新闻详情

新闻详情

首页 / 资讯中心 / 详情

算子筑基,智惠未来|星辰杯高校 AI 算子开发挑战赛走进西安交通大学

发布时间:2026/11/15 3:47:21来源:尧图网络
算子筑基,智惠未来|星辰杯高校 AI 算子开发挑战赛走进西安交通大学
70 万奖金池加持产教交融探索国产算力底座人才培养新路径近日由中电信人工智能科技北京有限公司、华为技术有限公司联合主办AtomGit 社区承办的中国电信星辰杯・高校 AI 算子开发挑战赛校园宣讲会走进西安交通大学。星辰杯赛事运营负责人黄吉城、中电信人工智能科技北京有限公司技术专家瑞玉莅临现场与西交大计算机、电信、自动化、数学等多个院系的学子面对面交流解读算子开发产业价值、详解完整赛事规则分享国产大模型训推落地一线实战经验带来一场聚焦底层算力技术的干货分享会。以赛促学昇腾 NPU 实战练兵挖掘算子开发新生代力量宣讲会上星辰杯赛事运营负责人黄吉城围绕赛事定位、赛道赛题、参赛权益、官方备赛资源展开全面解读。“大模型之上是应用之下是算子再往下是算力底座算子是释放算力、实现自主可控的关键。算子开发不再是少数人的天花板技能而是值得青年开发者提前卡位的实战赛道。”本次星辰杯是面向全国高校在校生搭建在真实昇腾 NPU 硬件之上的 Ascend C 算子开发实战赛事。赛事面向本科、硕士、博士全日制学生开放鼓励2‑3 人跨专业组队计算机、电子、自动化、数学等专业同学均可参与充分发挥交叉学科的能力优势。大赛设置 A/B/C 三大赛道合计 9 道算子赛题各组独立排名互不占用晋级名额。初赛取本组 3 道赛题最优评测分数做算术平均作为总成绩每组前 9 名晋级全国决赛。赛事火热进行至今已有全国百余所高校数百支战队踊跃报名选手提交量持续走高一次次迭代调优充分展现同学们打磨高性能算子的热情。赛事总奖金池高达70 万元奖项名额奖金一等奖1 名20 万元二等奖2 名各 10 万元三等奖5 名各 4 万元优秀奖20 名各 5000 元除丰厚奖金之外获奖团队可优先纳入中国电信与华为联合人才库解锁实习、校招面试直通车绿色通道收获国产算力大模型项目的稀缺实战履历为简历增添硬核项目经历。针对同学们担心上手门槛高的痛点AtomGit 作为承办平台提供完整全链路技术支持。官方开放 CANN 全栈交互式学习中心、一站式 Ascend C 教程文档配套多期技术赋能直播课配套开发调试工具辅助练习帮助零基础同学快速跑通第一个算子。比赛支持不限次数提交系统取周期内最优成绩给到选手充足的试错打磨空间。⏰ 关键时间节点提醒报名截止2026 年 9 月 24 日初赛作品提交截止2026 年 9 月 28 日晋级决赛名单公布2026 年 9 月 30 日产业实战从算子到训推全链路解读国产大模型落地实践中电信人工智能科技北京有限公司技术专家瑞玉带来产业实战主题分享从算子性能优化视角切入结合大模型训推业务真实案例为在场同学拆解国产 AI 落地过程中的技术难点与工程挑战。瑞玉指出大模型业务的性能上限很大程度取决于底层算子的实现质量。在全栈国产化的落地进程中不仅要完成算子功能正确性实现更要兼顾吞吐、时延、显存占用等关键指标算子优化能力直接影响大模型推理效率与训推一致性表现。分享中瑞玉结合中国电信万卡国产昇腾训练集群的实践经验介绍从算子开发、调优验证到上层大模型训练、推理部署的完整链路。同时介绍电信开源大模型生态规划面向智能体长程任务、多模态生成等场景的技术研发方向。鼓励同学们借助本次星辰杯赛事跳出课本理论直面产业真实技术问题在真实硬件上积累异构计算、算子调优的工程经验。写在最后本次西安交通大学校园宣讲既是赛事科普也是国产算力产业和高校青年开发者的深度对话。国产 AI 算力底座的建设离不开一代青年开发者深耕底层算子技术。星辰杯将产业真实技术命题带入校园让同学们在昇腾 NPU 真实硬件上完成算子开发与性能调优以赛促学以练促长。距离报名通道关闭时间已经临近欢迎全国高校同学把握机会报名参赛同台竞技一起奔赴国产 AI 的星辰大海
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 2026/11/15 4:54:16

【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 2026/11/15 2:04:12

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 2026/11/14 10:11:15

【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 ... 2026/11/14 17:14:38

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 2026/11/14 16:35:50

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 2026/11/15 4:06:36

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
📞 ✉