首页 > 业界 > 关键词  > 大模型技术最新资讯  > 正文

创新交锋,决战AI之巅 2024百度商业AI技术创新大赛圆满收官

2024-08-29 20:19 · 稿源:站长之家资讯动态

随着大模型技术的持续进化,AI创新应用,也步入了发展快车道,加速拓展到各行各业。百度第二季度财报电话会披露,文心大模型日均调用量,已经超过6亿次,近半年来增长超10倍,数字背后,代表了真实的市场需求。百度商业也在持续探索,大模型在商业领域的应用。去年以来,百度商业推出了“智能体商业”,并持续打磨一系列AI商业应用,将AI技术落地到商业场景,让每个商家,都有机会享受AI带来的红利。

与此同时,由中国人工智能学会主办、百度商业联合主办,NVIDIA作为技术合作伙伴的2024百度商业AI技术创新大赛再度开启,汇聚青年才俊,共探AI商业应用新高地。8月28日,2024百度商业 AI 技术创新大赛在北京圆满收官。中国人工智能学会副理事长孙富春,NVIDIA全球副总裁刘念宁,百度集团副总裁、移动生态商业体系负责人王凤阳,NVIDIA开发与技术部门亚太区总监李曦鹏,百度商业研发总监刘林,百度商业研发首席架构师李双龙等众多人工智能领域专家出席了颁奖典礼,共同见证了大赛成果的诞生。

创新成果丰硕,共绘AI未来蓝图

这届大赛吸引了来自海内外的3000多支队伍参与,参赛队伍的数量,和去年相比增加了30%。在「基于大模型的广告检索」、「广告图片描述生成」、以及「行业智能体搭建」三大赛道上,经过三个月的激烈角逐,最终18支队伍脱颖而出,进入决赛。同时,随着大赛的圆满落幕,2024百度商业AI技术创新大赛的获奖名单终于揭晓。

来自电子科技大学的「霸气的王」战队,获得了「赛道一:基于大模型的广告检索」的一等奖;由社会人士及华中科技大学学子联合组队的「gtx690全量微调」战队,获得了「赛道二:广告图片描述生成」的一等奖;由中山大学、暨南大学、北京理工大学学子共同组队的「重生之一觉醒来我成了Agent?」战队,获得了「赛道三:行业智能体搭建」的一等奖。三大赛道的一等奖得主凭借卓越的技术实力和深刻的商业洞察脱颖而出,赢得了大赛评委的广泛赞誉!

中国人工智能学会副理事长孙富春,对大赛的成功举办表示高度肯定,并强调了当前我们正处在一个由人工智能引领的科技与产业革命的关键时期,未来的科技发展中,人机协同进化将成为一个重要趋势,大模型将在许多领域取代或辅助人类完成复杂任务。他鼓励青年才俊们珍惜这次科技革命带来的机遇,勇于创新,积极探索AI技术的无限可能。

目前,百度已经为全社会,培养了超过500万名AI人才。百度商业,也希望通过本次大赛,为商业领域的AI人才培养,做出贡献。百度集团副总裁、移动生态商业体系负责人王凤阳表示:“人是科技创新最关键的因素。人才的厚度,决定着应用探索的高度。这次大赛,我们新增了智能体的赛道,让很多没有技术背景的选手,也能充分发挥创造力,做出许多「比较优秀能干」的应用,也让百度商业更加坚定,向着「智能体人人可用」的方向持续前行。同时,大赛聚焦实践中的「真问题」,设置了更贴合商业场景的赛题,让技术的比拼更加立足实际,让应用的创新能够落到实处。生成式AI时代,在应用创新的道路上,每个人都可以成为主角。百度商业期盼与AI人才并肩前行,共赴星辰大海,谱写全新篇章,探索生成式AI,在商业前沿应用的更多可能。”

NVIDIA开发与技术部门亚太区总监李曦鹏,对本次大赛的赛题设计以及参赛选手的专业能力和创新精神给予了高度评价和认可。他特别提到,AI技术的发展需要全社会各专业人才的参与,鼓励非计算机专业的同学也加入到AI技术的探索中来。百度商业研发总监刘林全面回顾并总结了本次大赛的创新成果与亮点,并鼓励参赛选手们将大赛的经验和成果带回校园和实验室,广泛传播,并期待更多青年才俊参与到未来的百度商业AI技术创新大赛中,共同推动AI产业的发展。

