Ocean Network Express (ONE)是世界第六大集装箱航运公司,船队规模约为160万标准箱(20英尺当量单位)。这家总部位于新加坡的集装箱航运公司经营着220多艘船只,为120个国家或地区提供服务。
ONE公司是于2017年由日本三大船公司组建的,从2018年4月开始提供服务,该公司的IT系统可以说是三家母公司的综合体。“那些IT工作负载仍在使用基于内部环境的基础架构,”ONE公司业务流程、IT战略和创新高级副总裁Kosuke Wada这样表示。
“从那个时候起,我们就开始将工作负载转移到云上。我们与Google Cloud展开合作,将一些企业应用系统转移到云端,我们计划最终会把所有工作负载都转移到云上。”
疫情期间:我们需要更快地更新信息
COVID-19新冠疫情大爆发阻断了全球供应链体系,ONE公司的运营因此也受到巨大影响。该公司此前一直是按照计划向客户提供即时信息,或者通过在线和离线平台延迟提供这些信息。然而在疫情期间,信息很快就过时了,船舶时刻表、火车时刻表和码头效率在最后一刻也会发生巨大的变化。Wada带领的IT团队很难确保向客户提供及时准确的信息。
当时,ONE公司正在使用微软Dynamics CRM工具在全球范围内管理销售、客户绩效和服务水平。但Dynamics很难处理快速变化的信息,因为ONE公司的IT堆栈主要是基于Google服务而不是微软服务的。因此,ONE公司转向采用Salesforce CRM,因为后者“与Google Workplace的集成很快变成了一个重要优势。我们还选择了Salesforce,因为它具有广泛的、基于配置的功能,例如EAC[Einstein活动捕获]、灵活的安全模型功能、API集成和动态流程。”Wada说。
6个多月的时间里,ONE公司在10个试点国家实施了Salesforce CRM,并即将于2021年10月之前在全球范围内上线。”Wada表示,实施总共花费了9个月的时间。Wada的团队曾与多家服务公司展开合作:例如全球云系统集成商埃森哲,作为北美联络中心提供商Neuraflash,CRM提供商Salesforce。
Wada说:“我们遇到的最大挑战之一,是要协调不同的合作伙伴,使彼此之间的依赖关系和时间表保持一致,以满足产品交付时间表。但通过ONE和Salesforce之间出色的团队合作,我们设法克服了这些挑战并按时交付了高质量的实施。”
ONE公司的CRM实施经验教训
Wada将顺利实施归功于四个关键战略,这些战略帮助他们的IT团队能够专注于可扩展系统的时间表和交付:
ONE公司IT系统的下一步
随着新CRM系统即将完全就位,ONE公司的IT路线图要迈出的下一步,包括在Google Cloud中构建数据分析平台、引入新的BI工具、实施机器学习平台、改进数据治理流程,“以一种更加深入的方式使用数据”。
目前ONE公司正在应对的另一个挑战是在组织范围内采用敏捷开发方法和DevOps。Wada说:“我们正在培训IT工程师,以便为最新的软件工程方法和方法做好准备,去年我们在越南开设了数字工厂[敏捷应用程序开发中心],以促进我们的数字化转型。”
好文章,需要你的鼓励
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。
这项研究提出了"思想家"(Thinker)任务,一种受人类双重加工理论启发的新型AI训练方法。研究者将问答过程分解为四个阶段:快速思考(严格预算下给出初步答案)、验证(评估初步答案)、慢速思考(深入分析修正错误)和总结(提炼关键步骤)。实验表明,该方法使Qwen2.5-1.5B模型的准确率从24.9%提升至27.9%,DeepSeek-R1-Qwen-1.5B模型从45.9%提升至49.8%。显著的是,仅使用快速思考模式就能达到26.8%的准确率,且消耗更少计算资源,证明了直觉与深度推理作为互补系统的培养价值。
这项由ELLIS研究所和马克斯·普朗克智能系统研究所的科学家进行的研究,揭示了大语言模型安全测试的根本规律:越狱攻击成功率由攻击者与目标模型间的能力差距决定。通过评估500多个攻击者-目标组合,研究团队发现:更强的模型是更好的攻击者;当目标能力超过攻击者时攻击成功率急剧下降;社会科学能力比STEM知识更能预测攻击成功。基于这些发现,研究者建立了预测模型,表明随着AI进步,人类红队测试可能逐渐失效,提示需要发展自动化安全评估方法及更全面地评估模型的说服和操纵能力。
华中科技大学和香港中文大学研究团队提出SATORI-R1,一种通过空间定位和可验证奖励增强多模态推理的新方法。该方法将视觉问答任务分解为图像描述、区域定位和答案预测三个可验证阶段,解决了自由形式推理中注意力分散和训练收敛慢的问题。实验证明,SATORI-R1在七个视觉问答基准上一致提升性能,最高达15.7%,并展示出更聚焦的视觉注意力和更低的训练方差。