在刚刚落幕的CAAI-MindSpore学术奖励基金项目二期结项答辩中,近百个开发者团队基于昇思MindSpore进行创新项目开发,完成400余篇国际国内高水平会议和期刊的学术论文发表。
完整项目成果展示:https://www.mindspore.cn/news/newschildren?id=2232
核心竞争力,成就AI创新首选框架
事实上,在机器学习、机器学习交叉学科、计算机视觉、自然语言处理、强化学习、数据挖掘等领域,昇思MindSpore已累计支持高校、科研院所发表顶会、顶刊论文600余篇。
昇思MindSpore之所以能成为受开发者喜爱的首选框架,源于其强大的核心技术竞争力:
昇思MindSpore基于编译技术,提供了如IR融合、代数化简、常数折叠、公共子表达式消除等丰富的硬件无关优化;
昇思MindSpore针对NPU、GPU等不同硬件,提供各种硬件优化能力,能够更好的发挥硬件的大规模计算加速能力;
昇思MindSpore除了提供传统AI框架常用优化,还提供了自动并行、图算融合、算子二进制生成、硬件加速、算法优化、Boost优化、二阶优化等一系列特色技术。
全场景设计,打造极致开发体验
昇思MindSpore是面向“端-边-云”全场景设计的AI框架,旨在弥合AI算法研究与生产部署之间的鸿沟。在算法研究阶段,为开发者提供动静统一的编程体验以提升算法的开发效率;在生产阶段,自动并行可以极大加快分布式训练的开发和调试效率,同时充分挖掘异构硬件的算力;在部署阶段,基于“端-边-云”统一架构,应对企业级部署和安全可信方面的挑战。
同时,为了方便开发者更快地上手使用,昇思MindSpore框架上层还提供了丰富的扩展库和套件,包含行业生态开发套件、大模型使能套件、科学智能套件等扩展库和套件,如:
昇思MindSpore始终将学术生态的构建作为激发技术创新活力之源。未来将持续联合学会、高校等力量,为开发者提供原生创新的AI新技术,构建简捷易用的AI开发新体验,打造成长和获益的新机会,以产业汇聚人才,以人才引领产业,助力人工智能产业稳健发展。
MindSpore入门教程:https://www.mindspore.cn/tutorials/zh-CN/r2.0.0-alpha/index.html
MindSpore相关技术干货:https://www.mindspore.cn/news/technologyBlog
MindSpore开发者交流论坛:https://www.hiascend.com/forum/forum-0106101385921175002-1.html
好文章,需要你的鼓励
多伦多大学研究团队提出Squeeze3D压缩框架,巧妙利用3D生成模型的隐含压缩能力,通过训练映射网络桥接编码器与生成器的潜在空间,实现了极致的3D数据压缩。该技术对纹理网格、点云和辐射场分别达到2187倍、55倍和619倍的压缩比,同时保持高视觉质量,且无需针对特定对象训练网络,为3D内容传输和存储提供了革命性解决方案。
浙江大学与腾讯联合研究团队提出MoA异构适配器混合方法,通过整合不同类型的参数高效微调技术,解决了传统同质化专家混合方法中的表征坍塌和负载不均衡问题。该方法在数学和常识推理任务上显著优于现有方法,同时大幅降低训练参数和计算成本,为大模型高效微调提供了新的技术路径。
耶鲁、哥大等四校联合研发的RKEFino1模型,通过在Fino1基础上注入XBRL、CDM、MOF三大监管框架知识,显著提升了AI在数字监管报告任务中的表现。该模型在知识问答准确率提升超过一倍,数学推理能力从56.87%提升至70.69%,并在新颖的数值实体识别任务中展现良好潜力,为金融AI合规应用开辟新路径。
加州大学圣巴巴拉分校研究团队开发出能够自我进化的AI智能体,通过《卡坦岛拓荒者》桌游测试,这些AI能在游戏过程中自主修改策略和代码。实验显示,具备自我进化能力的AI显著超越静态版本,其中Claude 3.7模型性能提升达95%。研究验证了AI从被动工具向主动伙伴转变的可能性,为复杂决策场景中的AI应用开辟新路径。