至顶网CIO与应用频道 02月26日 北京消息:PTC(纳斯达克股票代码:PTC)在巴塞罗那举办的2019世界移动通信大会上宣布,其VuforiaÒ增强现实和混合现实(AR/MR)解决方案将为Microsoft HoloLens 2提供内置支持。Vuforia解决方案充分利用了Microsoft HoloLens 2的新手势、语音增强和跟踪功能,帮助工业客户高效、有效地创建AR/MR交互体验,而无需借助繁复的编程工作或昂贵的自定义设计器。
如今,工业制造商面临着熟练工人日益短缺、人员变动率高、产品日益复杂以及激烈的竞争压力等问题。而增强现实和混合现实技术则能在日常工作的真实环境中为员工提供他们最为需要的信息——即他们日常工作中的真实环境——从而提高工作效率,帮助制造商战胜这些挑战。
借助Vuforia Studio为HoloLens 2创建的沉浸式“免手持”体验,工业用户可以为员工提供支持,改善制造、服务和培训流程,从而开辟新的商机,更好地满足客户的需求。
PTC总裁兼首席执行官Jim Heppelmann表示:“工业领域AR/MR的一个关键价值驱动因素就是利用‘免手持’的操作步骤指导提高员工效率。Vuforia Studio的高效AR/MR编写环境与HoloLens 2改进后的易用性和舒适度相结合后,必将成为工业制造商制胜的法宝。”
Howden利用Vuforia和HoloLens 2创造沉浸式客户体验
在本周举行的世界移动通信大会上,PTC和微软将向与会者展示正在采用Vuforia Studio和HoloLens 2改善服务体验的Colfax集团子公司Howden如何利用AR/MR提高员工效率。Howden是一家全球化工程公司,旗下的工业产品广泛应用于从矿井通风、废水处理到加热、冷却等诸多工程领域,改善其日常流程。
Howden利用现有的3D模型,通过Vuforia Studio创建了可扩展的混合现实分步服务指南。通过整合来自PTC的ThingWorxÒ工业物联网平台和Microsoft Azure的实时和历史物联网数据,Howden正在不断提高客户使用其设备的体验。
Howden集团全球数据驱动优势主管Maria Wilson博士介绍说:“在操作我们的设备时,流程至关重要。我们的客户希望我们提供解决方案,让他们能够更好地为设备提供服务。Microsoft HoloLens呈现的混合现实让客户真正体验到了身临其境的感觉。它使客户能更好地了解设备的运行条件和性能,这是前所未有的。”
推动工业企业采用AR/MR
此次公告预示着,PTC和微软自2017年启动的合作,其下一步是推动AR/MR在工业企业中的应用。Vuforia Studio和HoloLens 2将帮助内容创建者利用他们在ThingWorxÒ和Azure上的现有3D和物联网数据,在真实环境中改善协作,促进理解,提高生产力。
微软AI和混合现实技术研究员Alex Kipman表示:“Vuforia和Microsoft HoloLens 2的集成使得我们继续深入与PTC的合作,同时推动我们为制造领域的客户提供变革性的体验。我们期待合作将提供创新的内置解决方案,加快混合现实在工业领域的应用。”
开发人员还可以借助Vuforia Engine利用HoloLens 2的高级功能,提供更为独特、引人入胜的交互性移动体验,帮助人们更好地了解品牌和产品。
作为PTC目前推动创新并为客户提供最佳解决方案来应对制造、服务和培训难题的计划的一部分,PTC的Vuforia解决方案在未来还将利用最近推出的Microsoft Azure Spatial Anchor 服务,以实现更多协作性、跨平台的混合现实体验。
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。