返回首页
您的位置:首页 > 新闻 > CCF聚焦

智汇未来·洞见新生:CNCC2024 YOCSEF系列论坛前瞻

阅读量:49 2024-10-12 收藏本文



CNCC2024 YOCSEF系列论坛荣耀汇聚学术界、工业界精英,碰撞思辨火花、审视创新路径、把脉发展前沿,诚邀各界有识伙伴共话智能愿景,共赏科技光华,共筑未来荣光!



洞察新一代信息技术的浪潮,探寻大模型技术演进的机遇。中国计算机学会年度大会CNCC2024携手YOCSEF分论坛精心策划系列论坛,聚焦大模型时代的技术机遇与未来挑战。系列论坛将直面AIGC内容乱象,探讨检测与溯源技术如何力挽狂澜,重塑内容生态;全方位探讨具身智能的创新实质,揭示其是否为技术演进的崭新篇章;探讨大语言模型的能力边界与增强策略,聚焦技术挑战与应用落地,推动模型的实用化与未来发展;深入揭秘大模型训练的底层逻辑,聚焦网络与计算的深度融合,展现这场技术革命的惊心动魄;展望大模型与工具增强的融合之路,剖析其技术挑战、落地应用与未来愿景,为智能时代描绘宏伟蓝图。


系列论坛荣耀汇聚学术界、工业界精英,碰撞思辨火花、审视创新路径、把脉发展前沿,诚邀各界有识伙伴共话智能愿景,共赏科技光华,共筑未来荣光!


AIGC内容乱象:检测与溯源能否主宰乾坤?


论坛介绍


AIGC技术的突破性进展极大地丰富了数字媒体生态,使得创作变得前所未有的便捷和多样。从生成艺术作品到撰写文章,AIGC为创作者提供了强有力的工具,推动了内容生产的革命。这种技术不仅提升了创作效率,还使得更多人能够参与到内容创作中,推动了文化产业的多元化和创新。然而,AIGC技术的迅猛发展也带来了一系列负面影响,由于伪造内容导致的国家安全、公共安全和舆情安全相关事件频频发生,严重威胁了网络信息的真实性和可信度。


近年来,AIGC内容检测与溯源的研究取得了一定进展。然而,依然存在诸多挑战。例如现有技术在识别复杂的AIGC生成内容时缺乏实时性和统一的标准,在溯源过程中也面临水印缺乏鲁棒性的问题,导致了内容治理的效率降低。在此背景下,本论坛聚焦AIGC内容的检测与溯源,探索前沿技术在识别与追踪AIGC生成内容中的应用,从学术和产业视角探讨如何准确、高效地识别和追踪AIGC生成内容,旨在提升生成内容的安全性,促进AIGC技术的健康发展与规范应用。


图片


具身智能是否新瓶装旧酒?


论坛介绍


具身智能以不同形态机器人在真实物理环境下执行任务为主要方式实现AI进化,具备自感知、自认知、自决策、自执行、自学习等特征,被认为是AI发展的下一个浪潮。然而具身智能的演进也形成了由人工智能领域学者推崇的“智能+具身”和以机器人专家主导的“具身+智能”两种派系,不乏有质疑“具身智能是否新瓶装旧酒”的声音。前者认为其是AI算法套上机器人的形态,后者认为是机器人控制添加更强的智能算法。具身智能的技术革新如何,最佳形态几何,不同技术实施路径在发展过程会有哪些瓶颈和难题,具身智能是否通往AGI的必由之路等成为值得行业专家深入研讨的新话题。此次论坛邀请了视觉感知理解、多模态大模型、智能控制以及机器人等具身智能相关领域的学界学者及企业技术负责专家一起共同探讨具身智能的技术突破、行业应用及未来发展方向。思辨议题:1)具身智能,是机器人的“冷饭热炒”吗?2)具身智能是通往AGI的必由之路吗?3)“具身智能”和“智能具身”孰更有前景?


图片


第一届大语言模型落地实践论坛: 探索大语言模型的潜能与局限-大语言模型的能力边界在哪?


论坛介绍


近年来,大语言模型已成为推动人工智能技术进步的关键动力之一,而基于Transformer架构的大语言模型在各项自然语言处理任务中表现卓越,涵盖文本生成、情感分析、问答系统、知识推理等诸多领域。然而,这些模型在实际领域应用中仍面临着诸多挑战和局限,包括模型的泛化性、鲁棒性、可解释性等。因此在不同领域应用中如何探测大语言模型的能力边界并设计增强策略是大语言模型落地实践的重要挑战,论坛将深入探讨大语言模型泛化能力边界,针对新领域或未见数据的鲁棒性,模型生成内容的可解释性,以及检索增强生成、大小模型协调、参数高效微调等多种不同的增强策略。论坛邀请了来自国内大语言模型研发的一线学者和技术专家,共同探讨大语言模型能力边界探测与增强关键技术、前沿进展和未来方向,期待激发与会者对大语言模型潜能与局限的深入思考,共同推动大语言模型技术的发展与应用。


图片


揭秘大模型训练的底层逻辑:网络与计算的深度融合之战


论坛介绍


大模型技术因其前所未有的智能化表现在各行各业中的应用越来越普遍。然而,这种卓越的性能背后需要强大的计算和存储资源支持。


尽管计算机网络技术已有长足进步,但在大模型时代,随着模型规模的不断扩大,导致数据传输和同步的需求急剧增加,因此如何智能化地管理和优化网络资源,降低通信开销从而有效地支持大模型的训练和推理,成为了学术界和工业界共同关注的课题。除此之外,大规模的数据传输和存储过程中的安全漏洞可能导致严重的隐私泄露风险,这对网络架构的设计提出了新的要求。 


本次研讨会将聚焦于探讨在“大模型时代”背景下,计算机网络所面临的挑战与机遇。研讨会将探讨如何通过先进的网络架构与协议设计,支持大模型的高效训练与推理,并提高网络的性能和资源利用率。此外,论坛还将聚焦于网络安全和隐私保护,探讨创新的安全解决方案和隐私保护机制,以确保数据的安全性和网络的可靠性。通过这些讨论,我们希望能够促成学术界与工业界的深入交流,推动计算机网络技术的持续创新,共同应对未来的挑战。


图片


大模型的翅膀:工具增强大模型技术的挑战、落地和未来


论坛介绍


使用LLM进行工具学习已成为扩展其能力以解决高度复杂问题的范式,受到了学术界和产业界的广泛关注。本论坛聚焦于“大模型的翅膀:工具增强大模型技术的挑战、落地和未来”这一主题,邀请学界和业界的专家与技术领袖通过技术报告和pannel讨论,一起探讨大语言模型工具学习的技术前沿和行业应用。本论坛会同时从技术和落地两个视角来讨论工具学习的未来发展,面临的真实落地应用问题,以及在解决真实落地问题的技术挑战,为下一步学术研究指引清晰的方向。


图片