首页 > 业界 > 关键词  > 人工智能最新资讯  > 正文

2024百度商业AI技术创新大赛:与AI人才并肩,共同探索AI技术的无限可能

2024-09-12 16:42 · 稿源: 站长之家资讯频道

人工智能技术的蓬勃发展,生成式AI走向普及,正在为产业数字化转型和生产力提升带来新动力。在这一浪潮下,2024百度商业AI技术创新大赛围绕当前商业场景和业界技术的最 新趋势设置赛道,吸引了来自高等院校、科研单位、互联网企业等众多领域的优秀人才踊跃参与,旨在通过业界与学界的思维碰撞,解决实际的商业难题,挖掘更广阔的AI应用场景。

在精心设计的「基于大模型的广告检索」、「广告图片描述生成」、「行业智能体搭建」三大赛道上,来自海内外的3000多支队伍开启激烈角逐,参赛队伍数量较去年增加30%,包括清华大学、北京大学在内的多所顶 尖学府均有队伍加入比赛。大赛落下帷幕之际,来自不同领域选手及大赛评委通过采访形式生动地还原了比赛盛况,并分享了其在AI应用创新的道路上的观点想法。

聚焦实践中的「真问题」,让应用创新落到实处

作为本次大赛的主办方之一,百度商业推出了“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。今年的赛道设计也反映了百度自身体系的发展和业界的新技术趋势,聚焦实践中的「真问题」,赛题更贴合商业场景,让技术的比拼更加立足实际,让应用的创新能够落到实处。这一点参赛选手们也深有感触,大赛不仅考验他们专业知识与实践能力,更是一场解决实际问题的过程。

例如,获得「基于大模型的广告检索」赛道一等奖的「霸气的王」战队,在创作中瞄准了系统广告检索过程中存在的效率与准确度问题。他们在接受采访时表示:“在大模型时代,我们的生成式检索是直接利用模型,根据文档生成对应的广告ID。相比原来的基于外部排序的方法,我们的方法更加省时省力,并提高了检索过程中的准确性。”

在「广告图片描述生成」赛道荣获一等奖的「gtx690全量微调」战队同样在“死磕”实际问题,团队成员田杰介绍:“我们主要对数据进行了优化,提出了一个多智能体的打分系统。另外我们针对数据也设计了一套新方案,将数据分类和描述生成分成两个任务去执行,从而更有效地解决了实际问题。”

重视AI技术在实际场景中的应用也体现在大赛的评价体系当中,决赛评委百度商业研发主任架构师焦学武在接受采访时表示,无论做什么样的产品和系统,其最终目的是为用户服务,实际效果是最为重要的考量因素。此外,清晰的业务逻辑和技术逻辑同样也非常关键,与实际效果的呈现互为因果。

新增「行业智能体搭建」赛道,零技术背景选手也能开发「超 级能干」应用

除了关注技术的实现,本届大赛的一大亮点是新增「行业智能体搭建」赛道,即智能体产品的设计与实现,让很多零技术背景的选手也能充分发挥创造力,开发出「超 级能干」的应用。“今年大赛创新性地提供了智能体创作平台,选手可以根据自己的想法和指令去做插件,去创建一个领域的智能体来满足用户需求。例如,在「行业智能体搭建」赛道就有很多虽然没有技术背景,但是对智能体和大模型感兴趣的选手愿意加入进来,一起完成比赛。”决赛评委百度商业研发首席架构师李双龙总结道。

正如取得该赛道第 一名的「重生之一觉醒来我成了Agent?」团队成员所说,「行业智能体搭建」赛道对代码和技术能力的要求并非难以触及,跨学科背景的同学可以结合自身专业方向,学习AI相关知识,利用自身优势为团队贡献力量。

拥有不同学科背景的同学纷纷发挥所长,发现不同行业与智能体的结合点,开发出与商业场景紧密结合的智能体。荣获「行业智能体搭建」赛道二等奖的「郐羺桃拭」团队,其作品《公考大师》主要用于解决公务员考试相关的问题咨询,其利用大模型技术实现联网搜索、自动追问及长期记忆等功能,提供更加及时有效的信息。张校荣认为,智能体可以更好地为考生提供相关政策的变化,减少他们的信息差,以促进不同地区的考生的教育公平。

在「行业智能体搭建」赛道中获得三等奖的「Together」团队则把目光投向了计划出国的留学生群体,“我们的作品是一款专门为准备出国留学的学生打造的一款咨询智能体,根据他们的专业、兴趣爱好和一些个人的一些信息,为他们提供专业的信息建议。”

不同学科领域的学子在「行业智能体搭建」赛道大放异彩,正呼应了鼓励非计算机专业的同学也加入AI技术探索的比赛初衷,也进一步鼓励了各专业人才积极投身于AI技术的研究与应用之中,促进更多元化和创新性的解决方案的诞生,满足不同行业对于智能化转型的实际需求。

特设「女性奖」和「青少年奖」,多元化力量加入AI创新阵营

在当今快速发展的AI领域,女性正扮演着越来越重要的角色。从基础研究到应用开发,从数据科学到机器学习,女性以她们独特的视角、深刻的洞察力和坚定的决心,正在为技术创新注入新的活力。此次大赛特别设置了“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。

相较去年,今年女性参赛选手比例大幅增长,并在三大赛道中展露才华。例如,来自北京大学的范苗苗,荣获「基于大模型的广告检索」赛道二等奖,他们的作品解决了官方召回率不高以及推理速度慢的问题;在「广告图片描述生成」赛道获奖的李巍总结道,“我们最 大的竞争优势是敢于去不断尝试各种想法,不是一味地去训练,而是去观察一些数据、训练的一些lost,研究损失的下降趋势,然后去针对性采取措施。”

在「行业智能体搭建」赛道获得一等奖的「重生之一觉醒来我成了Agent?」战队,成员半数由女性组成。“我们根据健身场景进行需求分析,并基于这些需求开发了相应的插件,实现了准确计算和个性化推荐,最终呈现了一款能够根据用户个人数据自动制定健身计划和饮食建议的智能体。”作为女性奖获得者,团队成员冯若同表示,“我们在分析用户时特别关注特殊女性群体,例如正在备孕的孕妈妈以及孕妇如何健身。在结束产子三段之后,我们会提供具体问题,为其提供不同的回答。”提到对其他女性参赛者的鼓励,她认为最重要的是先迈出第 一步,不要关注结果。有了开始之后,可以在过程中会不断进步和发展。

值得注意的是,一位香港特别行政区的“10后”选手的到来再次展现了本届大赛广泛的影响力。这位14岁的小选手不仅成功在「行业智能体搭建」赛道取得优异成绩,还因其卓越的技术能力和创新思维获得了“Nova AI Innovator”奖项,成为本次大赛中最年轻的获奖者。这位青少年奖得主杨阳在接受采访时表示:“我通过社交媒体渠道得知比赛信息,所有比赛由自己独立决定,在参赛过程中,我还学习了RAG知识库的应用,认识到在AI智能体时代这项技术的重要性,对未来的职业发展起到积极的鼓励作用。”

伴随着AI创新应用加速布局到各行各业,百度商业全面拥抱生成式AI,重构商业生态,打造了全新的「智能体商业」。2024百度商业AI技术创新大赛搭建了学术与商业、理论与实践之间的桥梁,促进尖 端研究与商业实践的融合。面对生成式AI时代带来的无限机遇,百度商业将持续构建开放的交流平台,汇聚多元化的创新力量,推动AI技术创新应用迈向新高度,促使高质量的科技创新成果在各行各业涌现,带来社会生产力和创造力的革新。

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: