Chris Richner成为Norco Industries公司的首席信息官,肩负着一项明确的使命:指导这家美国制造商完成批发业务的数字化转型。
如今,Richner已经上任有18个月了,他说:“我被任命为变革推动者,首要任务就是加强我的基础设施,因为我的五年计划最终目标是要把数字化带入车间。”
Norco公司主要生产休闲车(RV)、工业和汽车产品,旗下七个品牌包括Adnik(座椅系统)、Bal RV(RV组件)、Norco Professional Lifting Equipment(地板千斤顶、离合器千斤顶、变速箱千斤顶)、Flo -Dynamics(流体维护设备)、Nortool(加工和工具设备)、Norcoat(电泳漆和粉末涂层精加工)和Freedom Industrial Hydraulics(工业起重设备)。
数字化和其他IT技术的进步,推动着制造业正在经历翻天覆地的变化,而CIO是其中的核心。根据2023年首席信息官状况调查报告显示,有86%的制造业IT领导者称,他们的角色正变得更加数字化和创新,84%的人认为,CIO正在成为变革者。
在Norco,Richner正在加紧实施一项雄心勃勃的计划,在他上任的头五年内改造公司的技术基础设施。但全面采用新技术是一项艰巨的任务,因此,Richner开始着手实施一项计划,使用机器人流程自动化(RPA)将员工从耗时的、重复性的任务中解放出来,让他们有足够的空间来迎接更广泛的变革。
RPA使用技术、业务逻辑和结构化输入来实现业务流程的自动化。Richner与Norco Industries首席执行官Michael Tallman坐下来讨论了公司要如何利用RPA,并确定了可能的用途以证明其实用性。最终他们决定,财务部门是完美的选择。
证明试水项目
Richner的团队与财务部门合作,确定了最适合采用RPA的工作流程,然后将这些工作流程交给RPA供应商Kognitos,以帮助制定自动化计划。他们决定使用RPA来支持整个应收账款和应付账款(AR/AP)流程,包括计费和发票。
Richner说:“我们有很多重复性的任务,很容易出错,没有人愿意做这些任务。他们可不想整天扫描文件。”
结果就是,自动化让Norco每周能够节省10-15个员工工时,每周减少15-20个小时的计费任务,每周减少30小时的开票任务,同时减少人为错误和招聘需求。Richner说,即使是非技术员工也能够使用Kognitos的平台来检查流程并验证自动化是否正常运转。
Richner指出,在这方面平台使用了自然语言是很有帮助的。
Kognitos公司创始人、首席执行官Binny Gill表示:“RPA的理念是我们需要教会人类如何与机器进行交谈。这并不能很好地扩展,因为对我们大多数人来说,像机器一样思考是一件很难的事情,机器就像是外星人。”
Gill指出,人脑擅长处理歧义,而机器则难以应对。与ChatGPT和其他生成式AI一样,Kognitos依赖于对话异常处理,触达人类用户并在必要时要求澄清和提供其他信息。
展望RPA的潜力
凭借在构建财务自动化方面的经验,Richner和Tallman决定扩大工作范围,邀请Norco的两位部门总裁和人力资源总监参加RPA展望研讨会。
Richner说:“我们总共提出了16种不同的工作流程可供我们使用,其中一些相当重要,并且影响重大。其中,生成材料清单是一件大事,因为我们根据设计规范生成材料清单会涉及到很多方面。”
Norco有别于众多竞争对手的其中一点,就是Norco可以按要求设计。例如,客户可能想要更改Norco RV框架顶部的设计,使其更宽,客户可以把这些更改提交给Norco,然后Norco根据新规格进行设计,并向客户提供报价。
Richner解释说,如今这是一个高度手动的过程,涉及大约12到15个步骤,3到4个员工,以及来回往复很多次。RPA可以让Norco将整个过程自动化。客户可以在客户门户中实时更改他们的设计。然后,RPA可以根据这些设计规范生成物料清单,根据物料清单生成主表,将主表输入实体建模CAD工程应用SolidWorks,并实时渲染设计。然后,系统会在门户中将新设计连同报价一起呈现给客户。
“就在这里游戏规则被改写了,”Richner说。
还有其他计划。例如,Norco的人力资源部门正在主动监控社交媒体。
Richner说:“如果我有一个AI引擎可以为我做这件事呢?我们不希望它进行自动响应,因为我们希望响应是来自我们的,但至少它可以帮我们找到这些信息。”
员工入职和离职、支票处理、货运退款处理,都是潜在的用途。
Richner说:“我们才刚刚起步,还有很长的路要走,下一步就是把API和AI整合在一起,做一些打破常规的事情。”
Richner建议开始使用RPA的同行:“不要害怕。花时间去了解它。”他认为,你不必成为专家,但要学习基本概念,找到一个好的合作伙伴,并和利益相关者共同构想整个过程。
“必须得到他们的认可,这样从开始就这样,事情就能向前推进,一旦发生,就会像滚雪球一样越滚越大。”
好文章,需要你的鼓励
这项研究介绍了VisCoder,一个经过专门微调的大语言模型,用于生成可执行的Python可视化代码。研究团队创建了包含20万样本的VisCode-200K数据集,结合了可执行代码示例和多轮修正对话。在PandasPlotBench基准测试中,VisCoder显著优于同等规模的开源模型,甚至在某些方面超越了GPT-4o-mini。研究还引入了自我调试评估模式,证明了反馈驱动学习对提高代码可执行性和视觉准确性的重要性。
这项研究提出了"适应再连续学习"(ACL)框架,一种创新的方法解决预训练模型在连续学习中的稳定性-可塑性困境。通过在学习新任务前先对模型进行适应性调整,ACL使模型既能更好地学习新知识(提高可塑性),又能保留已有知识(维持稳定性)。实验证明,该框架能显著提升各种连续学习方法的性能,为解决人工智能系统中的"灾难性遗忘"问题提供了有效途径。
这篇研究首次关注了CLIP模型文本编码器的对抗鲁棒性问题,提出了LEAF方法(Levenshtein高效对抗性微调)来增强文本编码器的稳健性。实验表明,LEAF显著提高了模型在面对文本扰动时的性能,在AG-News数据集上将对抗准确率从44.5%提升至63.3%。当集成到Stable Diffusion等文本到图像生成模型中时,LEAF显著提高了对抗噪声下的生成质量;在多模态检索任务中,它平均提高了10个百分点的召回率。此外,LEAF还增强了模型的可解释性,使文本嵌入的反演更加准确。
BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台,整合了38个基准中的30万个问题,按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差,而BenchHub通过自动分类系统和用户友好界面,让用户能根据特定需求筛选评估数据。实验证明模型在不同领域的排名差异巨大,强调了定制化评估的重要性。该平台支持多语言扩展和领域特化,为研究人员和开发者提供了灵活评估大语言模型的强大工具。