ZD至顶网CIO与应用频道 01月12日 评论消息:如今,中国经济进入新常态,促使企业不得不加快数字化的转型速度。从传统制造业来看,向智能制造的转型是所有企业的主攻方向。但在转型过程中存在了很多问题,其中较为明显的一个就是投入过大,增加了成本负担,导致许多企业犹豫不决。所以我认为未来中国制造业转型的趋势,一定是在一些关键的生产单元、生产线等方面的改造、重建,通过智能制造来解决企业最棘手的问题。
江苏徐工信息技术股份有限公司总经理 张启亮
我们看到在近几年数字化转型中,很多领域已初见成效。例如工程机械领域,通过大数据、云计算和物联网等技术的支撑,正努力向服务型制造业的转变,并已经呈现出包括金融租赁、二手车交易、备件的销售、电子商务以及以总包模式售卖设备,几大方面的特征趋势。
传统制造业和互联网行业进行的双向渗透,成为了中国制造业转型升级的重要特征。从传统企业角度来看,互联网的本质是业务在线化和数据化。制造企业需要有大数据的分析来辅助其决策,这是一个趋势。
数据是灵魂。针对大部分的制造企业,除了企业运营和管理的数据以外,至关重要的数据实际上主要来源于设备端。在整个转型过程中,类似生产过程的自动化并不能实现真正的智能化。真正作为“饲料”推动企业转型的,是将信息和硬件紧密的结合在一起。
通过将所有设备安装上传感器和定位系统,接着再透过从设备上传来的数据,即可分析出每一个配件的生命周期。这样利用信息化手段挖掘隐藏在背后数据的显性特征,从而帮助管理者分析出下一步的实施步骤,为企业带来价值。
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。