基于国产化MindSpore深度学习平台，以快捷轻便的皮肤病诊断为研究重点深入挖掘，运用团队所研究的小样本分类、自然语言处理和知识图谱技术，分享了基于MindSpore的轻量级移动平台皮肤病辅助诊断系统。：面向质谱数据处理与管理过程中存在的共性难题，聚焦分子智能识别检测技术，针对高分辨质谱仪器产生的浩瀚数据，分享了如何实现从质谱峰检测、峰对齐、差异分析、分子鉴定、样本智能识别，到数据库自建的完整功

经验不够丰富的维修人员常常需要通过查询相关知识文档及历史维修案例，从中获取相关指导，由于文档和案例数量庞大，人工查找耗时耗力，部署翔迅大模型后，可直接通过文档名称、内容、关键字快速检索到对应的文档，此外，还可直接通过对话问答方式获取相关知识和维修指导，不仅提高了维修人员的工作效率，同时也巩固了维修知识。翔迅科技计划与昇腾+昇思生态紧密合作，在西安昇腾的算力支持下，基于昇思MindSpore AI框

昇思MindSpore2025年一季度总结一、概述2025年第一季度，昇思MindSpore开源社区以技术创新为驱动，持续扩大生态影响力，在框架升级、开发者生态建设、行业应用落地等方面取得显著进展。昇思MindSpore开源社区将于4月12日在杭州举办MindSpore Developer Day 2025。本次会议将发布MindSpore 2.6.0全新版本，展示其端到端全流程支持DeepSee

西安电子科技大学坚持以教育信息化支撑引领教育现代化，利用现代信息技术推动学校环境构建、资源供给、教学模式、评价改革、培训体系、治理服务等方面创新发展，通过“新环境”“新资源”“新教学”“新评价”“新培训”“新治理”等“六新”建设，探索“人工智能+教育”的新模式、新技术、新方法，努力推动学校事业高质量发展。教育数字化是利用信息技术推动教育创新，促进教育结构重组、流程再造、程序重构，转换教育发展的动力

target=https%3A%2F%2Fhuggingface.co%2FQwen%2FQwen2.5-Math-7B-Instruct）下载，并参考Qwen2.5（https://gitee.com/mindspore/mindformers/blob/dev/research/qwen2_5/qwen2_5.md#%E6%A8%A1%E5%9E%8B%E6%9D%83%E9%87%8D%E8

大语言模型在智能交互、语言理解等方面都展现出了强大能力，然而在实际业务场景中，通用的基础语言大模型往往难以满足特定的业务需求。大模型的知识来源受限于其训练数据，目前主流的大模型，如ChatGPT、文心一言、通义千问等，其训练集主要基于网络公开数据。意味着它们往往难以获取实时、非公开或离线数据中的知识，从而限制了模型在某些专业领域的应用。同时大模型可能面临幻觉问题，由于所有AI模型的底层原理都基于数

昇思MindSpore联合香橙派，助力开发者创新AI算法，加速落地应用，未来昇思MindSpore将联合昇腾社区与香橙派，提供更丰富完善的模型案例与课程，欢迎感兴趣的开发者一同参与，基于昇思MindSpore+香橙派AIpro构建昇腾软硬件协同的模型和应用。昇思MindSpore布道师对MindSpore在香橙派开发板上的能力支持做了详细的说明，目前昇思MindSpore AI框架已实现在香橙派A

同时，昇思MindSpore联合伙伴成立了全国首个昇思生态创新中心，通过生态发展、联合创新、技术支持以及人才培养，打造生态赋能的阵地。昇思MindSpore提供了昇思大模型套件（MindSpore Transformers），支持30多个主流大模型，并实现开箱即用，套件集成了微调算法和模型的下游任务，支持一键开发，大幅减少大模型开发时间。本次新版本面向超节点架构进行了创新，提升了训练效率，支持从1

计算图的执行需要支持动态shape以满足推理场景输入输出序列长度以及batch size的动态变化，相比于静态shape的整图下沉，动态shape的计算图执行需要每个iteration在Host侧重新执执行shape推导以及申请显存等操作，为了避免Host成为瓶颈，MindSpore通过Shape推导和显存申请、算子Tiling数据计算以及算子下发三级流水优化，实现Host计算和Device计算的

例如，在知识蒸馏技术落地时，昇腾的异构计算架构支持轻量化模型与大型预训练模型的同步高效运行，结合昇思的自动并行编译能力，使知识迁移效率提升50%以上，确保能源边缘设备在低功耗环境下仍能实现实时推理。而在处理能源领域PB级多模态数据时，昇腾AI硬件与昇思的分布式并行技术深度融合，使模型的数据清洗与特征提取速度提升3倍，为海量数据库理解提供了底层保障。星舟志屹计划与昇腾+昇思生态深度绑定，基于昇思科学