多元化创新力量,持续推动行业创新

除了三大赛道的激烈角逐与卓越成果外,本次大赛还特别设置了女性奖与青少年奖,以表彰在AI领域展现卓越才华的女性与青少年参赛者,彰显了大赛对多元化创新力量的高度认可与鼓励。

  • 女性奖:巾帼不让须眉,智慧光芒闪耀

本次大赛有十位女性参赛者入围决赛,这些获奖的女性选手们,以她们独特的视角、敏锐的洞察力和不懈的努力,在AI技术的海洋中乘风破浪,展现了女性在科技创新领域的非凡魅力与实力。作为业界杰出女性代表,NVIDIA全球副总裁刘念宁表示:“AI赛道真的是有无限可能,特别是百度在AI商业应用中的探索,如智能体和AIGC创意生产平台擎舵的推出,这些不仅降低了AI应用的门槛,还推动了更多女性开发者的参与。女性也是半边天,希望给予更多优秀女性工程师更多展示的机会,共同推动AI技术的繁荣发展。”此次大赛NVIDIA也特别设置了“NVIDIA Grace Hopper Special Award”奖项,为女性代表在AI领域的突出贡献予以嘉奖。希望以她们的智慧和勇气,不断突破自我,为AI技术的发展贡献不可或缺的力量。

  • 青少年奖:少年可期,未来已来

令人惊喜的是,大赛的影响力越来越大,在今年的赛场上,出现了“10后”的身影。有位来自香港特别行政区的小选手年仅14岁,参加了「行业智能体搭建」赛道,并获得了优秀的成绩。这位小选手的参与,也让与会各方,看到了孩子天马行空的想象力,与蕴藏无限可能的生成式AI,产生出的奇妙化学反应。他凭借卓越的技术实力和非凡的创新思维,在众多参赛者中脱颖而出,荣获“Nova AI Innovator”奖项,成为了本次大赛中最年轻的获奖者。这位少年的成就不仅为他个人赢得了荣誉,也为整个青少年科技创新群体树立了榜样。

百度集团副总裁、移动生态商业体系负责人王凤阳为获奖选手颁奖,并表示:“青少年的创意与激情,智能体的有效与强大,二者相辅相成,共同为AI创新应用注入活力。百度商业,希望为大家提供展示才华的舞台,让每一位热爱探索、追求创新的少年,都能敢于有梦、勇于追梦、勤于圆梦。”

百度商业研发总监刘林在总结致辞中表示,本次大赛不仅是一场技术的盛宴,更是一次人才和创新的汇聚。百度将继续致力于AI技术的研发和应用,为更多有志于投身AI领域的青年才俊提供展示才华的舞台和成长的机会。随着大赛颁奖典礼的圆满落幕,百度商业AI技术创新大赛再次展示了其在推动AI技术创新和应用方面的卓越贡献。相信在未来的日子里,百度将继续携手合作伙伴和广大参赛者,共同探索AI技术的无限可能,为商业领域的智能化转型和发展注入新的动力。

2024百度商业AI技术创新大赛获奖名单

举报

  • 相关推荐
  • 大家在看
  • Canvas:与ChatGPT协作的新方式

    Canvas是OpenAI推出的一个新界面,旨在通过与ChatGPT的协作来改进写作和编码项目。它允许用户在一个单独的窗口中与ChatGPT一起工作,超越了简单的聊天界面。Canvas利用GPT-4o模型,能够更好地理解用户的上下文,并提供内联反馈和建议。它支持直接编辑文本或代码,并提供快捷操作菜单,帮助用户调整写作长度、调试代码等。Canvas还支持版本回溯,帮助用户管理项目的不同版本。

  • Text Behind Image:轻松创建文字背景图片设计。

    Text Behind Image 是一个开源的设计工具,允许用户轻松创建文字背景图片设计。它提供了一个简洁的界面,让用户可以自由地在图片上添加文字,创造出独特的视觉效果。这个工具对于设计师、社交媒体运营者和内容创作者来说非常有用,因为它可以快速生成具有吸引力的视觉内容。

