至顶网CIO与CTO频道 08月10日 编译:在COVID-19疫情之后,各大机构开始采用一系列措施,希望通过远程办公以及远程客户交互等多种途径借数字化技术之力让生活重回秩序。如今,公共部门也开始针对COVID-19疫情做出自己的响应。7月下旬,纽约市宣传启动“纽约市恢复数据合作伙伴”计划,由市政社区、各非营利组织以及私营组织协同合作,推动纽约市从COVID-19的影响下恢复过来。这可能也是全球市政层面首个通过数据共享,支持COVID-19冲击之下社会与经济复苏的公私合作伙伴计划。
Kelly Jin是现任纽约市首席分析官,同时担任市长数据分析办公室主任。Jin女士在公共部门数据与分析领域拥有丰富的经验,此前曾担任Laura and John Arnold基金会数据驱动司法与结果驱动型政府建设总监——这是一家致力于健康、刑事司法、公共金融以及教育行业的慈善机构。在此之前,她还曾在白宫及波士顿市担任数据与分析职位。
Jin认为,纽约市提出的新倡议堪称私营-公共部门数据与分析协作的新模式,有望在应对COVID-19带来的健康与经济危机方面发挥重要作用,同时也有助于推动全市范围内的恢复工作。Jin和她的助手Adrienne Schmoeker,与市长政策与计划办公室联合公布了此项计划,并邀请到11位合作伙伴参与,其中包括LinkedIn以及Zillow纽约分部的品牌StreetEasy。
此项恢复数据合作伙伴计划的核心目标,在于提供对数据的免费访问,借此帮助纽约市了解“市民因COVID-19受到哪些影响”并“为公平恢复原有秩序提供规划与政策决策依据”。纽约市长Bill de Blasio在宣布这项计划时表示,“在我们着手从COVID-19疫情下恢复过来,并建设一座更加公平的城市时,最重要的前提在于根据数据、事实以及所有纽约民众的真实生活经历做出决策。”De Blasio还指出,此项合作伙伴计划将“利用合作伙伴组织提花的数据,帮助我们确定并支持最需要帮助的本地产及社区。”他同时呼吁全市公共与私营组织为此而努力。
Jin与Schmoeker强调称,数据共享、透明性以及数据协作这一基本原则,正是恢复数据合作伙伴计划的核心。Jin指出,“此项举措希望通过数据共享,将整座城市的力量集中起来。”他们提到,数据库中将包含丰富的信息与指标,具体涵盖房地产市场指标、就业与雇用活动、疾病指标、关于财务需求及紧急程序的数据、以及周边社区的人口流量等。他们正在对这些信息进行组织与分析,希望将精力集中在受影响最严重的领域与集群身上,充分理解这些传统数据来源往往有所忽略的领域及群体。
LinkedIn公共政策负责人Nick DePorter指出,“随着我们工作与生活方式的巨大变化,领导者必须能够获得比以往更详尽、也更具动态属性的数据……只有这样,才能为所有纽约人带来公平且迅捷的经济复苏政策。”GovLab联合创始人Stefaan Verhulst评论称,“数据协作效率低下会导致响应时间过长,使相关机构错失挽救生命、恢复经济的机会窗口,同时也导致市政持续缺乏对未来威胁的准备能力。”纽约市儿童委员会执行主任Jennifer March总结道,“COVID-19大流行对于纽约市儿童、家庭及社区的健康与福祉产生了深远的负面影响……而可靠的数据收集与分析能力,将为疫情之后的恢复工作提供重要的指导与依托。”
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。