至顶网CIO与应用频道 03月01日 北京消息:PTC公司(纳斯达克代码:PTC)近日宣布与微软(纳斯达克代码:MSFT)达成合作,将把ThingWorx®工业创新平台部署到微软Azure云平台上,以充分发挥双方的技术能力,实现优势互补,共同把握工业领域及制造业客户的业务机遇。
结合双方技术与专长,PTC与微软将打造一款强大的工业物联网与数字化产品生命周期管理解决方案。该解决方案的核心在于将微软Azure IoT和ThingWorx工业创新平台结合起来,让客户通过物联网连接、丰富的应用场景、业务系统编配和利用混合现实技术的突破性用户互动来革新其产品和运营。另外,PTC的一整套解决方案组合——包括用于设计、制造和服务的Creo®和Windchill®——以及微软HoloLens混合现实头戴设备将进一步拓展服务范围。
除了PTC选择微软Azure作为其首选云平台来支持制造业客户以外,PTC还将在Azure平台上提供一项ThingWorx托管服务,以充分利用Azure IoT 中心等Azure服务。客户将享受到Azure快速、安全、规模化以及全球覆盖等诸多利好。ThingWorx与微软Azure IoT的合作,能够让客户更快获得“生产就绪”解决方案、缩短产品迭代和改进时间、访问大量工程数据并获得必要的灵活性。
PTC与微软将继续在离散制造、流程制造、混合制造以及油气和公用事业等领域寻求共同的客户服务机会。两家公司最近联手拿下的一个重要客户就是领先的多元化工业技术公司Colfax,该公司为全球客户提供气体与流体处理及制造技术产品与服务。Colfax将在全公司范围内的工业物联网项目中部署PTC ThingWorx和微软Azure。Colfax公司数字化发展部副总裁Ryan Cahalane表示:“这两家行业领军企业的合作非常有意义。借助ThingWorx和Azure,Colfax可以把握物联网带来的机遇,迅速发展壮大,并扩大业务规模。”
PTC全球总裁兼首席执行官Jim Heppelmann表示:“此次合作结合了微软在智能云业务方面的专长与PTC在物联网、产品设计、制造及服务方面的领先优势。要想在数字化转型的进程中创造价值,客户就需要这样的强强联手。”
微软Azure企业副总裁Jason Zander 表示:“很荣幸Azure能够成为PTC的首选云平台,帮助客户加快在物联网领域的数字化转型,尤其是针对制造业客户。PTC平台与Azure的高速、可扩展和智能特性相结合,将助推客户加快其工业创新步伐。”
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。