至顶网CIO与应用频道 07月12日 新闻消息:2018年7月10日-11日,2018中国大数据应用大会在成都召开,大会以"大数据赋能数字中国"为主题。本届大会旨在共同探讨和推动大数据、云计算与智能技术的深入融合,抓住数字中国建设发展机遇,加快实现以信息化培育新动能,用新动能推动新发展,以新发展创造新辉煌。
本次大会由成都市人民政府指导,中国大数据专家委员会、中国电子信息产业集团有限公司中国电子学会、四川省经济和信息化委员会主办,世界工程组织联合会工程技术创新委员会(WFEO-CEIT)、成都市经济和信息化委员会、成都市博览局全力支持,中国电子器材有限公司、中国电子学会科技交流中心承办,业内知名媒体至顶网与科技行者协办。
会上中国电子学会名誉理事长,原邮电部和信息产业部部长吴基传、原国家卫生计生委副主任,党组成员,中国卫生信息与健康医疗大数据学会会长金小桃、国家无线电监测中心主任张枢、工信部信息化和软件服务业司副司长李冠宇、四川省经信委副主任陈文涛、成都市副市长范毅、成都双流区区委常委韩超、中国大数据专家委员会副主任委员刘汝林、中国电子信息产业集团有限公司副总经理陈旭、成都市经信委主任陈志勇、国家集成电路产业投资基金有限公司副总裁张春生出席会议。
来自产、学、研、用等各个领域的18位专家,针对大数据、人工智能、工业、医疗等相关热点话题展开了全方位的解析。人工智能作为大数据的引擎正在加速大数据的深化应用与落地。小米大数据产品总监赵辉华表示:“小米是一家数据公司,拥有3亿用户,小米生态链具有多样性的特色,围绕着应用场景为用户提供全面支撑。”天云大数据CEO雷涛表示:“人工智能不仅可以对流程进行优化,同时连接供应链以延展服务实现闭环,最后则是对整体商业流程的完全替代。”
制造是国家未来转型的基础,成都一直在推动“成都制造”向“成都智造”“成都创造”提升,构建具有全球竞争力的现代产业体系。美国辛辛那提大学(Univ.of Cincinnati) 讲座教授、《工业大数据》作者李杰表示:“当工业大数据与人工智能连在一起,更能够反映出当前国内对生产力转型的实际需求,而且工业人工智能需要具备人工智能与分析、大数据、云与赛博技术、专业知识与经验、事实与真相五种能力。”
目前,医疗健康领域存在诸多挑战,大数据与人工智能也正助力健康医疗走进新时代。IBM Watson健康大中华区业务发展总经理、中电健康云科技有限公司常务副总经理周振表示:“通过诊疗数据、基因数据、行为数据、环境数据构建的个人智能健康档案可以实现纪录一生、管理一生、服务一生。”医渡云联合创始人兼首席执行官孙喆表示:“医疗大数据要将采集、清洗、重构存储相结合,提升医疗诊断、新药研发、公共决策、患者服务。”
IBM Watson 健康大中华区业务发展总经理、中电健康云科技有限公司常务副总经理 周振
未来是一个机会与挑战并存的时代,《连线》(Wired)杂志创始主编Kevin Kelly表示:“Mesh World是未来发展的方向,其会产生一千个新问题,但更会有百万个新机会。”成都电子科技大学教授周涛表示:“我们正处在一个信息过载的时代,人工智能则会带来巨大的变化,我们要为即将到来的胜利做更好、更充分的准备。”
《连线》(Wired)杂志创始主编 Kevin Kelly
本届大会是大会连续举办的第三年,中国大数据应用大会已经成为西部最具影响力的电子信息行业大会。今年大会吸引了大数据、云计算、人工智能、区块链等领域主管领导、专家学者、产业领袖、应用主管,以及各行业广大用户代表近3000人出席。为成都强化产业支撑、优化产业发展环境、支持企业发展壮大,力促成都市大数据产业加速发展。
2018中国大数据应用大会官方网站
http://www.bdac-china.org/
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。