欧洲领先的公路和越野高性能运动摩托车制造商 KTM AG 已选择 PTC 的 Codebeamer® 作为应用生命周期管理 (ALM) 平台,并在 KTM 集团全球范围内实现标准化。 这一战略决策扩大了与 PTC 的长期合作,旨在集中和优化 KTM 在硬件和软件开发方面的工程流程。
KTM 将用 Codebeamer 取代现有的两个系统,并将不同的工作流程整合到一个高效的平台中。 最初,KTM 将在 E/E 和 ePowerpack 系统中使用 Codebeamer,以改善跨职能协作,加快新开发产品的上市时间。 第二步,KTM 计划将 Codebeamer 扩展到整车。 这将使 Codebeamer 成为公司设计和开发流程的关键组成部分。
引入 Codebeamer 的目的是通过为产品和软件开发提供统一平台,进一步优化内部协作。 这样就无需在不同系统之间进行内部数据交换。 这将大大提高项目实施的速度和质量。
KTM集团表示:“KTM 的目标是保持并不断扩大其在摩托车开发领域的领先地位。 要实现这一目标,有时必须更迅速地向市场推出高质量的创新产品。 将 Codebeamer 集成到我们的工作流程中将有助于我们实施高效的开发流程。”
“KTM 选择 Codebeamer 作为其 ALM 平台的决定证实了我们在充满活力的汽车行业加速数字化转型的战略,”PTC ALM 分部高级副总裁兼总经理 Christoph Bräuchle 说,“对我们来说,利用我们的解决方案支持 KTM 开发其迷人的创新产品是一个特别的动力。”
好文章,需要你的鼓励
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。