日前,Cloud Insight Conference 2018在北京国际饭店会议中心盛大举行。作为青云QingCloud在交通行业的标杆用户,江苏交通控股有限公司(以下简称“江苏交通控股”)信息中心副主任周宏,及信息中心副主管王栋出席了此次峰会并分享了江苏交通控股借助QingCloud公有云平台实现快速、低成本打造最佳业务系统的实践经验。王栋则凭借在青云不断成长和创新过程中作出的突出贡献,荣膺青云第一位MVP。
江苏交通控股有限公司信息中心副主任周宏
江苏交通控股很早就意识到了新兴科技对于企业数字化转型的重要作用。尤其以云计算、大数据、人工智能为代表的前沿科技,已经形成了对于产业的引领性。2013年,江苏交通控股便开始尝试借助云计算的力量进行业务创新,并且携手青云QingCloud一路成长,完成了从初步接触到深度应用的华丽转身,实现业务创新的同时更是形成了共赢的局面。
江苏交通控股有限公司信息中心副主管王栋荣膺青云MVP
江苏交通控股信息中心副主任周宏在主题为《云计算助力智慧交通平台建设》的演讲中表示,交通行业的数字化转型势在必行,平台交通、绿色交通、智慧交通将成为江苏交通控股的核心竞争力。青云QingCloud是江苏交通控股信息化项目最重要的合作伙伴,江苏交通控股信息化的云管端架构理念与青云完全匹配。未来,江苏交通控股将与青云展开更为深入的合作,借助云技术实力实现自身的发展规划。
目前,江苏交通控股已借助青云QingCloud云平台建成包括事件处置、协同联动、智能侦测、统计分析四大系统,以及视频监控、情报板、气象、语音、里程桩、综合路况、单兵、视频对讲八大功能模块的系统框架,在集团所属17家路桥单位的指挥调度分中心部署应用。在帮助交通运输行业向智慧交通转型的过程中,青云QingCloud与江苏交通控股的关系也从服务客户变成了亲密的合作伙伴。一方面江苏交通控股基于云平台构建的中心业务系统实现了数据汇聚后的交互共享与开放赋能,另一方面青云QingCloud也收获了来自客户的大量建议,持续完善并升级服务能力。
江苏交通协同指挥调度云平台展示
为了让参会嘉宾更好地了解江苏交通控股在青云QingCloud公有云上的使用和运营情况。本届大会还设置了交通行业云的展示。展示内容为江苏交通协同指挥调度云平台,全部为实时、实景展示。众多参会嘉宾在展台充分了解了调度云的运营及操作流程,深刻体会到智慧交通的魅力。
青云QingCloud致力于为交通行业上云提供坚实的资源支持和技术能力。除了江苏交通控股,青云在交通行业还拥有首发集团、广东公路局、齐鲁交通集团、国航、川航、昆明航空等一大批优质客户。借助青云QingCloud云平台、QingStor软件定义存储、青立方超融合系统等产品与服务,大量客户实现了自身的转型升级和智能化改造。未来,青云QingCloud将致力于成为全球顶尖ICT服务商,推动各行业实现数字化转型。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。