至顶网CIO与应用频道 05月05日 北京消息:近日,在新疆自治区人民政府主办、阿勒泰地区行署与华为公司承办的“新疆自治区信息化现场会”上举办了“华为阿勒泰专属云”上线仪式,推进新疆自治区信息化建设。新疆自治区经信委副主任苏国平,阿勒泰地委书记张岩,克拉玛依市委副书记、市长张红彦,克拉玛依市委副秘书长、信息化管理局局长曾颖,各地州市信息化分管领导,华为企业云相关负责人以及华为企业云生态合作伙伴等出席了现场会。
阿勒泰地区位于新疆北部,西北与哈萨克斯坦、俄罗斯相连,东北与蒙古国接壤,是一座风景优美的著名城市。近年来,阿勒泰地区大力发展信息化,建设智慧城市,此次上线的“华为阿勒泰专属云”,将充分发挥“天山云”华为新疆(克拉玛依)云数据中心高质量、高安全、规模高效的云计算资源优势,为阿勒泰地区打造专属云资源池,通过专线网络面向阿勒泰地区提供云计算基础设施服务。“华为阿勒泰专属云”作为阿勒泰智慧城市基础平台,已支撑阿勒泰在短时间内完成智慧城市首期应用上线,当前正在支撑阿勒泰智慧城市二期应用上线,提升了阿勒泰整体信息化水平,加速了智慧城市建设。
此次“华为阿勒泰专属云”上线,是2016年8月华为公司与新疆自治区人民政府签署的战略合作协议的重要成果体现。未来,华为公司将携手阿勒泰继续发挥先行先试和示范带动作用,构筑立体化的智慧城市应用,打造全国云计算应用新标杆,同时面向全疆各地州市推广阿勒泰专属云模式,深入践行“天山云”计划,推动全疆信息化建设工作跨越式发展。
阿勒泰地委书记张岩表示,得益于自治区经信委的大力指导,克拉玛依市的大力帮助和支持,以及华为公司的专业服务,阿勒泰地区与“天山云”华为新疆(克拉玛依)云服务数据中心开展深入合作,按照 “上云为常态,不上云为例外”的信息化建设原则,不断推进地区各行业领域信息化建设。目前,地区政务、教育、社区、城市管理、旅游、电子商务等一批基于云服务的应用上线使用。通过云服务的模式缩短了建设周期,节约了建设成本,目前取得阶段性的建设成果,有力的支撑了地区的发展。未来,阿勒泰将与华为公司继续探索推动云计算、大数据在各个领域的广泛应用。
克拉玛依市委副秘书长、信息化管理局局长曾颖对华为阿勒泰专属云上线表示热烈祝贺,华为阿勒泰专属云上线是自治区信息化和“天山云”的重大标志性事件,克拉玛依将以此次现场会为契机,举全市之力,按照自治区的要求不断推进云计算和大数据产业的发展,希望在我们共同的努力下,使“天山云”舞动在新疆、全国乃至世界的天空。
华为企业云相关负责人表示,华为阿勒泰专属云上线,打造全国首个区域信息化共享共建样板点,标志着华为公司同阿勒泰地区在云计算合作上掀开了新篇章。华为将充分利用自身在云计算领域的技术服务积累和行业影响力,联合全国产业生态合作伙伴,为阿勒泰智慧城市各领域提供一站式SaaS应用服务,助力阿勒泰成为全国云计算应用新示范,进而带动阿勒泰产业结构转型升级和社会经济的跨越式发展。
此次华为阿勒泰专属云上线,是双方云计算合作成功之路的重要里程碑。未来,双方将携手众多产业生态合作伙伴并肩前行,共同推进阿勒泰信息化建设迈入新征程。
好文章,需要你的鼓励
这篇研究论文介绍了"Speechless",一种创新方法,可以在不使用实际语音数据的情况下训练语音指令模型,特别适用于越南语等低资源语言。研究团队通过将文本指令转换为语义表示,绕过了对高质量文本转语音(TTS)系统的依赖。该方法分三个阶段:首先训练量化器将语音转为语义标记;然后训练Speechless模型将文本转为这些标记;最后用生成的合成数据微调大型语言模型。实验表明,该方法在越南语ASR任务中表现出色,为低资源语言的语音助手开发提供了经济高效的解决方案。
《Transformer Copilot》论文提出了一种革命性的大语言模型微调框架,通过系统记录和利用模型训练过程中的"错误日志"来提升推理性能。研究团队受人类学习者记录和反思错误的启发,设计了一个"副驾驶"模型来辅助原始"驾驶员"模型,通过学习错误模式并在推理时校正输出。这一方法在12个基准测试上使模型性能提升高达34.5%,同时保持计算开销最小,展现了强大的可扩展性和可迁移性,为大语言模型的优化提供了全新思路。
德克萨斯大学Austin分校的研究团队提出了RIPT-VLA,一种创新的视觉-语言-动作模型后训练范式。该方法通过让AI模型与环境互动并仅接收简单的成功/失败反馈来学习,无需复杂的奖励函数或价值模型。实验证明,RIPT-VLA能显著提升现有模型性能,在轻量级QueST模型上平均提升21.2%,将大型OpenVLA-OFT模型推至97.5%的前所未有成功率。最令人惊叹的是,仅用一个示范样本,它就能将几乎不可用的模型在15次迭代内从4%提升至97%的成功率,展现出卓越的数据效率和适应能力。
北京大学与华为诺亚方舟实验室研究团队共同开发了TIME基准,这是首个专为评估大语言模型在真实世界场景中的时间推理能力而设计的多层级基准。该研究提出了三个层级的时间推理框架,包含11个细粒度任务,并构建了涵盖38,522个问答对的数据集,针对知识密集型信息、快速变化的事件动态和社交互动中的复杂时间依赖性三大现实挑战。实验结果表明,即使是先进模型在构建时间线和理解复杂时间关系方面仍面临显著挑战,而测试时扩展技术可明显提升时间逻辑推理能力。