(亿欧大健康核心团队:运营负责人梁永生,主编郭铭梓,总裁高昂)
今日,亿欧旗下子公司“亿欧大健康”宣布获得了1000万元天使融资,领投方为乔景资本,征和惠通跟投。获得融资后,亿欧大健康将进一步扩大团队规模,在大健康产业互联网这个大方向上,为用户和客户提供更加专业的线上线下产品和服务。
亿欧大健康定位于中国大健康领域最有活力的科技与产业创新服务平台。目前, 亿欧大健康旗下核心业务包括大健康科技媒体、大健康产业商业会议,以及大健康产业研究咨询等。平台面向大健康产业B端,提供行业内容策划、视频栏目、行业研究、咨询业务等品质化线上产品,同时匹配以产业链关键环节、市场高关注度、国际化视野的品质化线下精品商业活动。
据悉,这是2018年11月亿欧汽车获得融资后,亿欧旗下第二个宣布融资的子公司。在确保文化价值观一致的基础上,亿欧给到旗下子公司核心团队成员股份及独立运营权,并且约定随着子公司越做越好,团队将获得越来越大的控制权和实际利益。亿欧大健康总裁将由亿欧副总裁高昂出任,主编由郭铭梓担任,运营负责人由梁永生担任。目前,亿欧大健康有10余人的团队,预计到2019年将扩张至20余人。
亿欧公司创始人黄渊普表示,帮助更多的频道或业务融资和成为独立子公司是亿欧的战略决策,一是内容频道是高度依赖于人才、但人才流动性非常高的行业,必须进行利益变革才能实现组织变大变强的目标;二是产业互联网有较高门槛,需要长期专注才能取得成绩,独立子公司的组织能力往往更强、更有可能做好。亿欧作为合伙制创业平台,将利用过去五年沉淀的经验,帮助包括亿欧大健康在内的业务团队成为越来越优秀的创业者。
亿欧公司副总裁、亿欧大健康总裁高昂表示,大健康这个赛道处在大变革初期,新科技、新政策、新理念大背景下,新机会不断涌现。亿欧大健康将持续发力大健康企业服务生态圈,基于丰富的产业资源及跨界资源,进一步拓展国际市场影响力;与此同时,积极与各地政府形成立体联动,构建地方产业互联网体系。
乔景资本创始合伙人朱浩荣表示,中国医疗行业正在经历一个变革,尤其非公医疗越来越成为这个领域不可或缺的组成部分,更有非常多的创新技术在打破传统行业格局。我们看好亿欧大健康不单是一个不仅是作为一家服务医疗创新媒体公司,未来更多强化行业资源整合,以创新技术为传统医疗企业助力,帮助更多的非公医疗在各自的领域参与推动医疗发展而发挥作用,构建围绕核心医疗资源的外围大健康生态圈,做大做强大健康产业第一影响力的综合性服务平台。
征和惠通医疗合伙人张志玲表示,在新的经济周期,技术驱动的产业升级将会给中国大健康产业带来新的动能、新的增长点。医疗健康行业因其弱周期和反周期属性,长期备受资本关注。近年来,在医改、技术和医疗需求三重推动下,中国医疗行业的发展处在一个最好的阶段。我们长期看好大健康产业,而亿欧大健康作为深耕大健康产业的科技与产业创新服务平台,对于产业变化的敏感度高,能够及时掌握行业最新动态。
融资后亿欧大健康的首次大规模活动,2019中国大健康产业升级峰会,将于2019年7月25日至7月27日在北京雁栖湖国际会展中心召开,诚邀各方参加。https://www.iyiou.com/a/HealthCare_beijing_2019/
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。