AI 訓練速度突破摩爾定律；宋舒然團隊獲得RSS 2022最佳論文獎

• 2022 年 7 月 4 日
• AI

最新 MLPerf 基準表明：AI 的訓練速度比去年提升了幾乎兩倍

6月29日，開放工程聯盟 MLCommons 發布了 MLPerf 基準的最新訓練結果，發現今年機器學習系統的訓練速度幾乎是去年的兩倍，超越了摩爾定律（每18-24個月翻一倍）。

MLPerf 由八個基準測試組成：影像識別、醫學影像分割、兩個版本的對象檢測、語音識別、自然語言處理、推薦和強化學習。在這八個基準測試中，NVIDIA 的加速器都拔得頭籌，表現優異。

MLPerf Training v2.0 結果包括來自 21 個不同提交者的 250 多個性能結果，包括 Azure、百度、戴爾、富士通、技嘉、Google、Graphcore、HPE、浪潮、英特爾-HabanaLabs、聯想、Nettrix、NVIDIA、三星和 Supermicro等等。（IEEE Spectrum）

宋舒然獲得機器人高峰會 RSS 2022 公布最佳論文獎

機器人高峰會 RSS（Robotics: Science and Systems） 於 6 月 27 日至 7 月 1 日在紐約召開，並公布了最佳論文、最佳系統論文、最佳學生論文等全部獎項。

其中，目前任職於哥倫比亞大學的中國學者宋舒然與團隊獲得 RSS 2022 最佳論文獎，獲獎工作是「Iterative Residual Policy for Goal-Conditioned Manipulation of Deformable Objects」。宋舒然是機器人研究領域的知名青年學者，曾獲得多項會議最佳論文獎，並獲得2022年素有「諾貝爾風向標」之稱的斯隆研究獎。

此前，AI科技評論曾對宋舒然博士進行專訪，鏈接如下：

Google提出新的語言模型 Mineva 來解決定量推理問題

最近，Google研究院提出了一個能夠用逐步推理來解決數學和科學問題的語言模型——Mineva。

據團隊介紹，目前語言模型在定量推理問題（即結合數學和資訊來解決現實世界問題）中的性能仍遠遠低於人類，而他們通過收集與定量推理問題相關的訓練數據、大規模訓練模型和採用先進的推理技術，實現了 AI 模型在定量推理任務上的顯著進步。

在技術架構上，Mineva基於Google在幾個月前提出的 PaLM 架構。訓練中，對 arXiv 上 118G 的科學論文數據集和包含 LaTex 數學表達的網頁進行了訓練。研究表明，Mineva在高中數學競賽水平題庫 MATH、大學水平的 STEM 任務上都取得了不錯的表現。

英國學者聯合發布因果機器學習百頁調查報告

最近，英國牛津大學與倫敦大學學院（UCL）的學者聯合發布了一份因果機器學習方向的調查綜述，長達165頁。因果機器學習主要研究如何將數據生成過程轉換為結構因果模型（SCM），可以讓人們推斷這一過程的變化（即干預）的影響，以及事後會發生的事情（即反事實）。

這篇綜述討論了因果機器學習的五大方向：因果監督學習、因果生成建模、因果解釋、因果公平與因果強化學習。

消息鏈接：

//spectrum.ieee.org/mlperf-rankings-2022

//ai.googleblog.com/2022/06/minerva-solving-quantitative-reasoning.html

更多內容，點擊下方關註：

雷峰網