至顶网CIO与应用频道 05月15日 北京消息:2017年5月12日,以“大数据驱动融合共享 供给侧改革助力转型升级”为主题的2017测绘地理信息高端论坛在北京中国测绘创新基地举办。在论坛上,中科宇图科技股份有限公司携手华为企业云举行了地图云和环保云的上线揭牌仪式。地图云和环保云是中科宇图多年来在空间地理信息技术和环境大数据领域积极探索基础之上,与华为企业云共同建设的创新云服务平台。中科宇图科技股份有限公司董事长兼总裁姚新,华为企业云业务部相关负责人等出席了本次上线仪式。
中科宇图地图云和环保云上线仪式
中科宇图致力于构筑“地图大数据”与“大资环”两大业务领域。基于地图云服务,为通信、公安、电力、环保、农业、管网、国土等行业提供地图大数据解决方案。基于环保云服务,建立“精准治霾、系统治水、科学治土”的创新性生态环境监管与防控体系,为用户提供精准、高效的全方位资环业务管理与决策支持服务。
中科宇图科技股份有限公司是华为企业云重要战略合作伙伴,双方携手合作,发挥中科宇图在地图大数据和环境大数据领域的技术和解决方案优势,依托华为企业云的品牌、技术、服务、网络覆盖等方面的优势,将在环保、水利和地理信息等领域打造国内领先的基于云服务模式的行业解决方案,共同拓展市场,有效提升城市管理效率,促进城市产业升级转型。
好文章,需要你的鼓励
这项研究介绍了VisCoder,一个经过专门微调的大语言模型,用于生成可执行的Python可视化代码。研究团队创建了包含20万样本的VisCode-200K数据集,结合了可执行代码示例和多轮修正对话。在PandasPlotBench基准测试中,VisCoder显著优于同等规模的开源模型,甚至在某些方面超越了GPT-4o-mini。研究还引入了自我调试评估模式,证明了反馈驱动学习对提高代码可执行性和视觉准确性的重要性。
这项研究提出了"适应再连续学习"(ACL)框架,一种创新的方法解决预训练模型在连续学习中的稳定性-可塑性困境。通过在学习新任务前先对模型进行适应性调整,ACL使模型既能更好地学习新知识(提高可塑性),又能保留已有知识(维持稳定性)。实验证明,该框架能显著提升各种连续学习方法的性能,为解决人工智能系统中的"灾难性遗忘"问题提供了有效途径。
这篇研究首次关注了CLIP模型文本编码器的对抗鲁棒性问题,提出了LEAF方法(Levenshtein高效对抗性微调)来增强文本编码器的稳健性。实验表明,LEAF显著提高了模型在面对文本扰动时的性能,在AG-News数据集上将对抗准确率从44.5%提升至63.3%。当集成到Stable Diffusion等文本到图像生成模型中时,LEAF显著提高了对抗噪声下的生成质量;在多模态检索任务中,它平均提高了10个百分点的召回率。此外,LEAF还增强了模型的可解释性,使文本嵌入的反演更加准确。
BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台,整合了38个基准中的30万个问题,按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差,而BenchHub通过自动分类系统和用户友好界面,让用户能根据特定需求筛选评估数据。实验证明模型在不同领域的排名差异巨大,强调了定制化评估的重要性。该平台支持多语言扩展和领域特化,为研究人员和开发者提供了灵活评估大语言模型的强大工具。