近年来,全国各地的数字政府建设如火如荼,尤其是在 “十四五”规划与2035年远景目标指出“要将数字技术广泛应用于政府管理服务,推动政府治理流程再造和模式优化”后,推进政务上云、挖掘政务数据价值不仅成为数字政府建设的重要议题,也让更多人意识到作为基础软件核心的数据库在建设数字政府上所起到的关键性基石作用。
在近日公布的中央国家机关2021年数据库软件协议供货采购中,紫光股份旗下新华三集团推出的分析型SeaSQL MPP数据库、事务型SeaSQL DRDS数据库凭借着在海量数据分析、大规模高吞吐量等场景中的出色表现,分别进入采购名单,助力更多城市及政府机关完成海量数据的归集、存储、管理和价值洞察,推动政务服务创新。
挖掘海量数据价值
随着数字政务建设的深入,各级部门产生的数据量也呈指数级上升,各地政府及相关部门亟需获得与海量政务数据相匹配的强大分析能力,拥有PB级别数据分析能力的分布式数据库H3C SeaSQL MPP应运而生。得益于无共享MPP(大规模并行处理)架构,H3C SeaSQL MPP具备强大的拓展性和弹性,能有效应对结构化、半结构化和非结构化数据的存储、处理和实时分析需求。
此外,SeaSQL MPP数据库实现了对OLAP型业务和轻量级OLTP型业务混合负载的全面支持,打通业务——数据——洞见——业务的闭环,助力政务部门应对海量数据挑战。根据自身的业务情况,政府部门可以将这款数据库部署于本地或云中,加速政务数据价值的发掘,推动科学决策。
支持高可用、高并发场景下的业务创新
与此同时,自去年疫情以来,以健康码、消费券为代表的创新型政务服务不断涌现,对业务系统的高可用、高并发、高吞吐能力提出了新的挑战。对此,H3C SeaSQL DRDS数据库基于全分布式架构,将集中式数据库中的数据分散存储到多个数据存储节点上,从而获得更大的存储容量和更高的并发访问量,其中,单个计算节点的吐量可达到20万+TPS,50万+QPS,可有效支撑创新政务的发展。
此外,H3C SeaSQL DRDS数据库还具有透明、易扩展、易运维、无学习成本等特点,让政府部门的技术团队可以实现高效开发和业务调优,有效提升数据库集群的业务能力。尤其是面对高并发场景下的系统安全性和业务恢复能力要求,专业技术团队可以利用H3C SeaSQL DRDS在数据安全、数据容灾、数据恢复、集群监控等方面的能力,保证政务应用长久、稳定地运行。
面对数字政府及数字治理的蓬勃发展,大数据、云计算等新兴技术的价值与日俱增。此次入选央采数据库名单,不仅证实了H3C SeaSQL数据库领先的技术架构、强大处理能力及极致的可靠性,也展现了新华三集团在PaaS服务领域的新成果。
值得一提的是,4月9日召开的2021 NAVIGATE领航者峰会将重磅推出全新升级的绿洲平台,H3C SeaSQL数据库将作为绿洲平台的重要组成部分之一,以“无人驾驶”般的用户体验连通物理世界和数字世界,在实现数据全生命周期管理的基础上,最大程度地释放数据价值,帮助用户加速业务敏捷创新。
作为数字化解决方案领导者,新华三集团始终致力于以技术创新支撑客户科学决策,为打造数字中国,成就百行百业数字化转型奠定坚固基石。围绕云与智能,新华三接下来还将有哪些大动作?敬请期待!
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。