的外部化,就是一组数据能够流动起来,在很多地方被很多人用。第二是人工智能,第三数据不是成本,而是资源、资本、价值。这次大赛同时具备了这三大要素,是我们未来数据时代的一个代表性的事件。”
另一位评委、嘉御基金创始合伙人兼董事长卫哲则表示:“在中国,我认为精准营销和风险控制是目前金融领域和人工智能相结合,见效最快也最受欢迎的领域。只懂技术在未来社会很重要,但是不够,这次JDD大赛让我看到了技术和商业完美结合的团队和项目。”
在JDD大赛算法组全球总决赛和商业组中国赛区决赛完美收官之后,精彩的比赛并未停歇,商业组美国赛区的比赛仍在火热进行,决赛将于12月21日在硅谷举行。
好文章,需要你的鼓励
这项研究由德累斯顿工业大学等机构的研究团队完成,旨在解决主动学习未被广泛应用的问题。研究者构建了包含460万种超参数组合的实验网格,系统分析了各参数对主动学习性能的影响。研究发现,不同策略实现间存在显著差异,基于边缘的不确定性策略整体表现最佳,随机选择约4000个超参数组合即可获得可靠结果。这些发现为设计可重现、可信赖的主动学习实验提供了明确指导,有助于降低入门门槛,促进技术在实际应用中的普及。
这项由英国爱丁堡大学和上海人工智能实验室研究者共同完成的工作提出了LongBioBench,一种用于评估长文本语言模型的新型基准测试框架。通过使用人工生成的虚构人物传记作为测试环境,该框架在保持可控性的同时,提供了更真实的评估场景。研究对18个长文本模型的测试表明,即使最先进的模型在检索、推理和可信任性方面仍存在显著挑战,特别是上下文长度增加时。研究还揭示了现有合成基准测试的设计缺陷和长上下文预训练的局限性,为未来模型开发提供了重要指导。
SuperWriter是一项来自新加坡科技设计大学和清华大学的突破性研究,通过模仿人类"先思考后写作"的过程,彻底改良了AI长文生成能力。该研究团队开发的框架包含三个关键阶段:规划、写作和修改,使AI能像专业作家一样进行结构化思考。实验结果表明,经过训练的SuperWriter-LM模型不仅超越同等规模的所有AI模型,甚至在某些领域表现优于规模更大的顶级模型,为AI辅助写作开创了新的可能性。
香港大学与阿里巴巴达摩院合作开发的LayerFlow是一种突破性的层级视频生成技术,能同时生成透明前景、完整背景和混合场景视频。该技术通过创新的框架设计将不同视频层级作为子片段连接,并引入层级嵌入使模型区分各层级。面对高质量训练数据稀缺的挑战,研究团队设计了三阶段训练策略,结合Motion LoRA和Content LoRA,实现了图像和视频数据的联合训练。LayerFlow不仅支持多层视频生成,还能实现视频分解和条件层生成,为视频创作领域带来革命性变革。