至顶网CIO与CTO频道 07月06日 北京消息:PTC(纳斯达克代码:PTC)今日宣布,推出其屡获殊荣的Windchill®产品生命周期管理(PLM)软件的最新版本。Windchill 12提供了新的协作工具、提高产品质量的功能和增强的部署选项,为适应当今不断变化的工作环境提供必要的工具。
IDC制造业洞察与产品创新战略项目总监Jeffrey Hojlo指出:“企业正在认识到产品开发过程中对协作的需求越来越多,而协作可以提高速度、增强信心、便于管理,同时保持不同开发阶段、利益相关者和产品的质量。目前,企业正努力应对新冠肺炎疫情带来的挑战,如更分散的劳动力、断裂的供应链和动态的客户需求,协作在此时变得更加重要。PTC继续致力于满足这些市场需求,并帮助客户实现灵活性和弹性。"
Windchill 12的增强功能包括:
轻松、安全地访问产品数据
基于Windchill网页式的用户界面和高度可配置的开箱即用应用程序,Windchill 12能使企业访问范围更广的产品数据,改善整个企业内部协作。Windchill 12的扩展程序,包括Silicon Expert和IHS集成,提供了先进的组件采购、部件选择和风险评估功能,帮助客户提高利润率。
在每个项目和工艺流程中强调质量
Windchill 12将工程、制造、供应链和现场服务连接起来,为企业提供了更强的端到端功能,以尽早发现设计问题,并对不良事件做出更快的反应。这些功能使企业能够降低质量差所带来的成本,提高产品上市速度和客户满意度。通过与Windchill 12、Windchill RV&S、Windchill Modeler和第三方需求管理工具(如IBM Doors NG)的紧密OSLC(生命周期协作开放服务)集成,Windchill 12提供了新的可追溯性证明功能,使企业能够在数字主线的源头保护知识产权。利用PTC最新版本的Creo®设计软件,Windchill 12和Creo View™可视化解决方案使用户能够在视图状态下发现CAD设计中的变化,可视化地管理关键质量(CTQ)特性。
并行制造
由于供应链断裂、不断变化的安全法规及上市时间的压力等因素,满足日益增长的客户定制产品配置的需求变得越来越困难。通过在设计与工厂车间的信息之间保持数字主线的连续性,Windchill 12帮助客户采用更灵活的方式生产产品。Windchill 12引入了强大的物料清单(BOM)转换工具,使制造工程师能够快速查看上游的变化,并在上游与下游制造和特定工厂BOM之间进行协调。
数字化优先
PTC在Windchill 12中继续致力于开放性和基于标准的集成,推出了基于ODATA标准的新增强功能,以实现多系统协调以及与PTC和非PTC应用程序的兼容性。Windchill 12为管理员提供了更多的工具来规划和执行对先前版本的升级,使企业能够简化升级,并在最新的Windchill平台上快速获得价值。
PTC PLM部门总经理Kevin O'Brien表示:“在最新发布的Windchill 12中,PTC继续致力于开发企业范围内的PLM平台,以应对客户不断变化的工作方式,着重关注扩大团队协作和可替代的工作类型。让我们感到自豪的是,最新版本不仅能与PTC套件内其他产品无缝衔接,而且能让我们的客户更快捷地获取任何特定时间所需的最新产品信息。"
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。