至顶网CIO与应用频道 08月20日 北京消息:中国领先的一站式医疗健康生态平台平安医疗健康科技有限公司(“平安好医生”, 股票代码: 01833.HK)与东南亚领先的O2O平台Grab Holdings Inc(“Grab”)今天宣布,双方将成立一家合资公司,为东南亚提供在线医疗健康服务。
这家合资公司将提供一系列综合性医疗服务,如以人工智能(AI)提供辅助线上问诊、线上购药和挂号预约,是东南亚首家提供这类服务的公司。合资公司将与政府、医院、医生和其他主要利益相关方合作,还会积极探索更多合作伙伴,以满足本地市场的需求。此外,合资公司将利用东南亚领先的电子钱包GrabPay来完成交易。这项服务将于明年第一季度在选定国家推出。
平安好医生是中国领先的一站式医疗健康生态平台。凭借创新的人工智能技术,平安好医生通过其在线平台提供医疗健康服务,有效加快在线医疗咨询流程,至今已拥有超过2亿用户。结合Grab无可匹比的地域覆盖、对本地市场的深入了解和1亿多次下载带来的庞大用户基础,这家合资公司将帮助满足东南亚迅速增长的医疗健康需求。
到2030年,东南亚将成为全球第四大经济体,医疗保健市场潜力巨大。同时,东南亚在医疗健康服务上面临着严峻的挑战,许多国家缺乏足够的医疗基础设施,农村与城市之间的地理差距导致就医困难,延误医疗机构的效率很低。例如在印尼,接近每5,000个人中只有1名医生,这远低于高收入国家每1,000人中就有三到四名医生的比例。[1]以在线方式提供高效及时的医疗健康解决方案,有望为这个行业带来颠覆性的改变和改善医疗成果。
Grab集团首席执行官兼联合创始人陈炳耀(Anthony Tan)表示:“我们很高兴与平安好医生展开合作,迈出了我们进入移动医疗领域的第一步。平安好医生作为移动医疗领域的行业领导者,在中国建立了一个行之有效的商业模式。Grab致力于为东南亚的用户提供便捷和价格合理的服务,包括交通、支付、食品配送和杂货零售服务。我们认为,每个人都应该有机会享有高质量、而且可负担得起的医疗健康服务。通过与平安好医生合作,我們将利用技术让此成为现实,这将有可能为人们的生活和整个东南亚社会带来巨大变化。”
平安好医生董事长兼CEO王涛表示:“平安好医生将成为具有全球影响力的互联网医疗健康生态平台,我们将中国市场的成功模式复制到海外,对外输出我们成熟的技术和服务,在全球范围内解决医疗健康问题。Grab是一家值得信赖的公司,我们很高兴能与Grab一起努力挖掘东南亚的增长潜力,为数亿当地用户提供卓越的一站式医疗健康服务。”
GrabPlatform于2018年7月推出,平安好医生是其最新的合作伙伴。GrabPlatform是一组应用程序界面,让合作伙伴采用Grab的技术,包括运输、物流和支付等。借助GrabPlatform,Grab的战略合作伙伴可以利用Grab的用户群、线下分销网络和为东南亚地区量身定制的技术解决方案,在区内实现更迅速高效的扩张。通过与合作伙伴合作,Grab将能够向用户提供更多切合需求和优越的服务。今天,分布在8个国家,225个城市的用户可以使用Grab应用程序订餐、叫车、寄快递、订购杂货或阅读新闻。Grab将成为东南亚首家在今年内收入达到10亿美元的移动技术初创企业。Grab平台上已经拥有710多万包括司机和代理在内的个人服务商。
好文章,需要你的鼓励
这项研究介绍了VisCoder,一个经过专门微调的大语言模型,用于生成可执行的Python可视化代码。研究团队创建了包含20万样本的VisCode-200K数据集,结合了可执行代码示例和多轮修正对话。在PandasPlotBench基准测试中,VisCoder显著优于同等规模的开源模型,甚至在某些方面超越了GPT-4o-mini。研究还引入了自我调试评估模式,证明了反馈驱动学习对提高代码可执行性和视觉准确性的重要性。
这项研究提出了"适应再连续学习"(ACL)框架,一种创新的方法解决预训练模型在连续学习中的稳定性-可塑性困境。通过在学习新任务前先对模型进行适应性调整,ACL使模型既能更好地学习新知识(提高可塑性),又能保留已有知识(维持稳定性)。实验证明,该框架能显著提升各种连续学习方法的性能,为解决人工智能系统中的"灾难性遗忘"问题提供了有效途径。
这篇研究首次关注了CLIP模型文本编码器的对抗鲁棒性问题,提出了LEAF方法(Levenshtein高效对抗性微调)来增强文本编码器的稳健性。实验表明,LEAF显著提高了模型在面对文本扰动时的性能,在AG-News数据集上将对抗准确率从44.5%提升至63.3%。当集成到Stable Diffusion等文本到图像生成模型中时,LEAF显著提高了对抗噪声下的生成质量;在多模态检索任务中,它平均提高了10个百分点的召回率。此外,LEAF还增强了模型的可解释性,使文本嵌入的反演更加准确。
BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台,整合了38个基准中的30万个问题,按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差,而BenchHub通过自动分类系统和用户友好界面,让用户能根据特定需求筛选评估数据。实验证明模型在不同领域的排名差异巨大,强调了定制化评估的重要性。该平台支持多语言扩展和领域特化,为研究人员和开发者提供了灵活评估大语言模型的强大工具。