6 月 5日,內(nèi)存和存儲解決方案領(lǐng)先供應(yīng)商 Micron Technology Inc. (美光科技股份有限公司)宣布舉辦紫外線機器人設(shè)計挑戰(zhàn)賽,以滿足市場對于可靠、低成本的紫外線機器人解決方案日益增長的需求。這些紫外線機器人將具備自動化消毒能力,從而潛在抑制新冠病毒和其他疾病傳播。微生物通??稍谖矬w表面存活較長時間,而紫外線殺菌 (UVGI) 已被證明可以破壞病毒 RNA,從而抑制這些微生物的傳播。
該挑戰(zhàn)賽由美光主導(dǎo),邀請機器人領(lǐng)域充滿激情的工程師、發(fā)明家和專業(yè)人士,以個人或團隊形式參賽,通過協(xié)作、開源的方式提交完整的設(shè)計方案。作為項目的一部分,美光將配備在專業(yè)技能方面具有豐富經(jīng)驗的導(dǎo)師,為參賽者或參賽團隊的設(shè)計概念提供咨詢服務(wù)。與此同時,美光基金會已經(jīng)與多家世界知名大學(xué)開展合作,鼓勵這些院校的學(xué)生踴躍報名參賽,將他們的創(chuàng)意、創(chuàng)新、工程學(xué)原理與社會實踐相結(jié)合。
美光科技公司業(yè)務(wù)發(fā)展副總裁 Rene Hartner表示: “美光發(fā)起紫外線機器人設(shè)計挑戰(zhàn)賽,旨在激勵開發(fā)創(chuàng)新和高性價比解決方案,幫助在當下及未來抑制新冠病毒和其他由病原體傳播的疾病。我們的目標是在 8 月底之前收集設(shè)計構(gòu)思,并利用美光豐富的內(nèi)部資源、行業(yè)專長及合作伙伴,攜手全球最為卓越的工程師群體,力求為我們所在的社區(qū)做出巨大貢獻。”
在本次紫外線機器人設(shè)計挑戰(zhàn)賽之前,美光已承諾投入3,500 萬美元,其中包括1,000 萬美元的美光基金會救助資金,用以幫助受到新冠疫情不同程度影響的人們。該筆承諾款項還包括提升公司-員工配捐幅度,通過補助金的形式為團隊成員提供經(jīng)濟支持,以及非現(xiàn)金類援助,例如,加快向小型企業(yè)供應(yīng)商付款流程,為應(yīng)急醫(yī)療提供設(shè)施和物資捐助等。
關(guān)于Micron Technology, Inc.(美光科技股份有限公司,納斯達克代碼:MU)
美光是創(chuàng)新內(nèi)存和存儲解決方案領(lǐng)域的全球領(lǐng)軍者。通過旗下全球性品牌 Micron®(美光®)和Crucial®(英睿達),美光推出了包括 DRAM、NAND 、3D XPoint™ 內(nèi)存和 NOR 在內(nèi)的一系列高性能內(nèi)存和存儲技術(shù)組合,通過改變世界使用信息的方式來豐富生活。憑借 40 多年的技術(shù)領(lǐng)軍地位,美光的內(nèi)存和存儲解決方案幫助移動、數(shù)據(jù)中心、客戶端、消費類、工業(yè)、圖形、汽車及網(wǎng)絡(luò)等重要市場實現(xiàn)了顛覆性的發(fā)展趨勢,包括人工智能、5G、機器學(xué)習(xí)和自動駕駛。美光的普通股在納斯達克上市交易,股票代碼為 MU。
好文章,需要你的鼓勵
浙江大學(xué)團隊提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學(xué)、編程等任務(wù)上顯著提升推理準確率,且不增加計算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學(xué)研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準確率低"的問題。實驗顯示,該方法在數(shù)學(xué)競賽題上將模型準確率提升43.2%的同時,輸出長度減少46.9%,真正實現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團隊開發(fā)出Rolling Forcing技術(shù),實現(xiàn)AI視頻實時流式生成的重大突破。該技術(shù)通過滾動窗口聯(lián)合去噪、注意力錨點機制和高效訓(xùn)練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學(xué)研究團隊發(fā)現(xiàn),通過讓AI模型學(xué)習(xí)解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強化學(xué)習(xí)方法訓(xùn)練多個AI模型。實驗結(jié)果顯示,幾何訓(xùn)練在四個空間智能測試基準上都帶來顯著提升,其中最佳模型達到49.6%準確率,超越此前最好成績。這項研究揭示了基礎(chǔ)幾何知識對培養(yǎng)AI空間智能的重要價值。