至顶网CIO与应用频道 12月26日 北京消息:SOLIDWORKS 2018创新日圆满落下帷幕。本届创新日由SOLIDWORKS 大中华区的44家商业合作伙伴联合主办,共历时25天。先后在成都、重庆、贵阳、天津等46个城市进行了90场次的活动,共有3166家公司的5396观众参与了其中。本届创新日上SOLIDWORKS发布了 其SOLIDWORKS 2018新版本,并就新功能对于驱动智能制造和企业数字化转型等话题进行了深度交流和探讨。
当前中国的制造业水平相对较低,在世界范围内的竞争力总体偏弱,且能耗高、人工成本快速上涨等弊端也在越来越明显地体现出来。中国如何从全球制造业的第三方阵中突围,最终达到与世界顶级制造业国家相当的水平,“两化融合”将是实施《中国制造2025》当中一项重要且基础性的工作。改变以业务为核心的传统管理模式,转而以信息化数据为核心,彻底打破原有的组织架构,一切以业务流为导向,不再明确部门概念,以流程需要的能力来定义每个人在企业中的位置和工作,从而彻底实现管理的扁平化和智能化。使整个企业的运营效率得到质的飞跃,运行成本得到有效降低,让企业可以释放更多的精力转移至研发和创新领域。
SOLIDWORKS 2018是3D设计和工程应用产品组合的最新版本,为从设计到制造的整个过程提供一体化端到端的解决方案,让任何规模的企业都能够重新思考他们制造零部件和产品的方法,以及在体验经济中如何迅速让创新思维市场化。
SOLIDWORKS 2018可简化产品开发工作流涉及的各专业领域间的交互,这是一种充分发挥智能制造优势的统一流程,它建立起连贯无缝的数据流,在任何需要的时间和地点以任何需要的格式提供给产品开发涉及的所有团队,无需在系统间导入导出数据。针对该流程SOLIDWORKS 2018关键的一项功能是SOLIDWORKS CAM。这是一款提供基于规则的机加功能的新应用,能够采集知识,实现制造编程自动化。设计师和工程师能够更深入地理解他们的设计的构成,进行更加明智的决策,迅速自主制作原型部件和自主制造,以控制质量、成本和交付。此外,该应用还便于各团队使用定制部件执行新的“按订单制造”战略,在数秒内自动完成设计与编程,而非以往的数小时。同时SOLIDWORKS 2018中的新功能和增强特性还可以提供更为智能的策略,让设计师和工程团队比以往更加快速地开展工作。通过将 3D 设计数据置于流程中心,SOLIDWORKS 可以将设计或制造上的变更自动传播到所有相关 CAD 模型、CAM 程序、工程图和文档中,让管理变更的过程如此轻松。
作为国内一年一度的面向3D工程领域的创新盛会,SOLIDWORKS创新日已成功举办了11届。SOLIDWORKS在客户中拥有极高的知名度,其社群以高活跃度闻名于业内,目前该社群在中国已有企业客户14703家,工程师58364人。
达索系统SOLIDWORKS首席执行官Gian Paolo Bassi表示:“成功的消费者体验必须以设计良好的产品为核心,辅以高效的生产方法。SOLIDWORKS 2018不仅能提供一种更智能的部件或产品制造方法,它还能帮助企业将构想转化为创新并构建生态系统。与之前的版本相同,SOLIDWORKS 2018的众多新工具和强化功能都是对我们用户群体的洞察与反馈的响应,为他们配备更强大的功能,从而让杰出的设计能以更快速度、更高质量和更低成本投入市场。今后,我们将推出更多提升用户业务成效的端到端流程解决方案,助力更多的中国制造企业完成数字化转型。”
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。