MOSS:通用可信人工智能模型(计算机科学技术学院 邱锡鹏、姜育刚、黄萱菁、张奇、马兴军、吴祖煊团队)

通用人工智能有望成为推动新一轮科技变革、经济发展的重要力量,促进解决复杂的社会和科学问题,对社会进步和人类福祉产生深远影响。基于多年的研究积累,团队近期在通用人工智能的模型设计、训练算法、鲁棒可信等方面取得系列突破,在低资源情况下打通了大模型的全流程技术路线,构建了国内首个对话式大模型MOSS。在大模型的多模态扩展方面,首次提出了文本-图像-视频统一的多模态预训练方法,在多个国际知名的评测数据集取得最佳性能;构建了基于文本的迭代式视频生成框架,实现了高质量、长序列的视频内容生成。在模型的可信提升方面,联合上海人工智能实验室和清华大学发布国际首个人工智能治理开放平台“蒲公英”,系统揭示文本、图像、视频模型的可信问题并创新提出“六维评测框架”,推动解决全球人工智能治理落地难的问题。基于上述研究进展,团队在2023年度人工智能领域顶级会议上发表论文30余篇,并将数据、代码、模型开源,促进了国内大模型技术的蓬勃发展。目前,MOSS已经在金融、医疗、教育等领域取得了广泛的应用,成为国内影响力最大的开源大模型之一。团队多项成果已转化落地于华为等头部企业的创新产品中,并于近期和荣耀成立NLP大模型校企联合实验室。


返回原图
/