12月23日,现代汽车科技创益加速中心HYUNDAI CREATIVE ACCELERATOR(以下简称“HCA”)举办了以“融通聚力,创益未来”为主题的新年创新创业交流活动。现代汽车集团(中国)总裁李光国携现代汽车集团多位领导以及中国青年创业就业基金会副秘书长王松山、创业导师和第一期“现代汽车创业营”入营企业代表参加了本次活动。在轻松的氛围下,创业者们和现代汽车高层领导就企业社会责任、产业孵化等相关领域进行了深入交流。
现代汽车希望通过共建HCA平台助推青年双创企业与前沿创新科技发展,更好解决社会问题,“携手共创更好未来”。
现代汽车科技创益加速中心
加强企业社会责任布局,赋能青年科技创益
HCA是共青团中央与现代汽车集团在2012年签署的“现代汽车青年公益资助行动”战略合作协议在青年创业就业领域的重要落地成果,也是现代汽车在青年创新创业领域企业社会责任的实践平台。以 “聚焦青年,公益先行,孵化助力,开放创新”为基本原则,依托共青团在青年创新创业领域的组织优势和现代汽车全球汽车产业资源优势,打造泛出行(Mobility)领域的垂直孵化社会公益平台。
HCA将重点发掘并支持公益、移动出行(Mobility)、人工智能(AI)、新能源、智能制造、智慧城市等领域的青年科技创新创业项目,HCA与政府、行业协会、高校及研究所、创业服务载体、投资机构等主体共同建立外部服务合作关系,并联合“HYUNDAI CRADLE Beijing”(现代汽车集团在中国的开放创新与战略投资部门)等主体建立全球创新生态体系,开展公益孵化、金融投资、人才培养、产业资源引导对接等服务,打造垂直产业孵化生态体系,助推相关产业发展。目前,经过评审筛选,HCA第一期“现代汽车创业营”共有10家科技初创企业入营。
HCA“现代汽车创业营1期”入驻企业代表分享交流科技创新成果
此外,HCA将融合现代汽车企业社会责任理念,打造“善科技”培育计划,挖掘公益领域的青年科技创新创业项目,并对其成长发展提供必要帮助。HCA将成为现代汽车开展企业社会责任在内容与方式上的一次创新与延伸。
完善企业社会责任体系,携手共创更好未来
在2020年度中国社科院发布的社会责任指数排名中,现代汽车集团获得了中国汽车行业连续5年排名第一、外企连续5年排名第二、全行业连续2年排名第四的佳绩,企业社会责任报告也是今年所有车企中唯一一家获得五星佳最高评价的企业。虽荣誉加磅,但脚步未止。
随着现代汽车科技创益加速中心的加入,现代汽车集团在华已经构建起了由“Safe Move 共建安全”、“Green Move 共护绿色“、“Happy Move 共献关爱”、“Dream Move 共筑梦想”、“Next Move 共享价值”(HCA)五大板块组成的社会贡献活动体系,逐步完善和践行高质量全方位的企业公益行动。
虽荣誉加磅,但脚步未止
现代汽车集团会长郑义宣在10月的就职致辞中曾明确指出:“集团所有的活动都应该为人类的生活、安全、幸福做出贡献,并建立使其重新成为集团增长和发展原动力的良性循环结构。”借用会长所传达的集团发展理念,李光国社长表示,希望所有在HCA结缘的青年创业者都能拥有同样的情怀、理念,并强调了他们都是中国社会的未来人才,所拥有的技术都是能够改变中国和人类未来的技术,现代汽车集团今后也将通过HCA帮助更多有创新想法和技术的企业,特别是社会企业,一同为社会做出贡献。
现代汽车集团(中国)总裁李光国寄语
现代汽车集团还将持续发力践行企业社会责任,紧跟时代的脚步适应科技与产业变革,助推前沿创新科技及社会发展,与更多人一起携手共创更好未来,用行动温暖世界。
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。