9月19日,“Hello5G 赋能未来”2019中国电信天翼智能生态博览会在广州盛世开幕。紫光旗下新华三集团作为中国电信集团的重要合作伙伴应邀参会,并在本次大会的5G创新展馆,为与会嘉宾展示了新华三在5G领域的最新产品和方案,以及行业市场的方案和实践案例,全面呈现了新华三携手运营商重构网络价值、推进5G演进、拓展政企行业市场的领先实力。
大会期间,广东省副省长陈良贤,中国电信集团有限公司董事长、党组书记柯瑞文莅临新华三展位,并对新华三集团在5G领域的创新实践以及与中国电信在大网、DICT云网、电信创新业务等方面的合作,给予了肯定与赞扬。
同时,新华三集团携手中国电信合作发布了县域医共体解决方案,并参与中国电信智慧家庭合作创新计划。未来,新华三将助力中国电信在5G时代的不断实现技术创新和政企行业应用落地。
广东省副省长陈良贤(左三),中国电信集团有限公司董事长、党组书记柯瑞文(左二)莅临新华三展位加速技术创新
新华三成为运营商5G价值合作伙伴
作为数字化解决方案领导者,新华三集团凭借突出的技术优势与实践成就,助力运营商从传统网络业务向全面的云网业务转型,亦依托自身多年投身各行各业数字化转型的行业积累与领军优势,以及对5G发展的理念洞察和技术积累成为运营商5G时代的价值合作伙伴。
新华三集团现场展示了覆盖5G接入网、承载网、边缘计算的全方位产品和解决方案,展现了在5G主流架构中行业领先的部署能力:新华三5G白盒化室内小基站基于x86架构的IT基础设施进行构建,具备通用性好、扩展性强,软硬件解耦等特点,能够简化运营商网络部署,降低总体成本;新华三ADHaul 5G承载网方案基于在运营商市场高端路由器领域的经验积累,能够完美支持5G网络功能与性能需求,为运营商的网络创新带来了高效可靠的技术支撑。
探索行业机遇,新华三赋能百行百业5G变革
5G网络的发展,为各行各业带来了前所未有的超强连接能力和启动数字化转型的驱动力。新华三集团提出与行业应用深度融合是5G商业成功的关键。面对政企市场特点,新华三将与中国电信等运营商携手共进,依靠5G网络开放、灵活、高效与智能的特性开拓政企行业市场:其中,新华三与中国电信合作打造了业界领先的深圳电信医疗云基地,为深圳儿童医院专属云提供了行业一流的运营环境,在保障业务连续性的同时提升安全等保能力简化运维,助推深圳儿童医院的智慧医院建设。
新华三集团还在现场重点展示了基于5G MEC解决方案在智慧水利以及智能安防的实践应用,以及在政务、医疗、教育、工业等行业的案例成果。
通过从智能终端、边缘计算、物联网到智慧应用的全域创新,新华三将与中国电信等运营商共同推进不同行业、场景下的互利合作,以5G网络的全方位变革能力加速各行各业的数字化转型进程,推动5G商用演进。
目前,5G网络的部署对运营商的运营和业务提出了新的要求和标准,面对5G时代前所未有的产业机遇和技术挑战,新华三集团将通过持续的技术迭代、模式创新与行业实践,携手运营商探索5G技术创新的演进方向和应用场景,为万物智联的数字化世界带来发展的新空间,为数字中国建设提供最强大的数字化基础设施与服务。
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。