达索系统(巴黎泛欧证券交易所:FR0014003TT8, DSY.PA)近日宣布,作为达索系统与宝马集团合作的一部分,通过数字化转型生产计划和排程来优化工厂绩效的计划已经开始实施。达索系统的DELMIA Quintiq应用已成功部署到宝马集团位于丁戈尔芬、莱比锡和雷根斯堡的生产工厂,用于优化E-Drive组件的生产和装配。
E-Drive组件装配线现已接入DELMIA Quintiq虚拟环境,以进行生产计划和排程。DELMIA Quintiq应用可缩短设置时间并减少库存、快速响应突发事件,从而协助企业降低生产成本。
宝马集团将继续部署DELMIA Quintiq应用,用于计划和优化其内部组件生产,这其中包括集团在德国全部五家冲压厂的生产。
达索系统汽车与交通运输行业副总裁Laurence Montanari表示:“终端客户对电动汽车的需求快速增长,迫使OEM厂商利用有限的资源来加快对这一新市场的响应能力。任何组件的短缺都会直接影响汽车销售,因此,确保及时生产出电动汽车组件就显得尤为关键。通过采用新的生产计划方法来提高供应链的敏捷性和效率,可以更准确地掌握相关海量数据,同时在各个利益相关方之间实现同步,有助于降低组件短缺的风险。达索系统帮助宝马集团以更快速度做出更优质的决策,提高了生产力,并根据当前的业务优先级将核心绩效指标设置得更为精确。”
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。