IBM携手Garmin、Guardhat、Mitsufuji和SmartCone识别工作场所的潜在危险
旧金山,IBM Think大会——2019年2月13日,IBM宣布与Garmin Health、 Guardhat、Mitsufuji 及SmartCone开展重大合作,使用集成至可穿戴设备中的物联网技术,监控建筑、采矿、工厂等危险作业环境中工作人员的人身安全。IBM的Maximo Worker Insights将监控生物特征和环境数据,以识别工作人员是否遇到危险或存在安全风险。可穿戴设备、智能设备和环境传感器将及时收集数据,在不断变化的环境中帮助组织机构快速应对问题并作出反应。
无论是在车间、叉车、通信基站或是地下钻井,工作人员需要应对复杂多变的工作条件。利用物联网技术可以帮助了解人员工作环境的动态,如热量、高度、天气和气体浓度等信息,以便采取及时规范的安全措施来确保工作人员的安全健康,和维持较低的保险成本。
对于工作人员而言,这项新的解决方案可以监控一线工作可能面临的环境安全威胁。对于雇主而言,该解决方案可以帮助他们识别并应对潜在的危险,保证员工安全。在美国,因非致命性工伤引起的赔偿费用接近600亿美元。尽管大多数危险工作强制要求员工执行安全控制标准并佩戴个人防护设备,但该解决方案还将进一步帮助识别问题,并对不断变化的环境作出反应。根据劳工统计局的数据,仅2017年,在美国发生的非致命性职业伤害就达到近300万例。
IBM Watson IoT业务总经理Kareem Yusuf博士表示:“对所有企业来说,工人安全都是重中之重。此次合作将是一个重要的里程碑,它将大幅改进企业识别排除工作场所危险的方式。我们很高兴能与Garmin、Guardhat、Mitsufuji和SmartCone开展合作,充分运用各家公司的领先技术与投入共同改善工作场所的安全状况。”
Garmin Health全球产品主管Travis Johnson表示:“Garmin Health很高兴能够与IBM Watson合作,实现员工安全的现代化管理。IBM Watson IoT解决方案强大的分析能力、高质量的传感器数据与Garmin设备的超长续航相结合,将为工作环境的远程监控提供绝佳的解决方案,同时将用户负担降至最低。”
Guardhat联合创始人兼首席执行官Saikat Dey表示:“智能防护设备的应用可以让我们更好地分析工作场所的数据,并及时为客户提供重要的安全建议。通过与IBM合作,我们可以使用Maximo Worker Insights将智能安全解决方案推广到建筑、制造和精炼等行业。”
Mitsufuji首席执行官Ayumu Mitera表示:“IBM Maximo Worker Insights为客户提供了解决员工安全问题所需的即时洞察能力,我们很高兴能与IBM以及我们的客户一起,进一步开发hamon解决方案。IBM是我们重要的合作伙伴,它不仅为我们提供了强大的物联网技术,还帮助我们在世界各地发现新的市场机遇。”
SmartCone传播与营销副总裁Tenille Houston表示:“我们很高兴能与IBM这样的全球领导者合作,并将IBM Maximo Worker Insight技术集成到我们的平台中。SmartCone完整的端到端解决方案与IBM的物联网技术和先进的分析技术相辅相成,能更好地应对行业需求。”
作为全球可穿戴设备领域的领导者,Garmin与IBM合作,为部署IBM Maximo Worker Insights平台的组织机构提供服务,为穿戴Garmin活动跟踪器的员工提供基于实时传感器数据的警报功能。通过将Garmin Health Companion SDK嵌入IBM Maximo Worker Insights平台,管理人员和安全人员可以在工作人员心率过高或倒地等情况下收到即时通知,并通过Garmin设备的生物信号查看历史分析数据。
Guardhat的Kyra物联网平台集成并补充了IBM Worker Insights解决方案,通过使用智能PPE可穿戴设备为员工和公司运营提供实时情景感知信息。公司可以更深入地了解现场情况并增强安全意识,确定降低风险的最佳操作方法,进而控制并维持较低的保险成本。
日本可穿戴平台Mitsufuji推出了一款名为hamon®的新型可穿戴“衬衫”,利用物联网传感器数据跟踪员工的生物特征,确保工作人员在极端环境下的安全性和生产力。hamon衬衫由导电银纤维制成,可收集穿戴者的体征数据,包括心率、体温、位置等。hamon衬衫可以和IBM Maximo Worker Insights结合使用,收集如湿度、温度、噪音和有毒气体水平等环境数据。IBM云端的IBM Maximo Worker Insights解决方案可以迅速分析上述数据,并在移动设备上发出警报,通知工作人员休息或改变位置,防止出现过度劳累或受伤等情况。
SmartCone是一家基于物联网的智能安全和监控解决方案提供商,致力于为各类规模的易受损或危险区域提供保护。目前,公司与IBM合作,将Maximo Worker Insights集成到其超便携系统中,在公共事业、社区交通、建筑、采矿和具有移动或危险禁区的作业环境中进行员工安全监控。SmartCone系统的多传感器、音频/视频、通信功能、计算和边缘网关功能与IBM Maximo Worker Insights相结合,为管理人员和安全主管提供人员坠落倒下、踏入禁区、温度过高等危险的即时通知和历史分析。
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。