新闻详情

新闻详情

首页 / 资讯中心 / 详情

英国政府拨款6000万英镑,支持牛津大学与UCL建立AI实验室

发布时间:2026/10/26 18:57:37来源:尧图网络
英国政府拨款6000万英镑,支持牛津大学与UCL建立AI实验室
英国政府向牛津大学和伦敦大学学院UCL提供6000万英镑资金用于支持两所高校建立实验室专注于开发下一代人工智能技术。该项目由英国研究与创新署UKRI提供支持两所实验室将探索AI基础层面的变革旨在降低技术成本、提升整体性能从而让更多机构能够使用人工智能。资金由UKRI旗下的工程与自然科学研究委员会EPSRC拨出将在未来六年内为两所实验室提供持续支持同时配套提供价值数千万英镑的大规模算力资源即用于运行和训练AI模型所需的计算能力。UKRI AI项目高级负责人、EPSRC执行主席夏洛特·迪恩Charlotte Deane表示这些实验室将充分发挥英国的既有优势支持那些大胆且具有高回报潜力的想法推动AI未来发展。我们期待与实验室携手合作为英国创造最大化的收益。由UCL牵头的基础AI研究科学实验室SoFair与剑桥大学、牛津大学和爱丁堡大学共同合作致力于开发下一代开源AI技术以提升技术的可及性。该实验室的目标是拓展并多元化AI运行所依赖的底层技术与系统架构以替代当前AI高度依赖少数主流架构、依靠海量数据训练和庞大算力支撑的发展模式。UCL项目负责人、大卫·巴伯David Barber教授表示SoFair将汇聚多学科力量与创新思路打造新一代开源模型从而减少对少数模型提供商的依赖增强英国在AI领域的自主能力巩固其全球领先地位。牛津大学工程科学系承办的英国开放式学习与发现实验室Bold则专注于开发开放、以人为本、资源高效的AI系统使其能够在现实场景中安全、有效地运行。研究人员希望将科研成果转化为可在职场、基础设施和公共服务中实际应用的工具推动AI在整个经济体系中的广泛落地。牛津大学副教授雅各布·弗尔斯特Jakob Foerster表示英国不能仅靠砸钱与大型科技公司在数据和算力上正面竞争。Bold走的是一条不同的路发现构建AI的全新基础方法使其更高效、更开放也更贴近人类需求。专注于探索学习的新范式而非一味扩展现有方法我们希望以此保障英国在AI领域的自主能力并确保学术研究能够真正影响这一领域的未来走向。对于此次资金支持英国AI事务部长卡尼什卡·纳拉扬Kanishka Narayan表示这些新实验室将在基础研究层面引领全球推动AI变得更便宜、更实用、更易于普及让英国更多的企业和公共服务机构从中获益。通过依托世界顶尖大学在本土构建这一能力我们正在强化自身专业实力减少对外部的依赖确保英国在这一技术浪潮中始终处于前沿位置。QAQ1SoFair实验室的主要研究目标是什么ASoFair实验室由UCL牵头联合剑桥、牛津和爱丁堡大学共同参与核心目标是开发下一代开源AI技术。它致力于拓展AI底层技术架构的多样性打破当前AI高度依赖少数主流架构、需要海量数据与庞大算力的现状从而降低技术门槛减少对少数模型提供商的依赖提升英国在AI领域的自主能力。Q2Bold实验室和SoFair实验室有什么区别A两个实验室研究侧重点不同。SoFair由UCL主导聚焦于开发多元化的开源AI底层架构目标是提升技术可及性Bold由牛津大学主导专注于开发以人为本、资源高效的AI系统目标是将研究成果落地为可在职场、基础设施和公共服务中实际使用的工具推动AI在经济领域的广泛应用。Q3英国政府为这两所AI实验室提供了哪些支持A英国政府通过UKRI旗下的EPSRC为牛津大学和UCL的两所AI实验室提供共计6000万英镑的资金支持资助周期为六年。除资金外实验室还将获得价值数千万英镑的大规模算力资源用于运行和训练AI模型为基础AI研究提供必要的计算基础设施保障。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/10/25 3:20:41

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/10/25 3:43:49

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/10/26 12:48:02

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/10/26 10:03:11

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/10/25 3:54:32

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/10/25 5:32:24

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