  • torchao:PyTorch原生量化和稀疏性训练与推理库

    torchao是PyTorch的一个库,专注于自定义数据类型和优化,支持量化和稀疏化权重、梯度、优化器和激活函数,用于推理和训练。它与torch.compile()和FSDP2兼容,能够为大多数PyTorch模型提供加速。torchao旨在通过量化感知训练(QAT)和后训练量化(PTQ)等技术,提高模型的推理速度和内存效率,同时尽量减小精度损失。

  • LFMs:新一代生成式AI模型

    Liquid Foundation Models (LFMs) 是一系列新型的生成式AI模型,它们在各种规模上都达到了最先进的性能,同时保持了更小的内存占用和更高效的推理效率。LFMs 利用动态系统理论、信号处理和数值线性代数的计算单元,可以处理包括视频、音频、文本、时间序列和信号在内的任何类型的序列数据。这些模型是通用的AI模型,旨在处理大规模的序列多模态数据,实现高级推理,并做出可靠的决策。

  • NVLM-D-72B:前沿的多模态大型语言模型

    NVLM-D-72B是NVIDIA推出的一款多模态大型语言模型,专注于视觉-语言任务,并且通过多模态训练提升了文本性能。该模型在视觉-语言基准测试中取得了与业界领先模型相媲美的成绩。

  • gradio-bot:将Hugging Face Space或Gradio应用转化为Discord机器人

    gradio-bot是一个可以将Hugging Face Space或Gradio应用转化为Discord机器人的工具。它允许开发者通过简单的命令行操作,将现有的机器学习模型或应用快速部署到Discord平台上,实现自动化交互。这不仅提高了应用的可达性,还为开发者提供了一个与用户直接交互的新渠道。

  • AI-Powered Meeting Summarizer:会议语音转文本并自动生成摘要的AI工具

    AI-Powered Meeting Summarizer是一个基于Gradio的网站应用,能够将会议录音转换为文本,并使用whisper.cpp进行音频到文本的转换,以及Ollama服务器进行文本摘要。该工具非常适合快速提取会议中的关键点、决策和行动项目。

  • VARAG:视觉增强的检索与生成系统

    VARAG是一个支持多种检索技术的系统,优化了文本、图像和多模态文档检索的不同用例。它通过将文档页面作为图像嵌入,简化了传统的检索流程,并使用先进的视觉语言模型进行编码,提高了检索的准确性和效率。VARAG的主要优点在于它能够处理复杂的视觉和文本内容,为文档检索提供强大的支持。

  • JoyHallo:数字人模型,支持生成普通话视频

    JoyHallo是一个数字人模型,专为普通话视频生成而设计。它通过收集来自京东健康国际有限公司员工的29小时普通话视频,创建了jdh-Hallo数据集。该数据集覆盖了不同年龄和说话风格,包括对话和专业医疗话题。JoyHallo模型采用中国wav2vec2模型进行音频特征嵌入,并提出了一种半解耦结构来捕捉唇部、表情和姿态特征之间的相互关系,提高了信息利用效率,并加快了推理速度14.3%。此外,JoyHallo在生成英语视频方面也表现出色,展现了卓越的跨语言生成能力。

  • PhysGen:基于物理的图像到视频生成技术

    PhysGen是一个创新的图像到视频生成方法,它能够将单张图片和输入条件(例如,对图片中物体施加的力和扭矩)转换成现实、物理上合理且时间上连贯的视频。该技术通过将基于模型的物理模拟与数据驱动的视频生成过程相结合,实现了在图像空间中的动态模拟。PhysGen的主要优点包括生成的视频在物理和外观上都显得逼真,并且可以精确控制,通过定量比较和全面的用户研究,展示了其在现有数据驱动的图像到视频生成工作中的优越性。

  • Whisper large-v3-turbo:高效自动语音识别模型

    Whisper large-v3-turbo是OpenAI提出的一种先进的自动语音识别(ASR)和语音翻译模型。它在超过500万小时的标记数据上进行训练,能够在零样本设置中泛化到许多数据集和领域。该模型是Whisper large-v3的微调版本,解码层从32减少到4,以提高速度,但可能会略微降低质量。

