至顶网CIO与CTO频道 04月13日 北京消息(文/王聪彬):新冠肺炎疫情的突然造访对经济和市场都造成了巨大的冲击,经济影响之大五十年未有,工作生活影响五十年少见。
英国防疫专家查德·哈切特(Richard Hatchett)表示,我不认为把这次疫情与第二次世界大战相提并论是一个疯狂的类比。
全球也在积极开展一系列的举措刺激经济发展,美联储将基准利率降至0-0.25%水平,欧洲中央银行宣布7500亿欧元紧急资产购买计划,中国也积极推动新基建相关政策。
但是疫情之后仍将引发全球宏观经济的巨大变化,客户发生新的变化,组织需要新的能力,技术需要新的架构,行业需要新的生态,在这个变化的过程中数字化转型也将成为疫后企业新需求的核心,通过数字化来打造未来企业。
本期数字化转型方略也带来了一个助力中国抗疫的故事,利用空间大数据和AI位置智能技术,武汉维智空间科技有限公司联合中华预防医学会、中科院等开发了疾控AI分析平台(WDCIP),实现了回溯历史轨迹,寻找紧密接触人群,预测高危传播区域,以及协助进行病毒传播动力模型分析。
位置数据的功效还不止于此, 随着疫情逐渐趋于稳定,在这个百废待兴的时期,连锁品牌的当务之急便是快速知悉各个门店所在地区的风险情况,并尽快调整门店运营策略在规避风险的同时提高营业额。维智科技希望可以通过数字化和智能化的手段帮助线下门店焕发生命力,例如通过数据了解哪些门店需要维持、关闭,或者开新店,同时帮助加强营销,吸引消费者。
我们也看到这些线下数据正帮助实体产业更有效、更科学化、更精细化的管理和运营,而且这一切都是在云上无感知的发生。
好文章,需要你的鼓励
ETH Zürich等机构研究人员提出TrustVLM框架,解决视觉-语言模型预测可信度问题。该方法利用模型中存在的"模态差距",创新性地结合图像到文本和图像到图像的相似度,实现无需重新训练即可大幅提升误分类检测性能。在17个数据集的严格测试中,TrustVLM相比现有方法在关键指标上提升显著,同时改善了零样本分类准确率。此成果为AI系统在自动驾驶、医疗等安全关键领域的可靠部署提供了重要保障。
这项研究提出了个性化安全概念,解决大语言模型对不同用户采用统一安全标准的问题。研究团队创建了PENGUIN基准测试集评估模型在处理高风险场景时的个性化安全能力,并开发了RAISE框架高效获取关键用户信息。实验表明,提供用户背景可使安全分数提高43.2%,而RAISE框架通过平均仅2.7次交互即可提高安全分数31.6%。这一创新方法将AI安全从"一刀切"转向"个性定制",为高风险领域的AI应用提供了新思路。
明尼苏达大学研究团队提出了一种创新方法,通过回合级信誉分配显著提升大语言模型(LLM)智能体的多回合推理能力。传统方法只对整个过程进行评价,而他们的MT-GRPO算法能够精确评估每个决策步骤的价值,就像为每一步提供具体反馈。在维基百科搜索工具使用场景中,该方法实现了100%的工具执行成功率和50%的答案精确匹配率,远超传统方法。这一突破不仅提高了AI在多步骤任务中的表现,也为开发更复杂的AI系统提供了重要思路。
这篇研究介绍了PISCES——一种能精确从大语言模型参数中移除特定概念知识的创新技术。与现有方法不同,PISCES通过解缠器模型识别概念相关特征,直接编辑模型参数,实现了更精准的知识移除。在Gemma和Llama模型上的测试表明,该方法不仅有效降低了目标概念的准确率(低至7.7%),还保持了模型在无关领域的高性能,并显著提高了对"重新学习"的抵抗力。这一突破为AI系统的安全部署和合规使用提供了新的可能性。