至顶网CIO与应用频道 08月08日 北京消息:8月2日-8月3日,2018(第三届)中国大数据产业生态大会在京召开,大会发布了《2018中国大数据产业生态地图暨中国大数据产业发展白皮书》(以下简称《白皮书》),为大数据领域的优秀企业颁发奖项,获得了业界的广泛关注。在大会发布的《白皮书》中,普元位于大数据平台解决方案层,成为大数据产业的基础支撑,同时,普元还摘取了2018中国大数据企业50强、2018中国大数据.数据资产管理领域创新企业两项大奖,大数据治理能力得到业界一致肯定,并且跻身中国最具投资价值大数据企业排行榜Top100行列。
普元跻身2018中国大数据企业50强
助推数字经济发展 普元成为中国最具投资价值大数据企业Top100
随着数字经济成为中国经济转型升级的重要引擎和驱动力,大数据成为数字经济的关键生产要素,作为大数据领域最全面、系统、专业的活动项目,中国大数据产业生态大会旨在通过数据资源的有效利用和开发的数据生态体系为数字经济赋能。这次大会以“深挖数据智能,助推数字经济”为主题,对国家大数据发展方向及政策、大数据产业发展情况等内容进行深度解读,《白皮书》通过深度调研梳理国内大数据产业发展现状,形成产业生态图谱及产业发展报告,促进行业内的交流合作,推动产需对接。据《白皮书》显示,在中国大数据产业生态地图中,普元位于大数据平台解决方案层,成为大数据产业的基础支撑。
普元位于大数据平台解决方案层,是大数据产业生态的基础支撑
专注于大数据治理,普元从企业数据资产管理和提升数据质量,聚焦以用户为中心的自服务大数据治理,大数据治理技术朝着智能化方向不断发展,加之在数据资产管理领域创新与实践,普元跻身本届大会公布的中国最具投资价值大数据企业Top 100排行榜。
普元再度摘取2018中国大数据企业50强 深入开展数据资管服务创新
在这场中国大数据产业盛会上,普元还囊括了2018中国大数据企业50强、208中国大数据.数据资产管理领域创新企业两大奖项。其中,普元在2016、2017年曾经获得过中国大数据企业50强,本次蝉联这一荣誉,意味着普元在业务系统和大数据治理构架的基础上,提出了更加符合行业方向的智能化服务,钻研大数据技术与人工智能的结合,打破企业数字鸿沟,不断优化用户体验。目前,普元自服务大数据治理平台已经应用在国家开发银行、中信银行、海通证券、中国东方航空、国家电网公司、重庆市人民政府等用户中,帮助他们构建了企业的数据资产库、统一数据标准提升数据质量、建立智能化企业知识图谱,实现了智能化的大数据治理。
普元夺得的“2018中国大数据企业50强”奖杯
在数据资产管理方面,普元采用创新的“管、看、找、用”四大方法,通过规划、控制和提供数据及信息资产的一组业务职能,控制、保护交付和提高数据资产的价值,确保用户数据资产保值增值。目前,普元的数据资产管理系列产品及解决方案深受行业认同,包括在国内市场占有量第一的元数据管理平台,拥有国家电网、中国移动、中信银行、国家开发银行、秦山核电站、长安汽车等多行业用户,成为众多企业实施大数据治理的首要选择。
普元荣获“2018中国大数据.数据资产管理领域创新企业”称号
普元信息软件产品部总经理王葱权表示,
躬耕大数据专业领域十年来,普元专业的产品,领先的技术一直在业界内广受认可,客户遍布全国,已经先后帮助金融、电信、电力、能源、航空、制造等诸多行业管理数据资产,在本次大会上获得两项大奖,将鼓舞着普元更加深入的挖掘数据潜在价值,支撑和促进产业发展新布局的落地,帮助用户做好企业大数据治理,加速企业数字化转型。
好文章,需要你的鼓励
这项研究由新加坡国立大学团队开发的DualParal技术,通过创新的双重并行架构解决了AI视频生成的长度限制问题。该方法同时在时间帧和模型层两个维度实现并行处理,配合分块降噪机制、特征缓存和协调噪声初始化策略,使生成分钟级长视频成为可能。实验表明,在生成1,025帧视频时,DualParal比现有技术减少了高达6.54倍的延迟和1.48倍的内存成本,同时保持了高质量的视频输出,为内容创作者提供了生成更长、更复杂视频叙事的新工具。
SoloSpeech是约翰霍普金斯大学研究团队开发的创新语音处理技术,针对"鸡尾酒会效应"问题提出了全新解决方案。该系统通过级联生成式管道整合压缩、提取、重建和校正过程,实现了高质量目标语音提取。与传统判别式模型相比,SoloSpeech采用无需说话者嵌入的设计,直接利用提示音频的潜在空间信息与混合音频对齐,有效避免特征不匹配问题。在Libri2Mix及多个真实世界数据集上的评测显示,SoloSpeech在清晰度、质量和泛化能力上均达到了领先水平,为语音分离技术开辟了新方向。
这项由北京大学深圳研究生院、伟湾大学、腾讯ARC实验室和兔小贝智能联合研究的Sci-Fi框架,通过创新的对称约束机制,解决了视频帧间插值中的关键问题。研究团队设计了轻量级EF-Net模块,增强结束帧约束力,使其与起始帧形成平衡影响,从而生成更自然流畅的中间过渡帧。实验证明,该方法在各种场景下都优于现有技术,特别适用于电影制作、动画创作和视频编辑领域,显著降低了人力成本。
这项来自西北大学和谷歌的研究突破了传统马尔可夫强化学习的局限,通过贝叶斯自适应RL框架解释了大语言模型中涌现的反思性推理行为。研究团队提出的BARL算法通过维护多个解题策略的后验分布,指导模型何时何地进行反思性探索,在数学推理任务上展现出显著优势,比基线方法减少高达50%的标记使用量,同时提高了准确率。这一研究不仅解释了"为什么反思有用",还提供了实用的指导原则,为AI系统的自适应推理能力开辟了新方向。