至顶网软件与服务频道消息: 11月6日,“2019数据智能创新应用大赛”拉开帷幕,正式发布赛题。本次大赛是由北京市科学技术委员会人才交流中心和北京百分点信息科技有限公司联合举办的智能对话顶尖赛事。
大赛以“创新应用 · 数据赋能”为主题,致力于为全国高校、企业、团队和个人搭建一个公平开放的数据智能创新应用竞技平台。目标是探索用数据智能来解决现实世界问题的可行性,挖掘并培养掌握新一代信息技术的数字人才,加强数字人才体系建设,构建数字产业生态,推动数字经济发展。
大赛亮点1:行业竞赛与人才培养深度融合
数据和人才是新时代数字经济发展的重要生产要素。围绕数字人才培养,联合大数据和人工智能头部企业、高等院校、科研机构,以及学堂在线、来Offer、猎聘网等数字人才学习和服务平台,组织大数据、人工智能等领域知名专家与高校名师资源,搭建国内顶尖的数据智能创新竞赛平台和数字人才培训服务平台,提升在大数据分析、数据建模、算法优化、软件编程等领域的数字技能应用和跨界交叉融合能力。
大赛亮点2:权威专家与数字精英紧密互动
大赛设置了高规格的专家评审委员会,邀请来自清华、中科大、复旦等高校学科带头人,中国科学院、中国电子科学研究院等业界专家,以及企业技术负责人担任赛事评委,对参赛选手任务结果进行评选。此次大赛通过竞赛评选、人才培养和应用实践的创新模式,可以为企业和社会发掘数字人才,加强数字人才的培养,为新一代信息技术培养数字精英,服务实体产业升级,推动数字经济快速发展。
大赛亮点3:创新应用与产业实践有机协同
为了加强数字人才培训和实践,大赛通过与北京城市大数据研究院、北京金隅智造工场等数字技术创新与服务平台合作,打造数字人才实践基地,鼓励参赛选手将富有创新性的研究成果转化为应用实践,融通“教育链-人才链-创新链-产业链”, 打造北京数字经济产业生态系统,建设北京数字经济人才高地,推动北京全国科技创新中心建设。
赛题发布 公开业内首批法律问答类数据集
智能问答在各个领域的应用正在获得越来越广泛的关注,尤其对于政务、法律等专业领域而言,智能问答系统的准确度及稳健性尤为重要。
在法律领域,AI律师助手的出现可以有效缓解目前存在的国内法律专业人才稀缺的问题。然而在现实生活中,人们语言表达方式多样,在对话中出现一些错别字或一些无意义的干扰词,就会使机器难以“听懂”一句话的真实意图。目前在智能对话研究领域内,对抗攻击研究是AI领域内的一个新兴研究方向,旨在提高智能问答系统的准确度及稳健性。所谓对抗攻击(Adversarial Attack),就是针对现实中复杂多变的对话情况,来考验模型的稳健性,能否准确地判别用户的输入是否为系统内置给定问题的语义等价问法。
为此,本次赛题定为“基于Adversarial Attack的问题等价性判别”,源自百分点在实践中的真实应用场景,并公开发布业内首批法律问答类数据集。要求参赛团体和个人通过研究智能对话的鲁棒性问题进行算法创新,创造出更多新的智能解决方案,解决法律知识问答当中存在的系统不稳健问题,提高对话系统的“思考能力”和“解决问题”的能力,实现从“听见”到“听懂”, 最终提高AI律师助手的用户体验度。
让机器从“听见”到“听懂”的距离,也许只差一个舞台。本次大赛,是汇集人工智能领域顶尖专家交流技术成果的平台,是科研才俊展现技术实力与创造力的竞技场,是心怀科技理想的青年工程师们展示卓越才华的最佳舞台。希望参赛者以更广阔的视角发挥出最大的创造力,来场硬核的“智斗”。登录官网,了解更多大赛详情:http://2019diac.percent.cn/
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。