ZD至顶网CIO与应用频道 03月08日 北京消息:2017年3月3日,徐工信息自主研发的国内首个工业物联网大数据平台一次性通过新能源GB/T 32960符合性检测,为徐工信息逐鹿新能源汽车服务领域奠定基础。
新能源GB/T 32960的标准是国家工信部为了落实新能源汽车推广应用安全监管要求所颁布的一项强制性标准,它不仅要求各企业建立新能源汽车企业监管平台,而且还要完成与国家监测平台的对接工作。
本次平台符合性验证,标志着工业物联网大数据平台具备了接入新能源汽车的能力,是其跨行业应用的一次成功实践。自此,徐工信息跨入征战新能源市场的新阶段。
徐工信息自接到徐工汽车新能源车联网建设需求起,在总经理张启亮指导下,迅速成立了专项攻关小组,从新能源车辆基础数据采集、转发、分析、监测各环节进行了层层分解和部署,开始产品设计与开发。面对一个新的陌生领域,团队成员没有因为未知而裹足不前,没有因为遇到困难而徘徊,没有因为试验条件缺失而避重就轻,而是直面问题,大胆创新,群策群力,稳步落实。经过无数个通宵达旦,无数个早起晚归,无数场激烈讨论,最终,众人的智慧全力保障了平台对接检测一次性通过,并且圆满完成符合性测试工作。
日行千里不言其路之遥,夜跃八百不语其道之艰。在总经理张启亮的带领下,徐工信息将继续撸起袖子加油干,不断践行物联网新平台、新模式、新领域、新价值。
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。