至顶网软件频道消息: 1月13日,JDD-2018京东数字科技全球探索者大赛全球总决赛落下帷幕。在经过24小时极限挑战和2小时商业路演的精彩较量后,来自以色列赛区的团队“Cheese&Chips”最终夺得“人口动态普查与预测”赛题的全球总冠军,来自中国内地赛区的团队“wh”最终夺得“自动驾驶地图优化与传感器融合”赛题的全球总冠军。
作为本届JDD大赛的赛题导师,京东集团副总裁、京东数字科技首席数据科学家郑宇表示,挖掘产业的实际问题和需求,并通过前沿技术和商业应用案例相结合去解决问题和化解痛点,正是JDD大赛举办的愿景和初衷所在。能够举办这样一场世界级的技术大赛,也是京东数字科技对于自身数字科技能力的自信以及对于产业数字化升级的深刻理解。
JDD大赛总决赛选手与导师、评委合影
据了解,为了帮助参赛选手实现技术能力与商业应用的深度结合,更好地提升他们理论与实战经验,JDD大赛邀请到了京东集团副总裁、X事业部总裁肖军和京东集团副总裁、京东数字科技首席数据科学家郑宇,分别担任“自动驾驶地图优化与传感器融合”与“人口动态普查与预测”两大赛题的赛题导师。
京东集团副总裁、京东数字科技首席数据科学家郑宇致辞
与此同时,本届JDD大赛的评委阵容也堪称豪华,包括清华大学计算机科学与技术系副教授唐杰、IDG资本合伙人牛奎光、创世伙伴资本创始主管合伙人周炜,驭势科技创始人兼CEO吴甘沙、联通大数据有限公司总经理赵越、TalkingData创始人兼首席执行官崔晓波等大咖。他们不仅认真听取了8支总决赛团队的路演内容,还结合自身丰富的行业经验给予了每支团队精彩点评和商业指导,使参赛选手们受益匪浅。
京东集团副总裁、X事业部总裁肖军现场点评
实际上,自去年11月20日在JDD-2018京东数字科技全球探索者大会上启动报名以后,在不到一个月的报名时间里,共有2100余支队伍、3000多名选手报名参加。与首届JDD大赛不同的是,本届JDD大赛设置了中国内地、中国香港、美国和以色列四大赛区,吸引了包括中国、美国、西班牙、以色列、俄罗斯、英国、加拿大、法国等国家和地区的选手参加,其中不乏顶尖互联网公司和研究机构的技术人员和行业人士,以及来自全世界知名院校的在校研究生和博士生等。可以说,本届JDD大赛汇聚了全世界顶尖的开发者和新生代的技术精英。
1月12日-13日,经过近两个月的赛区选拔赛和赛区决赛激烈较量,四个赛区两大赛题的8支冠军团队齐聚中国北京的京东集团总部,在导师指导下进行了为期24小时的线下极限挑战和2小时现场路演展示,争夺两大赛题的全球总冠军。最终,“Cheese&Chips”和“wh”两支团队夺得两大赛题的全球总冠军,并分别获得了50万元的奖金,受邀加入京东数字科技。其余6支进入总决赛的团队,也分别获得20万元的JDD大赛奖金,以及一年内有效的京东数科技术岗直通终面资格。
JDD大赛全球总决赛24小时线下极限挑战现场
在赛题设置方面,JDD-2018京东数字科技全球探索者大赛延续了首届JDD大赛的逻辑,即是围绕实际应用场景中的真实行业痛点去设计赛题。其中,“人口动态普查与预测”赛题便是京东数科了解到政府历年全国性人口普查的大工程量、高人工成本等现状,希望尝试利用大数据和人工智能等技术估算城市人口,从而节省时间和人力等成本,甚至未来可能实现实时动态人口预测。
“自动驾驶地图优化与传感器融合”赛题则是京东物流无人配送车目前正在不断优化的技术落地之一,赛题要求参赛者利用比赛数据集输出无人配送车全程的实时性的精确定位及定向数据,这对于无人车自动驾驶领域的实际应用价值非常高。来自香港理工大学的“Caler”团队是由一位在读博士生和一位硕士生组成,他们目前研究的正是无人车感知与定位等相关课题。在采访中他们还是表示,JDD大赛不仅给了在校生一个展示能力和增强实际操作经验的机会,在行业顶级导师的亲自指导和各领域专业评委的点评下,也能让他们在学术理论和技术应用等方面有一个质的飞跃。
JDD大赛全球总决赛商业路演环节
作为JDD大赛的评委之一,清华大学计算机科学与技术系副教授唐杰表示,“自动驾驶”和“智能城市”都是目前的“风口”领域,也是京东集团和京东数字科技在做的两个重要板块。本届JDD大赛选择以这两个领域在实际应用中的需求和难点作为命题,可以看出赛题本身的目的性和实际价值非常强,这不仅仅是技术层面的比拼,更像是在共同为产业制定一套系统性的解决方案。
JDD-2018京东数字科技全球探索者大赛从启动到落幕,共耗时近两个月时间。对于本届JDD大赛,京东集团副总裁、京东数字科技首席数据科学家郑宇表示,在全球产业数字化转型浪潮下,我们更愿意做产业升级的“共建者”。京东数科希望通过JDD大赛这个桥梁,挖掘越来越多对企业数字化转型、对城市数字化转型、对产业数字化能够做出贡献的技术人才,将数字科技和产业的“行业Know-how”形成深度结合,探索数字科技的无限可能性,实现各方的共生共建,最终推动全球数字科技的发展。
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。