最新 MLPerf 基准表明：AI 的训练速度比去年提升了几乎两倍

6月29日，开放工程联盟 MLCommons 发布了 MLPerf 基准的最新训练结果，发现今年机器学习系统的训练速度几乎是去年的两倍，超越了摩尔定律（每18-24个月翻一倍）。

MLPerf 由八个基准测试组成：图像识别、医学影像分割、两个版本的对象检测、语音识别、自然语言处理、推荐和强化学习。在这八个基准测试中，英伟达的加速器都拔得头筹，表现优异。

MLPerf Training v2.0 结果包括来自 21 个不同提交者的 250 多个性能结果，包括 Azure、百度、戴尔、富士通、技嘉、谷歌、Graphcore、HPE、浪潮、英特尔-HabanaLabs、联想、Nettrix、NVIDIA、三星和 Supermicro等等。（IEEE Spectrum）

宋舒然获得机器人顶会 RSS 2022 公布最佳论文奖

机器人顶会 RSS（Robotics: Science and Systems） 于 6 月 27 日至 7 月 1 日在纽约召开，并公布了最佳论文、最佳系统论文、最佳学生论文等全部奖项。

其中，目前任职于哥伦比亚大学的中国学者宋舒然与团队获得 RSS 2022 最佳论文奖，获奖工作是“Iterative Residual Policy for Goal-Conditioned Manipulation of Deformable Objects”。宋舒然是机器人研究领域的知名青年学者，曾获得多项会议最佳论文奖，并获得2022年素有“诺贝尔风向标”之称的斯隆研究奖。

此前，AI科技评论曾对宋舒然博士进行专访，链接如下：

谷歌提出新的语言模型 Mineva 来解决定量推理问题

最近，谷歌研究院提出了一个能够用逐步推理来解决数学和科学问题的语言模型——Mineva。

据团队介绍，目前语言模型在定量推理问题（即结合数学和信息来解决现实世界问题）中的性能仍远远低于人类，而他们通过收集与定量推理问题相关的训练数据、大规模训练模型和采用先进的推理技术，实现了 AI 模型在定量推理任务上的显著进步。

在技术架构上，Mineva基于谷歌在几个月前提出的 PaLM 架构。训练中，对 arXiv 上 118G 的科学论文数据集和包含 LaTex 数学表达的网页进行了训练。研究表明，Mineva在高中数学竞赛水平题库 MATH、大学水平的 STEM 任务上都取得了不错的表现。

英国学者联合发布因果机器学习百页调查报告

最近，英国牛津大学与伦敦大学学院（UCL）的学者联合发布了一份因果机器学习方向的调查综述，长达165页。因果机器学习主要研究如何将数据生成过程转换为结构因果模型（SCM），可以让人们推断这一过程的变化（即干预）的影响，以及事后会发生的事情（即反事实）。

这篇综述讨论了因果机器学习的五大方向：因果监督学习、因果生成建模、因果解释、因果公平与因果强化学习。

消息链接：

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

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

更多内容，点击下方关注：