2月26日消息,當(dāng)?shù)貢r間2月25日,AAAI 2025在美國賓夕法尼亞州費城舉辦。AAAI 2025 共有12957篇有效投稿,錄用3032篇,錄取率為 23.4%。其中,Oral論文占比4.6%。
AAAI 2025 收錄了多篇來自中國高校和互聯(lián)網(wǎng)企業(yè)的技術(shù)論文。如廈門大學(xué)信息學(xué)院有32篇論文入選,研究方向涉及多模態(tài)、目標(biāo)檢測、自動駕駛等領(lǐng)域。香港科技大學(xué)數(shù)據(jù)科學(xué)與分析學(xué)域有14篇論文入選,研究方向涉及大語言模型壓縮、微調(diào),監(jiān)督學(xué)習(xí),AI圖像處理等領(lǐng)域??焓钟?篇論文入選,研究方向涉及短視頻處理、視頻問答技術(shù)、推薦模型等。螞蟻集團(tuán)有18篇論文入選,其中3篇入選Oral論文,研究領(lǐng)域涉及增強(qiáng)大模型隱私保護(hù)、提高推理速度與推理能力、提升大模型訓(xùn)練效率、降低模型幻覺等。
這些論文中,聚焦大模型的技術(shù)優(yōu)化和技術(shù)突破尤為引人關(guān)注。大模型的快速及持續(xù)發(fā)展,離不開對模型所有權(quán)和數(shù)據(jù)隱私的保護(hù)。由螞蟻數(shù)科、浙江大學(xué)、利物浦大學(xué)和華東師范大學(xué)聯(lián)合完成的Oral論文《隱私-實用性可變的大模型跨域微調(diào)算法》提出了一種全新的跨域微調(diào)(offsite-tuning)框架ScaleOT。該框架可為模型隱私提供多種不同規(guī)模的有損壓縮的仿真器,還能促進(jìn)無損微調(diào)。實驗表明,與基于知識蒸餾的方法相比,ScaleOT在多種模型上取得了12.5%的全量微調(diào)達(dá)成率提升。相較于知識蒸餾方法,ScaleOT還節(jié)省了90%的算力需求,為百億級參數(shù)模型的輕量化跨域微調(diào)提供可行方案。目前,該算法已融入螞蟻數(shù)科旗下的摩斯大模型隱私保護(hù)產(chǎn)品中,并成為國內(nèi)首批通過信通院大模型可信執(zhí)行環(huán)境產(chǎn)品專項測試的產(chǎn)品之一。
據(jù)了解,近年來,全球AI頂級會議上的“中國隊”越來越活躍。中國科學(xué)技術(shù)信息研究所《中國科技論文統(tǒng)計報告 2024》顯示,中國熱點論文數(shù)世界第一(48.4%),高被引論文數(shù)世界第二(33.8%),以及計算機(jī)科學(xué)等 7 個學(xué)科論文被引次數(shù)世界第一。
“中國隊”中,互聯(lián)網(wǎng)企業(yè)和科技企業(yè)等“隊友”的表現(xiàn)引人注目。斯坦福 AIIndex2024 總結(jié)的十大趨勢顯示,當(dāng)下,工業(yè)界正在主導(dǎo)人工智能前沿研究。
中國的互聯(lián)網(wǎng)企業(yè)和科技公司,如今亦已成長為不容忽視的中國科研力量,期待由產(chǎn)學(xué)研聯(lián)手的“中國隊”,繼續(xù)在全球前沿科技舞臺上斬獲佳績。(周小白)
- 魏牌全新高山重慶挑戰(zhàn)“車位到車位”高階智駕?南山發(fā)卡彎絲滑通過
- IBM亞太區(qū)總經(jīng)理:AI的開源時刻可能是其未來的轉(zhuǎn)折點
- 李想:歡迎拿理想汽車在全國任何地方和特斯拉FSD一起對比,我有信心!
- DeepSeek代碼開源第三彈:DeepGEMM代碼庫,V3/R1的訓(xùn)練推理動力
- 特斯拉FSD入華“水土不服”?馬斯克:通過網(wǎng)絡(luò)視頻學(xué)習(xí)中國路況
- 美光宣布專為下一代 CPU 設(shè)計的1γ DRAM開始出貨
- 全球AI頂會AAAI 2025在美開幕 產(chǎn)學(xué)研聯(lián)手的“中國隊”表現(xiàn)亮眼
- 2025年港股首個現(xiàn)象級IPO來了
- 混合推理+最強(qiáng)編碼能力大模型Claude Sonnet 3.7上線Amazon Bedrock
- 世界第一,阿里云PolarDB云原生數(shù)據(jù)庫登頂TPC-C榜單
免責(zé)聲明:本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿,凡在本網(wǎng)站出現(xiàn)的信息,均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性,但不保證有關(guān)資料的準(zhǔn)確性及可靠性,讀者在使用前請進(jìn)一步核實,并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏,概不負(fù)任何法律責(zé)任。任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時,應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明,并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后,將會依法盡快聯(lián)系相關(guān)文章源頭核實,溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。