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
这项研究介绍了VisCoder,一个经过专门微调的大语言模型,用于生成可执行的Python可视化代码。研究团队创建了包含20万样本的VisCode-200K数据集,结合了可执行代码示例和多轮修正对话。在PandasPlotBench基准测试中,VisCoder显著优于同等规模的开源模型,甚至在某些方面超越了GPT-4o-mini。研究还引入了自我调试评估模式,证明了反馈驱动学习对提高代码可执行性和视觉准确性的重要性。
这项研究提出了"适应再连续学习"(ACL)框架,一种创新的方法解决预训练模型在连续学习中的稳定性-可塑性困境。通过在学习新任务前先对模型进行适应性调整,ACL使模型既能更好地学习新知识(提高可塑性),又能保留已有知识(维持稳定性)。实验证明,该框架能显著提升各种连续学习方法的性能,为解决人工智能系统中的"灾难性遗忘"问题提供了有效途径。
这篇研究首次关注了CLIP模型文本编码器的对抗鲁棒性问题,提出了LEAF方法(Levenshtein高效对抗性微调)来增强文本编码器的稳健性。实验表明,LEAF显著提高了模型在面对文本扰动时的性能,在AG-News数据集上将对抗准确率从44.5%提升至63.3%。当集成到Stable Diffusion等文本到图像生成模型中时,LEAF显著提高了对抗噪声下的生成质量;在多模态检索任务中,它平均提高了10个百分点的召回率。此外,LEAF还增强了模型的可解释性,使文本嵌入的反演更加准确。
BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台,整合了38个基准中的30万个问题,按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差,而BenchHub通过自动分类系统和用户友好界面,让用户能根据特定需求筛选评估数据。实验证明模型在不同领域的排名差异巨大,强调了定制化评估的重要性。该平台支持多语言扩展和领域特化,为研究人员和开发者提供了灵活评估大语言模型的强大工具。