2024年实验室开放课题将紧密围绕实验室人工智能评测前沿领域,资助与本实验室研究方向紧密相关的科学问题机理、技术方法、模型等方面的研究,研究内容需具有创新性。
1. 面向大模型训练的智算集群基准模型构建研究
面向当前大规模预训练模型训练需求,研究大规模算力集群所需具备的高性能计算、高带宽网络、快速存储、多层次并行计算、异构算力混训等关键技术,构建评价大规模智算集群功能及性能的基准模型。
2. 通用人工智能评估方法研究
面向通用人工智能关键技术与典型产品,研究流程化的评估方法,构建和开发相关测试环境和工具,主要任务包括:研究通用人工智能关键技术架构、能力体系、技术要素,确立通用人工智能分级策略和关键评价指标,构建满足功能和性能测试需求的场景、数据和工具等。
3. 面向大模型推理场景的关键技术和评测工具研究
围绕面向大模型的推理场景,研究在云、边、端等不同场景下的关键技术和评测工具,包括:模型压缩、高效推理引擎、动态调度策略、模型协同、云边协同、服务管理、监控运维等关键技术,以实现低延迟、高吞吐、低成本、可扩展、易使用的大模型推理服务,并研究评测大模型推理性能及效果的评测工具。
4. 面向特定场景的具身智能移动操作任务评价方法研究
围绕具身智能评测关键技术指标,研究面向特定场景的移动操作任务评价体系,构建一套全面的评价指标体系,识别和量化各个场景的任务需求差异,发现潜在的任务执行问题,用于评估具身智能在特定场景中的移动和操作任务性能。
5. 面向序列图像的端到端三维重建和质量评估技术
围绕人工智能计算机视觉等方向,研究利用深度学习技术来提取图像特征并进行三维模型的预测;开发新的算法或改进现有算法来提高三维重建的精度和效率;结合多视图信息来增强三维重建的结果等。
6. 人工智能国际互认评测体系研究
围绕人工智能国际互认评测技术,研究主流国家最新的人工智能政策、治理框架与评估标准,结合国际人工智能“沙盒”等评测机制,确立符合国际人工智能互认的评测指标与标准,构建国际能力互认体系。