至顶网CIO与应用频道 05月22日 北京消息:2017年5月18日,“西南云海,数聚酒城”暨华为中国ICT生态之行2017泸州站隆重召开。大会分享了行业云、大数据发展和智慧城市建设的经验,围绕智慧医疗、大数据产业生态,共同探讨了大数据产业的新思路、行业融合和优势互补发展的新模式以及云时代的转型机遇和挑战等热点问题。泸州市副市长陈日、副市长付小平,华为公司企业云业务部相关负责人和专家,以及来自全国各地的近三十家企业高层代表共同参加了本次盛会。
大会发言
在论坛上,泸州大数据及服务外包产业示范基地也举行了业务开通仪式,标志着华唐集团泸州分公司一期500坐席的云呼叫中心正式投入运营,华唐集团将依托华为云平台建设云呼叫中心。
启动仪式
此外,本次会议期间,高端医疗设备和医疗信息化解决方案提供者联影科技、全球精准医学领导者药明康德子公司明码生物科技、数字环保领域的引领者中科宇图科技股份有限公司、专注于呼叫中心人力资源全套解决方案的华唐教育集团、致力于数字城市和智慧城市整体解决方案的广州都市圈、智慧安全专家深圳市奔凯安全技术有限公司、利用信息网络经营游戏产品的北京云族佳科技有限公司等十余家企业高层参加座谈,共同探讨云产业发展的新机遇。
座谈
华为企业云生态合作伙伴在座谈会上介绍了各自企业情况,并提出基于华为云平台与泸州开展合作的解决方案,经过互动交流,合作伙伴对泸州有更加深入的了解,后续将陆续开展更多层次对接。合作伙伴还考察了位于泸州高新区的大数据产业园、华为四川大数据中心,实地了解产业发展情况及规划布局。
自2016年5月18日,华为泸州“政务云”上线以来,泸州市已经完成70余家单位近200个信息系统向泸州政务云平台迁移,依托华为云平台,建设了市级人口健康平台、数字城管、两车卫士、长江物流云等政务系统,同时,数据资源管理平台、白酒大数据等大数据应用陆续建设完成。通过政务云平台的建设,实现了泸州市智慧城市信息化系统的集中建设、数据的集中存储,为下阶段各委办局的业务协同、数据共享奠定了基础。
泸州市副市长陈日表示将大力发展新兴产业,既顺应供给侧结构性改革国家政策,也是实现泸州发展“弯道超车”的关键一环。泸州要以华为云平台为依托,围绕四个中心,大力引进下游企业,建设一个可视化,可落地,具象概念的云服务产业园区,并推动泸州成为川滇黔渝结合部云计算、大数据人才、数据资源、行业资本、企事业单位汇聚的区域枢纽和智慧信息中心。并将园区技术应用到泸州各行各业中,打造泸州样板,打造城市对外展示窗口,进一步推动下游企业来泸州考察参观、发展落地,促进云计算大数据产业园取得实质性发展
华为企业云相关负责人表示,泸州市区位、资源、人文和生态等优势突出,近年来发展成效显著,华为企业云已经在中国构建了一张覆盖国家-省-地市三级的云服务网络。华为和泸州市将共同推动大数据产业在泸州的发展落地,依托政务大数据、商贸大数据、医疗健康、智慧城市、精准农业、金融服务、工业大数据、白酒交易中心等,助力泸州信息化快速发展,把泸州大数据产业园建成辐射西南地区的“西南云海”,以带动泸州产业结构的转型升级和社会经济的发展,打造经济新业态。
未来,华为企业云将更加紧密协同泸州通过华为四川大数据中心加快推进泸州市云计算产业发展,与泸州市政府共同打造面向西南、服务川滇黔渝的国家级云计算示范产业基地,助力泸州打造成西南大数据储备中心、西南智能制造中心及四川省信息消费中心。
好文章,需要你的鼓励
这篇研究重新审视了循环神经网络中的双线性状态转换机制,挑战了传统观点。高通AI研究团队证明,隐藏单元不仅是被动记忆存储,更是网络计算的积极参与者。研究建立了一个从实数对角线到完全双线性的模型层级,对应不同复杂度的状态跟踪任务。实验表明,双线性RNN能有效学习各种状态跟踪任务,甚至只需极少量训练数据。研究还发现,纯乘法交互比加法交互更有利于状态跟踪,为循环网络设计提供了新视角。
这项研究探讨了多模态大语言模型在增强推理能力时出现的视觉幻觉问题。研究发现,模型生成更长推理链时,对视觉信息的关注减少,导致幻觉增加。研究者提出RH-AUC指标和RH-Bench基准来评估模型在推理与幻觉间的平衡,发现较大模型表现更好,纯强化学习训练优于监督微调加强化学习,且训练数据的类型比数量更重要。这些发现对开发既具推理能力又保持视觉准确性的AI系统具有重要意义。
这篇研究探讨了大语言模型在自动推理任务中的不确定性问题。研究者提出,模型生成形式规范时的概率不确定性不是缺陷,而是宝贵的信号源。通过引入概率上下文无关文法框架分析SMT-LIB程序分布,他们发现不确定性信号具有任务相关性(如逻辑任务中的语法熵AUROC>0.93)。他们的轻量级信号融合方法能减少14-100%的错误,仅需最小弃权,将大语言模型驱动的形式化转变为可靠工程学科。研究揭示当模型正确理解逻辑关系时会产生稳定的语法模式,为判断何时信任模型提供了可靠指标。
来自沙特阿拉伯王子苏丹大学和阿尔法萨尔大学的研究团队开发了GATE(General Arabic Text Embedding)模型,这是一套专为阿拉伯语设计的文本嵌入系统。该研究结合了套娃表示学习和混合损失训练方法,解决了阿拉伯语特有的语义处理挑战。GATE模型在MTEB基准测试的语义文本相似度任务中表现卓越,比包括OpenAI在内的更大模型高出20-25%,同时保持了多维度(768至64)的高效表现。研究通过详细的错误分析揭示了模型在不同相似度水平上的表现特点,为阿拉伯语NLP领域提供了新的研究方向。