7月8日,北京讯——紫光旗下新华三集团今日发布2019-2020年度企业社会责任报告,这份报告是新华三自成立以来发布的第3份企业社会责任报告。本次报告阐述了数字赋能社会、善心温暖社会和倡导积极价值观三大价值主张,系统地诠释了新华三在多个领域的企业社会责任实践成果。
其中尤为引人注目的是,此次报告的周期跨越了国内新冠肺炎疫情严峻的时间段。在全国上下抗击疫情之时,新华三倾力相助,展现了科技抗“疫”的力量。疫情发生后,新华三第一时间千里驰援武汉,为火神山、雷神山医院捐赠全套网络与信息安全系统,并安排专项组日夜攻坚,实施现场交付和保障远程运维,为两所“功勋医院”的疫情攻坚战提供了高速、稳定和安全的IT系统保障。同时,新华三也向武汉方舱医院在内的多家医院,免费提供网络通信和信息安全设备及解决方案,保障医院业务的顺利开展和业务效率的提升。此外,新华三还通过数字化解决方案为全国各地的多家“小汤山”建设模式医院建设提供了强有力的支持。
正如紫光集团联席总裁兼新华三首席执行官于英涛在报告卷首寄语中所说,“作为数字化解决方案领导者,新华三集团始终将‘让数字化更有能量和温度’作为企业社会责任的使命与奋进方向。我们相信,数字化创新一定会在善政、惠民、兴业三个方面发挥越来越核心的作用,并为每个人的生活带来美好改变。”
商业文明发展至今,财务指标的增长不是领军型企业的唯一目标,新华三将自身发展放置在社会价值创造者的维度下进行思考。对此,新华三集团副总裁、首席品牌营销官杨玺认为:“如果把企业看作社会中的一个‘人’,那么,企业就要做一个‘好人’,一个有责任心的‘好人’,并且能够带动更多的人行善心,做善事。”
这一表述深刻体现了新华三对于企业社会责任的观点:企业社会责任是每一个企业应有的担当,是企业文化的一部分。在领航者文化的引领下,新华三率先从自身做起,对外坚守商业道德,坚持诚信经营与公平竞争,对内理解、尊重、关爱每一位员工,帮助他们发展和成长。
只有以人为本的企业社会责任实践,才会让科技更有人性的温度,让科技企业不再是冰冷的机器和单调的数字。在这一理念下,新华三积极寻求企业能力与社会公益的最佳结合点。
一方面,新华三以科技赋能环保事业。在企业的日常管理、生产制造、生态建设中贯穿绿色理念,提高自身的环境友好能力;更帮助内蒙古、天津、西安、四川、西藏等省市,通过将云计算、大数据、人工智能、物联网等创新技术引入环保工作,提升环保工作的效率,改善人们的生活居住环境。
另一方面,新华三以科技促推教育变革。多年来持续投入各项资源,推进数字技术和教育的深度融合,在山东烟台市牟平区实验小学、四川广元市七佛乡中心小学等地开展实践,帮助不同经济发展水平地区的学生获得更为平等、更加优质的教育。
新华三认为,一个有社会责任担当的领军企业,应当最大程度地结合自身业务优势,去为产业和社会创造更大的价值。在这一不断开拓的发展历程中,新华三在2019年提出“数字大脑计划”,旨在帮助百行百业的客户打造属于他们的数字大脑,加速数字化转型进程。这不仅是新华三的业务发展计划,也是公司履行企业社会责任的重要实践方式。
今年,在智能战略的指导下,全新升级的“数字大脑计划2020”将加速百行百业的数字化和智能化转型,帮助更多企业高效应对后疫情时代的各种挑战与不确定性,在变化中把握机遇,促进产业与社会经济的蜕变升级。
展望未来,新华三将继续助力智慧城市的建设,让数字医疗惠及大众,让数字教育走进校园,让供应链体系数字化水平提升,让生态伙伴实现无界共赢,实现这些美好图景需要更多力量参与。杨玺表示:“我们希望通过生态融合,与更多伙伴一同探索,让数字化成为文明进步的强大动力,推动社会的整体发展和进步,让美好生活更有温度。”
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。