为了促进高等教育人才培养目标的实现和相关企业的生产技术进步,更好地利用高校与企业在人才资源、科学研究、生产实践及商业运用等方面的各自优势,网易云信与杭州电子科技大学计算机学院达成战略合作。12月31日,双方在杭州网易大厦正式举行了战略合作揭牌仪式,宣布成立网易云信——杭州电子科技大学计算机学院产学研合作基地,旨在以双方的特色产品和优势学科为基础,结合国家产业结构调整升级的实际需要,开展学生联合培养、科研开发合作等工作,在提升专业人才培养的同时提升网易云信的音视频创新能力。
(图:网易云信&杭州电子科技大学计算机学院 参与揭牌仪式嘉宾合影)
当天,杭州电子科技大学计算机学院党委副书记张桦,杭州电子科技大学计算机学院副院长邬惠峰,网易(杭州)副总裁、网易智企总经理阮良,网易云信总经理陈丽,网易技术委员会资深专家委员、网易云信技术总经理徐杭生等人出席了仪式,杭电计算机院党委副书记张桦和网易智企总经理阮良作为双方代表发表致辞。张桦表示,信息技术的不断升级迭代和新冠疫情的催化,大大推动了各行各业的数字化转型,也推动了教育信息化和信息化教育,产学研合作是校企双方,实现优势互补,共赢互利的战略举措。阮良表示,期待在未来的合作中能输出更具创新和实践能力的音视频技术,在为杭电计算机学院优秀学子提供技术实践舞台的同时,为各行各业的企业提供更有价值的商业服务。
(图:杭州电子科技大学计算机学院党委副书记张桦发表致辞)
在此次合作中,双方主要以国家战略与市场需求为导向,以特色产品和优势学科为基础,结合国家产业结构调整升级的实际需要,开展学生联合培养、科研开发合作等工作。具体而言,网易云信将为杭州电子科技大学计算机学院提供和创造科学研究条件,以及实践类课程教学活动,杭州电子科技大学计算机学院将为网易云信提供科技和管理人才的培训,优先推荐本校优秀毕业生。与此同时,双方还将互相配合,积极开展行业研究,并据此申报科技进步奖、优秀论文、专利金奖等各类奖项。
据介绍,目前双方已经开启了第一期合作项目,系列课题涵盖了网易云信所有的产品线,包括即时通信、实时音视频、直播点播等核心能力,以及AI超分技术算法研究等,部分项目以学术文章为导向,希望结合商业化产品的实际痛点将算法落地,部分以产品为导向,强调实用性。在网易云信资深工程师和杭电计算机院学子们的共同努力下,合作已取得初步成果,例如背景去除组(下图左一)已经在从功能完整向性能完善改进,一些产品在交互和设计上也产生新的突破和创新,后续双方还将继续发力。
(图:杭电学生阶段性成果)
据了解,杭州电子科技大学计算机学院是在1980年设立的本科计算机专业的基础上发展起来的,经过40余年的发展建设,已经成为一个具有坚实的学科基础、先进的实验教学体系、一流环境的实验实训教学基地和工程创新能力培育基地。多年来,其积极开展教育教学改革工作和国家重点项目研究,多次获得国家技术奖项,并且与Google、EMC、阿里巴巴、东忠等国际、国内知名企业广泛开展人才培养合作,输送了大批专业优秀人才。
网易云信则是集网易20年IM以及音视频技术打造的PaaS服务产品,拥有音视频通话、直播、点播、互动白板等十余种功能,为医疗、教育、金融等各行各业的企业提供了专业化的音视频技术服务,目前已服务了百万开发者,完成了10000亿条消息的发送、8亿+SDK用户和全球196个国家或地区的覆盖,技术能力和商业服务能力在业内首屈一指。
此次双方携手建立产学研合作基地,通过对教学、研究、和人才合作的合作互联,在提升技术研发能力和成果输出的同时,将进一步把教学科研水平和企业的技术能力转化为产品和商业实践能力,为企业提供更为优质的技术服务。与此同时,双方通过深度合作还将进一步反哺自身,杭州电子科技大学计算机学院的科研水平、实践资源将得到深化和拓展,网易云信音视频技术实力也将再度提升。
好文章,需要你的鼓励
OpenAI和微软宣布签署一项非约束性谅解备忘录,修订双方合作关系。随着两家公司在AI市场竞争客户并寻求新的基础设施合作伙伴,其关系日趋复杂。该协议涉及OpenAI从非营利组织向营利实体的重组计划,需要微软这一最大投资者的批准。双方表示将积极制定最终合同条款,共同致力于为所有人提供最佳AI工具。
中山大学团队针对OpenAI O1等长思考推理模型存在的"长度不和谐"问题,提出了O1-Pruner优化方法。该方法通过长度-和谐奖励机制和强化学习训练,成功将模型推理长度缩短30-40%,同时保持甚至提升准确率,显著降低了推理时间和计算成本,为高效AI推理提供了新的解决方案。
中国科技企业发布了名为R1的人形机器人,直接对标特斯拉的Optimus机器人产品。这款新型机器人代表了中国在人工智能和机器人技术领域的最新突破,展现出与国际巨头竞争的实力。R1机器人的推出标志着全球人形机器人市场竞争进一步加剧。
上海AI实验室研究团队深入调查了12种先进视觉语言模型在自动驾驶场景中的真实表现,发现这些AI系统经常在缺乏真实视觉理解的情况下生成看似合理的驾驶解释。通过DriveBench测试平台的全面评估,研究揭示了现有评估方法的重大缺陷,并为开发更可靠的AI驾驶系统提供了重要指导。