6月26日,备受业界瞩目的MWC19 上海盛大开幕,来自 110 多个国家和地区的逾6万名专业人士和550家知名企业共聚这一亚洲科技盛会。作为数字化解决方案领导者,紫光旗下新华三集团在本次大会上全面展示了5G融合应用、行业数字大脑与智能数字平台三方面内容的创新成果与最佳实践,同时也将在大会期间举办的“5G峰会”和“智慧城市、智慧工业峰会”上,分享推动产业未来发展的深刻洞察与领先主张。
5G融合应用,智绘产业数字未来
伴随5G即将迎来规模商业部署,5G网络作为社会的数字化基础设施,在推动各行业数字化转型与数字经济发展中将发挥巨大价值。
作为运营商5G时代的价值合作伙伴,新华三在展区现场充分展示了其将自身的行业领导优势与建设经验,转换为政企业务拓展资源的创新成果,持续推动5G在安防、水利、医疗、工业互联网、智慧城市、教育等政企行业的规模落地,更好发挥5G作为数字经济基础设施平台与数字大脑“超级神经”的作用。而在5G技术创新方面,凭借在ICT技术领域的积累,新华三推出了系列云基础设施、虚拟化软件、云平台、SDN控制器、电信级路由器、智能网络交换机和防火墙等产品设备,全方位助力运营商在5G时代重构网络、重塑价值。
行业数字大脑,驱动百行百业智能变革
今年4月,新华三重磅推出了“数字大脑计划”,以智能数字平台为基础,与生态合作伙伴开展智慧应用领域的创新,共同为百行百业的客户打造属于他们的“数字大脑”。在数字大脑“4+N”的模式中,新华三的智能数字平台是助力数字化转型的核心基石,也是支撑智慧应用的丰富土壤,其中包括:向内生智能演进的数字基础设施、作为数字化转型核心引擎的业务能力平台、实现由智慧驱动信息防护的主动安全,以及为IT环境提供全栈式智能保障的统一运维。
通过深度场景化体验,新华三在展区生动展示了数字大脑计划在百行百业中的典型应用,其中涵盖工业、医疗、教育、城市、安防等行业,以及融媒云、党建云、数字金融以及数字城轨等行业数字化解决方案。
在展区现场,新华三还展示了涵盖数字基础设施、业务能力平台、统一运维和主动安全等全方位的智能数字平台软硬件明星产品和旗舰产品。
高峰视点交流分享,智绘产业创新与未来
在本届MWC19 上海活动期间,新华三集团联席总裁韩志刚将在5G峰会上带来“5G融合应用 智绘产业未来”的主题演讲;新华三集团副总裁、数字化业务部总裁孙德和将在智慧城市、智慧工业峰会上分享“数字大脑助力智慧城市建设”的主题演讲;新华三集团副总裁、网络产品线总裁毕首文也将在这一峰会中带来“物联网与数字化之路”的主题分享。
在今日同期举行的以“5G融合应用 智绘产业未来”为主题的新华三数字化转型与创新论坛上,更有来自运营商以及不同行业的数字领袖与新华三一道共论5G技术与产业发展趋势。
新华三集团联席总裁韩志刚表示,“数字化为产业赋能已经成为经济发展的新趋势,5G作为构建行业‘数字大脑’的超级神经,将会为运营商创造崭新的历史机遇。未来,新华三将与运营商紧密协同,抓住5G赋予的网络重构与业务转型历史契机,以行业客户需求为导向,激发5G的商业价值。”
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。