4月26日,中国电子与重庆市人民政府签署战略合作协议,双方将聚焦数字经济和现代数字城市建设,加速技术、资本、人才、信息等资源对接,在建设西南信创技术研发示范中心、软件产业园、现代数字城市、数据中心等方面开展深度合作。作为中国电子数字与信息服务板块核心企业,中国系统参加此次签约,并达成多项合作,全面赋能重庆数字经济发展。
在中国电子与重庆市人民政府签署的战略合作协议中,中国系统将承担现代数字城市、行业数字化等合作的落地。
在现代数字城市领域,中国系统作为中国电子现代数字城市业务的主要推动者和践行者,将发挥自身先进的技术能力和产业优势,以“企业主建、政府主用、社会共享”的投资新模式参与重庆数字政府建设,聚焦协同办公、安全数脑、交通改善、民生服务、社会治理、综合应急、智慧水务、新型基础设施建设等领域,助力重庆实现城市治理体系和治理能力现代化,共同打造现代数字城市样板城市。
同时,中国系统将在法律规定的范围内参与城市数据治理与运营,以数据赋能软件企业开展业务创新,发挥政府及公共数据的价值。
在推进行业数字化转型领域,中国系统将与重庆共同建设富有重庆特色的工业互联网平台,为重庆区域内汽车、电子、装备等重点制造业企业提供工业诊断及改造服务、工业互联网及智能工厂解决方案,并提供企业上云及智能制造服务,助推“重庆制造”向“重庆智造”转变。
在中国电子与重庆市人民政府签署战略合作协议的同时,中国系统与重庆高新区管委会签署《中国电子·重庆信创产业示范基地项目合作协议》,将在重庆高新区建设营运“中国电子·重庆信创产业示范基地”,中国系统总经理陈士刚、重庆高新区管委会主任商奎分别代表双方签字。
根据协议,中国电子·重庆信创产业示范基地主要由西南信创技术研发示范中心和中国电子(重庆)软件产业园两部分建设内容组成,建成后将广泛集聚信创产业、现代数字城市和大数据等企业,并通过发起成立西南地区信创产业生态联盟,在重庆高新区培育建立信创产业高地。
其中,西南信创技术研发示范中心将由信创产业孵化器、生态开放平台、展示和文化传播平台等三个核心平台,以及信创产业人才培养中心、信创产业研究院等两个支撑平台组成,同时将携手部分国内及西南地区信创企业、高校院所、行业机构、服务机构等共同成立西南地区信创产业生态联盟。
中国电子(重庆)软件产业园则将建设多个细分领域的信创产业集群,包括信创+电子信息制造产业集群,以及以场景应用信创软件和信创新技术软件为主的信创软件产业集群等。
“信创产业示范基地落户重庆高新区,不仅将带动一批信创产业赋能平台和服务平台入驻,还将激活重庆本地及周边区域信创企业、高成长企业及高校院所、服务机构、专业人才等资源要素在区域内集聚。”重庆高新区管委会负责人表示,该基地建成后,将为重庆高新区导入一批信创产业、现代数字城市和大数据等类型成熟产业企业,同时双方将共同培育一批技术创新企业和创业团队,建成一批信创产业服务平台,并通过举办创新创业大赛、信创高峰论坛、信创技术交流等活动,推动重庆高新区建成为全市信创产业全要素集聚区、西南地区信创技术创新高地和原创技术发生地、国家信创技术和产品双向流通重要窗口。
此次签约,是中国系统与重庆合作的开始,中国系统将务实高效推动项目落地落实,在信创、现代数字城市、行业数字化转型等领域拓展新的合作空间,助力重庆数字经济高质量发展。
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。