ZD至顶网CIO与应用频道 04月27日 北京消息:“以前我们上门抄电表,一个月记录一次。现在我们直接从电力系统采集数据,15秒记录一次。以前一个月的数据只有一张纸那么大,现在一个月的数据2000G硬盘都存不下。都说互联网大数据增长快,我们电力系统大数据才真的是‘疯长’。”这是普元信息副总裁王克强在2016中国(盐城)大数据企业大会上转述的一位国家电网河南电力信息采集员的故事。
随着物联网和移动互联网数据接入,数据规模迅速扩大。海量、动态、多样的大数据不仅出现在互联网、电商等新兴领域,公共服务领域同样面临着巨大挑战。大数据时代,如何推进社会治理与政府职能转型,提升政府治理和公共服务能力和水平,成为一个全新的课题。
政务大数据模式复杂 五大核心需求是关键
4月16日,由工信部、江苏省政府指导,中国电子信息产业发展研究院、江苏省经信委和盐城市政府联合举办的2016中国大数据企业大会在江苏盐城召开。此次大会邀请到了来自普元、华为、小米、惠普、微软等国内外知名企业的IT专家,以及工信部、北京大学、清华大学等机构的领导与学者近千人参会。普元信息副总裁王克强受邀发表了《政务数据平台建设探讨》主题演讲。
王克强深入剖析了大数据,特别是政务大数据的特点。他指出,政府大数据与互联网大数据建设完全不同,互联网大数据以弱关联海量数据为主,而政务大数据关联性较强,涉及人、物、事领域更广。因此,政务大数据建设难以照搬互联网模式。
普元基于对DT时代大数据的深入研究,总结出政务大数据五大核心需求:海量数据存储、数据共享交换、政务数据治理、数据开放运营和数据融合应用。
王克强指出政务大数据五大核心需求
普元政务大数据平台满足核心需求
王克强强调,政务大数据建设需要时刻关注这五大核心需求,可通过建设政务大数据平台来满足。他介绍道,普元政务大数据平台依托五大核心进行设计与构建,可以在解决五大需求的基础上,充分挖掘数据价值,提升政府大数据技术服务能力。普元通过促进大数据与各行业应用的深度融合,以应用带动大数据技术和产品研发,形成面向各行业的成熟大数据解决方案,最终为政府治理提供更有效的决策支持和运营服务。
王克强的精彩演讲得到了现场嘉宾的高度认同。会后,有多位嘉宾就普元政务大数据平台向王克强进行了咨询。
据了解,普元政务大数据平台拥有大数据治理平台、大数据应用平台、大数据共享交换平台、大数据存储与处理平台、大数据运营平台等一系列产品,以及独有的数据标准共享规范与数据安全管理体系。现已经为公安部、外交部、民政部、海关总署等100余个国家、省市部委办提供技术支撑平台与大数据服务。普元政务大数据布局已现雏形。
立足大数据 普元数字化企业云平台研发全面开放
普元大数据产品不仅能够提供安全可靠、共享开放融合的政务大数据解决方案,还能够在金融、通信、能源、军工等领域全方位满足企业用户的深层需求。
同时,普元针对企业级用户的新一代数字化企业云平台已投入研发。该平台的上线将更好地满足中国政府、企业用户的数字化转型需求,帮助他们提升核心竞争力、实现业务创新。
研发过程中,普元将全面公开研发文档与技术细节,并鼓励有志开发者加入到数字化企业云平台的研发中。专注于企业架构与业务创新领域的研究机构——“EAII企业架构创新研究院”,将跟踪该平台研发和技术公开的全过程,并邀请每一位开发者共同讨论,见证数字化企业云平台的诞生。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。