12月27日,阿里云正式发布云原生开源大数据平台EMR 2.0，升级后的开源大数据平台在成本持平的情况下，扩缩容性能最高可提升6倍。阿里云EMR2.0为用户提供了全新的平台、开发、资源形态、分析场景等更优的产品体验，通过EMR Doctor健康检查、全面的服务巡检和事件通知、节点故障补偿等运维能力的升级，预估运维成本可降低20%-30%。

阿里灵杰：与开发者一起推动AI创新落地

12月22日，阿里云举办 “2022 阿里灵杰Al开发者峰会暨英特尔创新大师杯全球AI极客挑战赛颁奖典礼”，本次峰会面向广大AI开发者解读阿里灵杰AI能力全景和开发者服务体系，并通过丰富的场景化演示，呈现全新的AI开发体验。

阿里云DataWorks荣获DAMA中国数据治理优秀产品奖

2022年12月3日，2022 DAMA中国数据管理峰会（线上部分）成功举行，汇聚多位世界级数据大咖分享，阿里云DataWorks凭借全链路数据治理产品体系，丰富的行业客户最佳实践案例，获得“DAMA中国数据治理优秀产品奖”。

PAI-Diffusion 模型来了！阿里云机器学习团队带您徜徉中文艺术海洋

PAI-Diffusion系列模型，包括一系列通用场景和特定场景的文图生成模型。这些模型的Pipeline除了包括标准的Latent Diffusion Model，还集成了PAI团队先前提出了中文CLIP跨模态对齐模型，及图像超分模型，使得模型可以生成符合中文文本描述的、各种场景下的高清大图。本⽂简要介绍PAI-Diffusion模型及其体验方式。

全面支持 PyTorch 2.0：BladeDISC 5 月~11 月新功能发布

BladeDISC上一次更新主要发布了GPU AStitch优化，方法来源于我们发表在ASPLOS 2022上的论文AStitch。这一次，我们发布了0.3.0版本。本次更新中BladeDISC社区全面支持了PyTorch 2.0编译，推进了和Torch-MLIR社区的合作；增加了CPU量化编译和倚天新硬件支持；在编译优化方面BladeDISC社区增加了一系列特性，包括改进了GPU访存密集计算的性能，完成了Shape Constaints IR功能设计和支持。

算法 KECP 被顶会 EMNLP 收录，极少训练数据就能实现机器阅读理解

近日，阿里云机器学习平台PAI与华东师范大学高明教授团队合作在自然语言处理顶级会议EMNLP2022上发表基于Prompt-Tuning的小样本机器阅读理解算法KECP（Knowledge Enhanced Contrastive Prompt-tuning）。KECP是一种面向机器阅读理解的小样本学习算法，采用Prompt-Tuning作为基础学习范式，在仅需要标注极少训练数据的情况下，在给定文章中抽取满足要求的文本作为答案。

Span 抽取和元学习能碰撞出怎样的新火花，小样本实体识别来告诉你！

近日，阿里云机器学习平台PAI与华东师范大学高明教授团队、达摩院机器智能技术NLP团队合作在自然语言处理顶级会议EMNLP2022上发表基于Span和元学习的小样本实体识别算法SpanProto。这是一种面向命名实体识别的小样本学习算法，采用两阶段的训练方法，检测文本中最有可能是命名实体的Span，并且准确判断其实体类型，在仅需要标注极少训练数据的情况下，提升预训练语言模型在命名实体识别任务上的精度。

模型精度再被提升，统一跨任务小样本学习算法 UPT 给出解法！

近日，阿里云机器学习平台PAI与华东师范大学高明教授团队、达摩院机器智能技术NLP团队合作在自然语言处理顶级会议EMNLP2022上发表统一多NLP任务的预训练增强小样本学习算法UPT（Unified Prompt Tuning）。这是一种面向多种NLP任务的小样本学习算法，致力于利用多任务学习和预训练增强技术，在仅需要标注极少训练数据的情况下，提升大规模预训练语言模型在多种场景下的模型精度。