溫馨提示:
專業(yè)聽眾線下參會(huì)觀展
注冊(cè)截止時(shí)間為7月6日24:00
2021年世界人工智能大會(huì)將于7月8日至10日在上海世博中心和上海世博展覽館舉辦,并在徐匯濱江西岸美術(shù)館設(shè)分會(huì)場(chǎng)。屆時(shí)世界各地關(guān)于人工智能領(lǐng)域的專家、學(xué)者、愛好者將會(huì)匯聚一堂,建議嘉賓、媒體、參展方、觀綠色出行,一份交通Tips待各位查收。
【上海世博展覽館】
地址:上海市浦東新區(qū)博成路850號(hào)
【上海世博中心】
地址:上海市浦東新區(qū)世博大道1500號(hào)
【上海西岸藝術(shù)中心】
地址:上海市徐匯區(qū)龍騰大道2555號(hào)
距上海浦東國際機(jī)場(chǎng)45分鐘車程
距上海虹橋機(jī)場(chǎng)40分鐘車程
地鐵
【13號(hào)線】世博大道站4號(hào)口步行9分鐘可達(dá)
【8號(hào)線】中華藝術(shù)宮站3號(hào)口步行6分鐘可達(dá)
【7號(hào)線】耀華路站4號(hào)口步行15分鐘可達(dá)
公交
【1118路,浦東濱江4路,周南線,周南線區(qū)間】世博大道世博館路站,步行5分鐘可達(dá)
【117路】上南路國展路站,步行10分鐘可達(dá)
【都市觀光旅游3號(hào)線】中華藝術(shù)宮站,步行7分鐘可達(dá)
【83路,314路,454路,1049路,1131路,南川線】雪野路上南路站,步行20分鐘可達(dá)
路線
【虹橋火車站/虹橋機(jī)場(chǎng)T1,T2航站樓 ——上海世博展覽館/上海世博中心】
· 地鐵10號(hào)線至老西門站· 轉(zhuǎn)8號(hào)線至中華藝術(shù)宮站· 3號(hào)口出站步行7分鐘可達(dá)
· 地鐵10號(hào)線至新天地站· 轉(zhuǎn)13號(hào)線至世博大道站· 4號(hào)口出站步行10分鐘可達(dá)
】
· 地鐵2號(hào)線至龍陽路站· 轉(zhuǎn)7號(hào)線至耀華路站(4號(hào)口出站步行20分鐘可達(dá))· 轉(zhuǎn)8號(hào)線至中華藝術(shù)宮站· 3號(hào)口出站步行7分鐘可達(dá)
【上?;疖囌荆虾D险?mdash;—上海世博展覽館/上海世博中心】
· 地鐵1號(hào)線至人民廣場(chǎng)站· 轉(zhuǎn)8號(hào)線至中華藝術(shù)宮站· 3號(hào)口出站步行7分鐘可達(dá)
泊車
上海世博中心和上海世博展覽館停車場(chǎng)車位有限,建議乘坐出租車或公共交通工具前往大會(huì),如選擇自己駕車,請(qǐng)將車輛停放至周邊社會(huì)停車場(chǎng)。
【推薦停車場(chǎng)】
1. 洪山路雪野路停車場(chǎng):浦東新區(qū)雪野路11號(hào)
大會(huì)每日提供免費(fèi)接駁大巴往返場(chǎng)館與洪山路停車場(chǎng)之間,每30分鐘一班。
2. 世博源停車場(chǎng):入口位置位于周家渡路與國展路交叉口北150米
3. 梅賽德斯奔馳演藝中心停車場(chǎng):世博大道1200號(hào)
4. 上南路停車場(chǎng):上南路世博源北側(cè)約50米
好文章,需要你的鼓勵(lì)
新加坡國立大學(xué)研究團(tuán)隊(duì)開發(fā)了SPIRAL框架,通過讓AI與自己對(duì)弈零和游戲來提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。