至顶网CIO与应用频道 05月24日 北京消息:大数据、云计算、人工智能等新兴科技在航空领域的普及应用,正推动全球民航进入“智慧民航”时代。这一趋势在为民航业提供发展动能的同时,相应地促使政府、航空企业、设备供应商和基础设施所有者等相关方,就技术整合、系统流程优化等方面共同探索,进一步推动民航的高质量发展。
助力中国智慧民航建设
在上周举行的2019中国民航发展论坛上,这一课题得到了广泛的讨论。作为中国航空业的长期合作伙伴,GE在中国已与东航、中国商飞、昂际航电、长龙航空、厦门航空5家客户签署了航空数字化合作协议,并就“智慧民航”发展做出了有益尝试。GE航空集团基于庞大的装机量,实时监测并应用数字化工具分析比对海量发动机数据,在产品进入成熟期之前发现潜在问题,提高机队可靠性和运行效率;在发动机健康管理方面,GE通过数据分析对发动机检修进行预测性判断,提高在翼时间,降低维护成本。与此同时,GE航空集团及其合资企业还在航电领域推出了开放式机载互联平台等先进解决方案,为航空的进一步智能化打下基础。
GE航空集团在全球有两个机队支援中心,一个位于总部美国的辛辛那提,另一个就在上海。这两个中心为服役中的约36000台GE及其合资企业的发动机进行24x7的监控及诊断,从而做出预测和判断。此外,GE航空集团还为中国客户推出了多套数字解决方案,其中包括:通过数据模型分析发动机性能和滑油使用信息,提前识别和抓取发动机滑油渗漏风险,避免因此造成的空停和换发;引入深度学习的理念,对航材管理的复杂场景进行建模,并学习最优的库存调配和补充策略,通过建议航材的站点布局、采购数量和采购节点,极大改进了航材的保障率并优化库存;运用人工智能学习发动机部件孔探检测图片中的损伤特征,从而自动识别孔探视频中的损伤。由此降低了由于孔探漏检造成故障停飞风险,规范了孔探操作,也提高了孔探检查的机队覆盖率。降低发动机部件孔探漏检风险并规范操作。
共享数字化和运营知识
不仅是在中国,GE已在全球的多个市场就“智慧民航”的建设有不少成功实践。比如目前应用于阿联酋航空的GE维护软件ABM,通过收集和分析发动机运行数据,提前发现潜在问题,减少了突发状况和紧急维修的发生率。同时,配合GE在迪拜的中东航空技术中心工程师们,借助GE的机器学习软件每秒完成10GB数据的分析进而帮助团队建立数字模型,预测发动机进行预防性维护的最佳时间。为此,阿联酋航空的紧急维护情况已经减少了50%,而发动机的“在翼时间”增加了20%。除了实时的智能维护,ABM软件也帮助机组人员优化燃油消耗,为工程师更深入地进行性能和机械升级提供了宝贵的数据。
在澳洲,GE与澳洲航空公司联合开发了飞行分析工具FlightPulse,帮助飞行员提升飞行效率,提升飞行的安全水平。比如飞行员可在做行前准备时通过“航前模块”(Preflight Module)提供的历史航班数据,了解到诸如机场航班流量、跑道飞行高度等关键细节,合理规划飞行计划。同时,这一应用也帮助澳航显著减少了飞机的燃油消耗和碳排放。
以数字化推动民航智慧化未来
根据国际航空运输协会预测,全球的航空市场在未来20年内将保持4.5%的年均增速,而中国有望在2024-2025年左右跃升全球最大的民航市场。作为航空领域的重要参与者,GE将继续推进与中国乃至全球的航空领域合作伙伴在数字化转型解决方案的合作,帮助航空公司在燃料、安全、运营和资产等领域发挥更大效益,助力民航的智慧化进程。
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。