ZD至顶网CIO与应用频道 11月04日 北京消息:根据Gartner报告预测,2016年全球手机市场整体出货量为15亿部,其中智能手机市场将增长4.5%。对移动智能手机来说,移动应用是至关重要的,未来将成为企业IT的必需品。上海智衍信息技术有限公司副总经理田文育认为,从管理的角度来讲,随着移动应用的增加,IT业务部门面临的挑战除了移动终端种类多以外,还有安卓环境的碎片化问题。
移动化管理的四大挑战
企业移动化是人们追求已久的一个目标,目前也取得了一些成果。在田文育看来,企业移动化管理面临如下四方面的挑战:首先是交付,随着企业移动终端设备数量的增多,企业如何快速部署?应用APP如何快速分发;面对安卓系统的碎片化问题,IT部门如何进行兼容性的管理。二是安全,移动终端设备(手机、平板)给企业带来的好处是显而易见的,像银行已经开始用移动终端做移动开卡、移动信贷等业务。物流行业通过移动终端设备做派单、派送,收单等业务。但是便利的同时也存在安全的隐患,移动终端设备丢失怎么办?怎样预防员工在工作时间通过移动终端设备去看电影,上社交网站?业务数据如何保证安全性?访问的安全如何保障?三是管理,企业移动终端设备分发在各地,设备资产如何管理?企业流量如何管理?四是服务,如果移动终端设备不在办公区域,怎么去做支持服务、自助服务?
EMM正在快速普及
在移动化管理的起始阶段,移动化管理是针对移动设备进行管理,如USB,蓝牙等,在市场上被称之MDM。而现在随着移动应用的快速发展,企业移动化管理需求已发生改变,管理的重点不再是设备,而是转向全方面的应用管理,在市场上被称作为EMM。在田文育看来,两者最大区别在于,设备管理(MDM)偏向于对IO的管理、移动特性硬件的管控、设备状态的监控、统一化的管理。而企业移动管理(EMM)更加强调应用的管理,应用的接入、数据的安全、统一的入口以及BYOD的模式管理。
应用管理最关键
根据面向的用户不同,移动应用可以分为B2C类应用、B2E类应用及B2B类应用。田文育认为,对于企业移动管理来说比较重要的部件是企业移动应用商店,消费者从互联网平台上下载移动应用到设备中会存在安全隐患。首先应用APP的业务流程涉及到保密,其次互联网发布平台会窃取用户信息,作为企业来说安全永远是第一位的。所以越来越多的企业自建企业应用商店,企业员工及合作伙伴从企业自建的应用商店里下载APP,保证了企业及用户的信息安全。企业自建的应用商店实现对移动应用的上传、审核、发布、下载、管理、下线的全生命周期管理,满足企业针对移动应用的不同需求。
对于企业来说,在移动化建设时如何抓住核心简化建设过程至关重要,以平台化作为思路的同时,还要考虑到把企业的移动管理作为企业移动的统一平台入口,要做到以下四点:一是单点登陆;二是通过统一入口获得更多授权;三是遵守企业的安全准则和行为规范;四是在移动接入过程中提供公共组建,如沙箱,推送平台等。
而资生堂、上海农商行、华夏银行、上海通用汽车、友邦保险等企业的移动化成功转型,均是部署智衍信息的ZIYA企业移动管理平台。据悉,ZIYA企业移动管理平台是针对目前企业移动应用的发展而提出的关于企业移动管理的解决方案。通过ZIYA企业移动管理系统,企业可以根据自身的需求,集中管理、保护和配置移动数据、应用程序和终端设备。经过多年的实践和沉淀ZIYA企业移动管理平台在上百家企业应用,产品形成了标准化。按照不同规模的用户需求,形成不同的产品体系。ZIYA标准版,针对大中型客户,提供分布式部署软件和部分定制服务。ZBOX,针对中小型客户,提供标准硬件。ZIYA Cloud,针对小微型客户,提供云平台。我们相信ZIYA企业移动管理平台是帮助企业实现移动化管理的最好产品。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。