至顶网CIO与CTO频道 03月19日 北京消息:全球领先的信息技术研究和顾问公司Gartner公司认为,由于新冠病毒影响了全球供应链,供应链领导者应在初步危机管理中重点关注三个影响领域。
Gartner供应链业务高级研究总监Sarah Watt表示:“随着新冠病毒在全球的扩散,供应链业务中断加剧,并且消费者的消费习惯也在发生变化。供应主要受到三个方面的影响:员工因防疫而被限制出行、工厂关闭或制造速度放缓以及负责运输货物的物流渠道受限。大多数供应链企业机构都已进入危机管理状态,每天甚至每小时评估影响和响应。”
Gartner建议供应链领导者重点关注三个主要领域。
影响领域一:劳动力
为限制新冠病毒的影响,许多员工根据地方政府的指示或雇主的建议留在家中。雇主已对出差和现场考察进行了管制。对于工厂而言,这将导致无法生产商品并将商品出口到相关市场或其他工厂。只要这种情况持续下去,供应链就无法按照预期运行。
Watt女士认为:“随着病毒在全球蔓延,供应链领导者需要考虑如何保护工人的健康并为患者提供支持。必须通过人力资源部门进行清晰、一致的沟通,同时确保出行安全。随着这场危机的持续,危机管理团队可能会变得不堪重负,进而做出错误的决定。”
影响领域二:产品
新冠病毒可能会改变竞争格局。商品供应商面临失去市场份额的风险,这是因为如果客户未按时收到产品,他们会寻找其他供应商代替。与品牌忠诚度关联性较高的产品可能会因为客户更愿意等待,而在短期内受到的影响较小。随着病毒的发展,消费者可能会采取更为保守的消费方式,消费将集中在基本的生活物资上。
当被迫做出权衡决策时,供应链领导者必须分析和预测新冠病毒对客户需求和产品供应的影响。可基于高收入或高利润率产品的需求来确定优先级别并进行权衡。
Watt女士表示:“供应链企业机构需要根据疫情的发展和消费者的情绪不断重新评估自身的供需计划。供应链可能还会因为该事件而出现产品需求急剧增加或意外的后果,例如人们因恐慌而争相购买生活必需品。”
影响领域三:成本
运输成本的增加会对企业机构产生各种经济上的影响,并且大大增加企业达成财务目标的难度。
Watt女士表示:“就连合同中约定的材料价格和数量都可能失效。供应商可以援引不可抗力因素条款或以其他方式将所增加的成本转嫁到整个供应链中。”
与冠状病毒有关的任何额外费用应引起整个企业机构的重视,而不仅仅是一个部门,这样才能更轻省地根据企业机构实现战略目标和管理利益相关者期望的能力来评估成本。
Watt女士总结道:“可以与法务部门一起分析所有供应商合同。在续约时,应该为企业机构提供万一将来发生类似情况时的财务保障。在此次事件后,供应链必然会与之前有所区别。今后,企业机构将更加关注自身应对变化的能力、风险敞口和业务连续性计划。”
如需了解更多相关内容,请阅读Gartner的报告全文:Coronavirus Alters Supply Chain Dynamics Impacting People, Products and Costs。
如需进一步了解企业机构如何应对新冠疫情造成的破坏性影响的相关信息,请访问Gartner新冠病毒资源中心(Gartner coronavirus resource center)。该中心提供了一系列Gartner免费报告和在线研讨会,旨在帮助企业机构响应、管理和备战新冠疫情的快速蔓延和全球影响。
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。