至顶网CIO与应用频道 12月24日 北京消息:达索系统(巴黎泛欧证券交易所:#13065, DSY.PA)正在支持普利斯通EMEA推行全新的智能工厂项目,助力其实现整个欧洲轮胎生产规划与执行的数字化转型,优化工厂绩效。
普利斯通EMEA将使用受3DEXPERIENCE平台支持的DELMIA Apriso和坤帝科应用来管理普利斯通的制造运营、生产规划,从而优化其位于欧洲的八处工厂。他们所有的智能互联系统,包括数以千计的机器设备、装置、传感器以及普利司通的员工,都将在虚拟环境中实现同步,这为生产活动和维护活动提供统一的实时数据来源。因此,普利斯通EMEA将能够把规划周期从数星期压缩到数天,从而提高工厂资产的利用率,并用一种一体化解决方案快速响应生产中断。
普利斯通EMEA制造副总裁Adolfo Llorens表示:“我们的智能工厂项目帮助达成全公司的‘绝对领先’目标,并能让我们事事争先。达索系统数字技术将为这一目标提供支持。通过优化工厂的制造流程,提高决策质量和生产率并最终降低成本。”
达索系统工业设备行业副总裁Philippe Bartissol表示:“制造商面对的是海量的数据、分散的系统和被动的维护模式,要提升工业制造运营的速度和敏捷性,需要全面整合各项操作。因此达索系统要帮助普利斯通EMEA建立覆盖所有生产设施、流程、运营和规划的单一视图,让他们能够持续提升自己的业务。”
普利斯通EMEA是位于东京的普利司通公司的一个主要地区子公司。日本普利司通公司是世界最大的轮胎及其他橡胶产品的制造商。普利斯通EMEA向欧洲、中东和非洲的轿车、摩托车、农用车、卡车和公交车市场销售普利司通、凡士通和戴顿品牌产品。
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。