  • Realtime API:低延迟的实时语音交互API

    Realtime API 是 OpenAI 推出的一款低延迟语音交互API,它允许开发者在应用程序中构建快速的语音到语音体验。该API支持自然语音到语音对话,并可处理中断,类似于ChatGPT的高级语音模式。它通过WebSocket连接,支持功能调用,使得语音助手能够响应用户请求,触发动作或引入新上下文。该API的推出,意味着开发者不再需要组合多个模型来构建语音体验,而是可以通过单一API调用实现自然对话体验。

  • Saylo AI:探索无限的AI角色扮演游戏。

    Saylo AI是一个AI角色扮演游戏,让你与AI角色互动,探索多样化的戏剧性故事。它利用人工智能技术,提供沉浸式的互动体验,让玩家在虚拟世界中与AI朋友交流,体验不同的故事情节。Saylo AI的背景信息展示了其创新性和娱乐性,旨在为玩家提供一种全新的娱乐方式。目前产品处于推广阶段,价格未明确标注。

  • twinny:Visual Studio Code的免费且私密的AI扩展

    twinny是一个为Visual Studio Code用户设计的AI扩展,旨在提供个性化的编程辅助,提高开发效率。它通过集成先进的AI技术,帮助开发者在编码过程中快速解决问题,优化代码,并提供智能提示。twinny的背景是响应开发者对于更加智能和自动化编程工具的需求,它通过简化开发流程,减少重复劳动,从而让开发者能够专注于更有创造性的工作。

  • Buildpad:构建人们真正想要的产品

    Buildpad 是一个旨在帮助创始人从概念到成功最小可行产品(MVP)的在线平台。它通过提供智能验证工具、AI引导的开发流程、进度跟踪以及个性化的项目见解,帮助用户构建能够获得市场认可的产品。Buildpad 的主要优点包括简化产品开发流程、提高产品成功率、以及提供个性化的指导和支持。

  • Novela:AI时代的技能学习平台

    Novela是一个专注于AI时代技能学习的在线平台,提供早期访问服务,用户可以免费试用。它旨在帮助用户掌握AI相关的技能,以适应未来职场的需求。

  • interview.co:视频面试软件,简化招聘流程

    interview.co是一个专注于简化招聘流程的视频面试软件。它通过提供在线视频面试、AI问题生成器和面试管理工具,帮助企业高效地筛选和评估候选人。产品背景信息显示,interview.co旨在解决传统面试中的时间消耗、日程安排困难和成本高昂等问题。价格方面,interview.co提供试用版,具体定价信息需进一步探索。

  • Open NotebookLM:将任何PDF转换为播客集!

    Open NotebookLM是一个利用开源语言模型和文本到语音模型的工具,它可以处理PDF内容,生成适合音频播客的自然对话,并将其输出为MP3文件。该项目的灵感来自于NotebookLM工具,通过使用开源的大型语言模型(LLMs)和文本到语音模型来实现。它不仅提高了信息的可访问性,还为内容创作者提供了一种新的媒体形式,使他们能够将书面内容转换为音频格式,扩大其受众范围。

  • Chital:macOS平台的Ollama模型聊天应用

    Chital是一个为macOS平台设计的应用程序,它允许用户与Ollama模型进行聊天。这个应用具有低内存占用和快速启动的特点,支持多聊天线程,能够在不同的模型间切换,并支持Markdown格式。此外,它还能自动为聊天线程生成标题摘要。Chital的开发主要是为了满足开发者个人的使用需求,但也鼓励社区成员通过fork代码库来添加新功能。

  • SafeEar:保护隐私的音频深度检测

    SafeEar是一个创新的音频深度检测框架,它能够在不依赖于语音内容的情况下检测深度音频。这个框架通过设计一个神经音频编解码器,将语义和声学信息从音频样本中分离出来,仅使用声学信息(如韵律和音色)进行深度检测,从而保护了语音内容的隐私。SafeEar通过在真实世界中增强编解码器来提高检测器的能力,使其能够识别各种深度音频。该框架在四个基准数据集上的广泛实验表明,SafeEar在检测各种深度技术方面非常有效,其等错误率(EER)低至2.02%。同时,它还能保护五种语言的语音内容不被机器和人类听觉分析破译,通过我们的用户研究和单词错误率(WER)均高于93.93%来证明。此外,SafeEar还构建了一个用于反深度和反内容恢复评估的基准,为未来在音频隐私保护和深度检测领域的研究提供了基础。

今日大家都在搜的词: