至顶网软件频道消息:9月27日,在京东城市(南京)科技有限公司、京东智能城市南京研究院启动仪式上,京东集团副总裁、京东城市计算事业部总经理、京东智能城市研究院院长郑宇教授向来自南京大学、南京航空航天大学、东南大学的多位学者颁发了京东智能城市南京研究院学术委员会委员聘书。这是京东城市成立不到8个月以来,在推动产学研一体化领域,又一件值得记录的大事。
京东智能城市南京研究院学术委员会正式成立
作为京东城市在全国布局的首个区域总部和研发中心,京东城市(南京)科技有限公司将利用先进的大数据和人工智能技术,服务于南京智能城市和智慧社会建设,而京东智能城市南京研究院则是京东智能城市研究院的地方分院之一,将与南京当地高校和相关科研院所紧密合作,联手攻关城市计算领域前沿问题,推进城市计算产、学、研、管、用一体化进程。
在郑宇教授看来,一家真正做好智能城市、服务智慧社会建设的科技公司,一方面要有顶天的技术能够带动产品和业务的发展,另一方面要通过产业落地,获得源源不断的数据、推动核心技术持续领先和在应用上的战斗力。事实上,京东城市一直在做着“顶天”又 “立地”的事情。
“顶天”的技术
今年7月,京东城市一篇“基于大数据的管网水质预测”的论文收录在人工智能领域国际顶级学术会议IJCAI2018上,这篇论文使用深度学习技术,成功预测了中国东南某城市自来水管网的水质, 且精准度超过现有的物理化学方法,对提高管网水质和保证居民健康有一定的参考意义。
该篇论文取得的学术成果,正是京东城市与清华大学深度合作的延续和升级。为了联合高校
共同攻关城市计算技术难题,郑宇教授会受邀为清华大学环境学院、清华交叉信息和软件学院定期授课,解读当下最新的科研成果、趋势和方法,还会为学生提供到京东城市实习的机会,让他们有机会接触行业最前沿的课题,为国家培养优秀AI人才贡献力量。
之所以如此看重人才的养成,是因为郑宇教授对行业有着深入的洞察,他说,大数据是从端到端的,从数据获得、管理,到分析再到到可视化,需要很强的知识,需要真正数据科学家推动。真正的数据科学家,他需要知道这个信息跟什么因素相关,理解各种各样的数据以及不同数据反映什么含义,把数据跟问题对接;他需要知道,各种各样的模型,包括数据管理模型、数据挖掘模型,以及可视化的模型;他更需要站在一个平台上看问题,提取知识,拿到数据放到自己的模型里面有机结合,最后做到端到端的结合。
“中国人工智能产业发展缺少具备以上能力的人才”,郑宇坦言。作为“城市计算”理念的提出者和先驱,郑宇教授已经发表高质量国际论文百余篇,其中多篇论文成为城市计算领域奠基性的论文。2013年,他因在城市计算领域的贡献被《MIT科技评论》评为全球杰出青年创新者(TR35)。目前,郑宇教授领导的京东城市已经与清华大学、南京大学、上海交通大学、中央财经大学、西南交通大学等近30所知名高校开展深入的合作,攻关了一系列城市痛点和社会难题。
与此同时,京东城市还通过组织承办学术会议,帮助学术与产业资源对接。7月21日,由ACM数据挖掘中国分会(简称KDD China)主办、西南交通大学和京东金融联合承办的2018 KDD Summer School暨KDD18 Pre-Conference举行,该活动是全球数据挖掘研究领域顶级峰会KDD在中国区论文的宣讲,并邀请了香港科技大学计算机系讲座教授杨强等知名学者深入讲解数据挖掘和人工智能的前沿应用。“承办这个活动的初衷是希望学生能够不用远赴KDD大会现场,就能提前学习到国际前沿科技成果”,郑宇表示。
紧接着,在英国伦敦召开的KDD2018上,京东城市发表了4篇专业论文,而且在KDD2018国际城市计算论坛、中国数据科学论坛两个重量级论坛中起到了重要组织作用,郑宇教授还作为KDD2018大会的赞助商主席为大会募集到了创纪录的120万美元总赞助,为大会作出独特贡献。
京东集团副总裁郑宇教授
“立地”的应用
当下,新一代人工智能正在全球范围内蓬勃兴起,为经济社会发展注入了新动能,正在深刻改变人们的生产生活方式。作为科技公司,将前沿技术应用在具体场景,将“顶天”的技术“立地”应用,是推动人工智能与实体经济快速融合的关键。
凭借京东城市计算平台提供的大数据和AI能力,截至目前,京东城市已经在为国家发改委城市和小城镇改革发展中心、环保部、水利部、交通部等多个部委,北京、上海、广州、深圳、南京、福州、雄安等30多座城市提供技术服务,同时跟国家能源集团、中国联通、北控集团等多个大型国有企业开展了深入合作。
“与城市深入合作,可以让我们更了解智能城市建设的痛点和难题,让大数据和人工智能与产业对接、融合”,郑宇教授这样评价这半年期间,与多个城市的合作落地。今年6月,京东城市与福州市合作,推出了爆款产品“智能城市信用平台”,该平台为政府、企业提供信用档案、信用诊断、信用风险预警等服务。以城市信用地图产品为例,京东城市会基于5组数据、20多个维度的特征来计算信用的权重, 且这5组数据的权重均是通过人工智能自动算出,而不是人为决定。在此基础上,城市信用地图可以对企业做风险的预判,提前找到存在信用风险的企业信息,并具备高效的准确率。如果发现一些企业在一个区域里成片地出现问题,而不是个别问题,就可以倒推反思,是不是管理方式和策略有问题,通过挖掘信用背后的原因,为管理部门提供参考。
9月7日,京东城市与长沙市人民政府就建设智能城市项目举行签约仪式,20天之后,京东城市(南京)科技有限公司、京东智能城市南京研究院在南京经开区新港高新园启动。借力京东集团在电商、物流、金融等方面多年的大数据积累,京东城市将利用先进的大数据和人工智能技术,服务长沙、南京等智能城市和智慧社会建设,还将致力于为城市提供涵盖城市环境、交通、规划、能耗、商业、安全、医疗、信用城市和电子政务等领域的智能解决方案。
在郑宇教授看来,京东城市提出的“智能城市”是智慧城市发展的高级阶段,与其他企业不同的是,京东城市是依托城市计算这一多学科交叉的新兴领域,利用大数据和人工智能(AI)技术,将城市中无处不在的感知系统与先进的数据管理方法、多元的时空大数据分析模型相结合,洞察城市的过去、掌控城市的现在并预测和优化城市的未来,最终提供点、线、面结合的顶层设计加上跨领域的城市应用。“未来,我们能做的事情还有很多,因为我们希望成为中国智能城市产学研一体化的典范”,郑宇教授最后谈到。
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。