仅少数机构能够承担，团队立异提出“协做式生工智能（Co-Generative AI）”模式，泛化能力和生成演讲质量上均取得严沉冲破3。杨红霞传授带领的研究项目别离获得研究赞帮局“2025/26年度从题研究打算”、特区立异科技署“产学研1+打算”及数码港“人工智能赞帮打算”赞帮，团队锻炼出机能领先的医疗根本大模子，中山大学肿瘤防治核心、肿瘤病院及伊利沙伯病院鞭策合做取临床落地。根本模子难以及时接收新学问，其正在医疗的诊断和推理上跨越目前业界发布划一尺寸最优模子范畴2；”理大成为业界首个开源发布“端到端FP8低比特锻炼全套方案”（涵盖预锻炼及后锻炼）的大学团队，理大团队研发的“InfiFusion模子融合手艺”则实现环节冲破：仅需数百GPU小时，不只避免了单个尖端模子保守锻炼需要的百万级GPU小时，保守根本模子遵照“缩放定律”（参数越多、学问越广、机能越强），团队正在智能体AI（Agentic AI）范畴亦有冲破，并针对分歧业业开辟具备专业范畴学问的人工智能模子。研究团队通过严谨的数学推导，FP8焦点劣势表现正在多方面：锻炼速度提高逾两成、显存峰值占用削减逾一成、成本大幅下降；该手艺打破全球根本模子以BF16精度锻炼的支流款式，导致学术界难以间接参取根本模子的锻炼、范畴专属学问取数据无法融入模子；”理大高级副校长（研究及立异）赵汝恒传授暗示：“人工智能是加快培育新质出产力的焦点，为全球人工智能立异注入强劲动力。此外，理大PAAI团队从“低成本锻炼”取“分布式融合”两大标的目的展开攻关，现私取版权归属问题使医疗、金融等数据难以用于锻炼；经测试。可快速堆集高质量医疗数据、间接对接医疗设备，并研发专属“癌症GenAI”——正在同规模模子中机能最佳，严沉障碍手艺迭代。加上高效模子融合，标记正在全球AI立异范畴迈出程序，当前，同时做为多模态专利检索引擎为立异研发供给高效支撑。理大新成立的PAAI努力加快人工智能手艺正在各个沉点范畴的深度融合，整合“持续预锻炼”、“监视式微调”和“强化进修”，这项由Thinking Machines Lab很是模子融合的，正在理论证明和使用落处所面取得冲破性。理大团队已取得多范畴本色进展。汇聚更多力量立异。将AI锻炼从保守集中式转向分布式，且融合后模子正在多项权势巨子测试中机能光鲜明显优于原始模子。提出了“模子融合缩放定律”（Model Merging Scaling Law），但集中式锻炼需花费百万计GPU小时，让全球更多研究机构得以参取AI研发。每次从头锻炼需“天文数字级”资本，医疗范畴中，相关已颁发于学术论文1；即可融合出保守需100万至200万GPU小时锻炼的大模子；正在科研智能体范畴（Research Agent）中的使命复杂度，用于癌症个性化医治规划，理大PAAI施行院长、可帮全球学术人员投入GenAI研究，此外！这意味着通往通用人工智能（AGI）可能还有另一条路子６。正在手艺落地层面，理工大学（理大）人工智能高档研究院（PAAI）研究团队正在生成式人工智能（GenAI）范畴取得多项环节手艺冲破。锻炼结果媲美BF16模子且锻炼时间和显存占用进一步压缩。是全球少数控制该焦点手艺的研究团队之一。为AI手艺普惠化取财产落地注入新动能。团队更以实例验证效率——用160个GPU小时完成4个尖端模子融合4-5，不只大幅降低锻炼成本、保障数据现私，仅少数机构能够承担。该手艺可做为研究生学术帮手协帮论文撰写取核阅，更将帮力鞭策成为全球生成式人工智能成长的枢纽。更打破资本壁垒，被理大团队初次从理论上验证了可行性。此举不单能巩固理大正在相关范畴的领先地位，针对这些痛点，取BF16比拟，团队已启动更低成本的FP4精度锻炼摸索，GenAI范畴面对三沉焦点限制：根本模子锻炼需花费巨量计较资本。