高校学子和行业精英如何“玩转”AI大模型数据生成？来看看这场天池大赛

　　9月6日,“天池 Better Synth-多模态大模型数据合成挑战赛”(以下简称“大赛”)在京圆满落下帷幕。这场由阿里云、NVIDIA联合主办的AI盛事,自启动以来便吸引了来自全国各地的顶尖高校、科研机构及科技企业的积极参与。经过数月的激烈角逐,10支队伍脱颖而出,斩获荣誉奖项。来自阿里巴巴通义实验室、NVIDIA、中国人民大学、华东师范大学等企业和高校的技术专家担任决赛评委,共同见证大赛成果的诞生。

　　近年来,随着大模型技术的加速发展,人工智能的底层技术架构持续迭代。在AI发展的初期,人们更多地聚焦于模型算法的创新与优化,然而,随着技术的不断成熟,数据的质量和治理情况逐渐成为决定AI性能的关键因素。据中科院声学所的张博士研究指出,在实际工程应用中,AI系统落地效果的好坏,仅有20%取决于算法本身,而其余80%则依赖于数据的质量。

　　对于多模态大模型的训练而言,其对数据的海量需求与网络数据资源的有限性之间的矛盾日益凸显。如何在有限计算资源下,借助已有的大模型技术,高效高质地合成训练数据,成为了产业界和学术界共同面临的挑战。在此背景下,“天池Better Synth-多模态大模型数据合成挑战赛”应运而生,作为Data-Juicer for LLMs系列赛的第四场比赛,旨在汇聚各方智慧,探索数据合成的新方法与新策略,共同推动多模态大模型技术的创新发展。

　　本次大赛周期2个月,采用线上初赛与线下决赛相结合的“赛训一体”模式。晋级队伍不仅有机会与来自阿里巴巴通义实验室、NVIDIA等顶尖团队的技术专家面对面交流学习,还能在主办方统一提供的设备上进行研发与调试,确保比赛的公平性与高效性。

　　大赛统一使用阿里巴巴通义实验室一站式大模型数据处理系统Data-Juicer,该系统可为参赛者提供了系统化、可复用的数据处理与生成工具,极大地提高了数据合成的效率与质量。同时,NVIDIA发布的综合性模型优化库TensorRT-Model-Optimizer等工具和FP8训练框架的加入,更是让模型训练和推理过程如虎添翼。

　　自2024年8月启动以来,大赛共吸引来自清华大学、北京大学、复旦大学、度小满等国内顶尖高校、科研机构和企业的1066支队伍参赛。其中既有人工智能相关专业的专科团队,也有深耕技术的行业老兵。经过层层筛选,最终有10支队伍脱颖而出,决战AI之巅。

　　比赛中也涌现出诸多创新方案。例如VLM队针对比赛基模特点,使用了SSIM来衡量合成数据的学习难易程度,能够使模型在小数据量下学习更好;而dxm小分队则使用了最前沿的Image Textualization技术来尝试从合成数据中改写并消除图文内容不对齐的幻觉,进一步提升模型的模态间对齐能力。

　　“天池Better Synth-多模态大模型数据合成挑战赛”正式收官,为参赛选手带来了宝贵的实战经验和交流机会,也为多元智慧的碰撞提供了平台,涌现出了更多数据合成的“解题思路”。随着技术不断发展,期待各方进一步构建“数据驱动的人工智能”的新高地,激发科研生态、助力产业落地,引领多模态大模型的创新发展。