昨日,在2018华为分析师大会(HAS2018)期间,华为云BU总裁郑叶来在云专场发布《华为区块链白皮书》。该白皮书系统的介绍了区块链的兴起、核心技术及原理机制、国内外产业发展现状和典型应用场景,总结了华为历年来在区块链上的研究成果,对华为云区块链服务BCS进行了详细介绍。《华为区块链白皮书》的发布,对加快区块链技术的快速落地,推动行业数字化转型,有着积极的助力作用。
华为云BU总裁郑叶来
提早布局“超级账本” 积极贡献技术推广落地
其实,华为在区块链领域早有布局,早在2016年,华为就开始积极参与Linux基金会下的Hyperledger(又称“超级账本”)项目,该项目是区块链技术领域最具影响力的开源项目,并在两个热度最高的子项目Fabric和STL中持续做出技术和代码贡献,同时被社区授予Maintainer职位,也是两个项目中唯一来自亚洲的Maintainer。
在Hyperledger的Fabric项目中,华为对Chaincode升级等多项功能特性进行了开发和修改,获得社区一致认可并予以采纳。Hyperledger成立中国区技术工作组,华为获得工作组主席职位,并帮助促进全球Hyperledger社区与中国本地技术团队之间的合作,为区块链开源社区在中国的发展和技术推广做出积极贡献。
专注行业数字化转型,推动构建产业生态
区块链具有技术去中心化、不可篡改和可追溯的特点,让参与者与主体之间建立更强的信任。这种特点与企业应用、行业场景相结合才能真正产生价值,是一种技术生态。白皮书指出,华为云区块链服务可用于数据应用、IoT、金融等领域,具体场景如:数据交易、身份认证、房产/学历等信息证明、远程医疗、食品溯源、车联网、IoT设备管理、精准扶贫、供应链金融等,可以很好的跟行业场景相结合,助力构建技术生态与行业数字化转型。
目前,华为云区块链服务主要专注4大类9小类应用场景,包括数据资产、IoT、运营商和金融领域等,如:身份认证、数据存证/交易,新能源、公益捐赠、普惠金融等。
华为云BCS助力企业5分钟完成区块链部署
目前,行业企业都在对区块链技术进行积极探索。然而,企业在云环境下部署区块链并非易事,需要开发者对于区块链技术有深度认知,并且部署费工耗时。
华为云已上线的区块链服务BCS(Blockchain Service),是基于开源区块链技术和华为在分布式并行计算、数据管理、安全加密等核心技术领域的多年积累基础上,推出的企业级区块链云服务产品,是一种开放易用、灵活高效的通用型基础服务。BCS聚焦于区块链云技术平台建设,帮助行业企业在华为云上快速、高效的搭建企业级区块链行业方案和应用,帮助企业快人一步推出新型解决方案,推动区块链应用场景快速落地。
华为云BCS基于华为云领先的云原生技术(如容器等)搭建,可最快5分钟完成区块链部署,同时提供多种安全、高效共识算法,性能高达2000TPS- 10KTPS。基于华为云全栈安全能力,BCS服务通过分层加密、国密支持、同态加密和零知识证明等安全技术,全面保护区块链系统的账户、节点、账本和数据,确保用户和交易信息安全。
聚焦典型应用 构建“三位一体”区块链架构
华为聚焦典型应用领域,以华为云区块链服务BCS为核心,联合网络和终端(含芯片),打造“云服务+网络+芯片/终端”,三位一体的区块链框架,实现软件+硬件结合提供更快、更安全的区块链端到端的解决方案,为构建端到端的可信社会体系而服务。
华为云专注做链圈的使能者,致力于通过区块链技术,帮助企业解决数据流转过程中的可信性难题,携手企业共建可信社会。白皮书同时指出,华为云不会参与任何虚拟货币的相关服务。
华为云区块链白皮书下载链接: https://static.huaweicloud.com/upload/files/pdf/20180411/20180411144924_27164.pdf
华为云区块链服务BCS现在免费开放公测中,欢迎体验:https://www.huaweicloud.com/product/bcs.html
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。