4月9日,由紫光集团和新华三集团主办的“2021 NAVIGATE 领航者峰会”在六朝古都南京启幕。本届峰会以“智行·见远”为主题,千余位思想领袖、权威学者、技术专家、企业管理者以及生态合作伙伴相会金陵,通过1场全体大会、3场产业峰会、多场闭门会议、20场线上专题论坛、100余个主题演讲以及遍布全国的城市峰会,探讨面对“数字定义世界,软件定义未来”的时代,如何通过“云智原生”加速释放数据价值,赋能行业的重塑和转型。
在9日上午召开的全体大会上,新华三集团重磅发布:
南京市人民政府副市长沈剑荣
南京市人民政府副市长沈剑荣出席大会并致辞,他提到,南京正在以“数字产业化、产业数字化、数字化治理”为主线,加快建设新型基础设施,构建数据驱动发展新方式,力争在数字经济前沿基础和关键核心技术创新上实现新作为,欢迎新华三集团与南京共建“数字家园”。作为特邀嘉宾,英特尔公司全球副总裁兼中国区总经理王锐,中国科学技术大学校长助理、新华三集团首席科学家吴枫等产业技术领袖也在会上分享了对于数字时代的洞察和观点。
“云智原生”战略,助推产业数字化转型
紫光股份董事长兼新华三集团首席执行官于英涛
面对“数字定义世界、软件定义未来”的时代,“数字原生组织”具备与生俱来的数字架构和能力,在市场竞争中具备天然优势。向“数字原生”不断转化,已经成为了数字化转型与变革的核心目标之一。紫光股份董事长兼新华三集团首席执行官于英涛在峰会上强调,在全新时代里,持续数字化的物理世界将源源不断地创造数据输入到数字世界,而基于云与智能构建的数字世界则能洞察并释放海量数据背后的价值,反馈给物理世界,推动着物理世界的变革与重塑,并以此循环,生生不息。在这一过程中,基于“云智原生”全面升级的“数字大脑2021”,将为构建“数字原生组织”提供必备的数字化创新能力,推动产业的发展和转型。
“数字大脑2021”架构
为了加速企业和组织实现向“数字原生”的转变,新华三集团在本次峰会上重磅发布了全新“云智原生”战略,让业务覆盖“芯云网边端”,产品内生智能、全面云化,解决方案集成智慧、全面赋能。基于“云智原生”战略,新华三发布“数字大脑2021”,能够帮助企业及组织构建与生俱来的云与智能的架构与能力,适应敏捷高效的应用需求,在产品服务、管理模式、业务模式、商业模式、用户体验上加速转型。
全新能力加持,实现“数字大脑”全面升级
新华三集团联席总裁、首席技术官尤学军
在“数字大脑2021”的升级中,新华三集团将“云智原生”作为构建智能数字平台的技术体系和方法论。新华三集团联席总裁、首席技术官尤学军提出,云智原生的平台应当具备重新定义低代码开发平台、统一数字底座和应用体验、云原生数字基础设施、原生AI in ALL、全域主动安全和应用生态绿洲六大能力,基于“云智原生”的数字化技术,新华三打造新一代“数字大脑”,赋能客户迈入数字化应用的新阶段。
新华三集团高级副总裁、紫光云与智能事业群执行总裁陈子云
其中,面对“多云无界协同、业务敏捷重构”的新要求,“数字大脑2021”在云与智能平台上实现了关键性升级。新华三集团高级副总裁、紫光云与智能事业群执行总裁陈子云表示,作为云与智能平台的载体,紫光云3.0实现了架构统一、无界混合、极简运营、一致体验,能以紫鸾平台实现“管理一平台、应用一架构、SDN一张网、安全一策略”,以绿洲平台提供成熟的数据运营体系、成熟的应用创新引擎、成熟的生态协同套件,助力客户数字化转型。
同时,新华三集团更发布了多个云智原生的产品和解决方案。
与时代共进,与变革同行,与生态共赢
新华三集团副总裁、解决方案部总裁李立
作为数字化创新技术与行业场景的交汇点,新华三集团在峰会上展示了行业解决方案上的创新和实践。新华三集团副总裁、解决方案部总裁李立提到,新华三将秉承数字原生理念,通过践行“数字大脑2021”,帮助客户构建独有的数字大脑,加速数字化转型,重塑业务和商业模式,持续提升行业竞争力,改善用户体验。
作为与新华三集团共同推进数字化转型的行业代表,太原市轨道交通发展有限公司总经理助理、机电设备部部长郭建伟在会上分享了太原地铁城轨云的规划和建设经验,展望了城轨智慧化的未来场景;山东大学信息化工作办公室常务副主任葛连升则分享了对于教育信息化的前瞻思考,以及山东大学推进智慧校园建设和发展,向“智慧山大”迈进的探索与实践。
此外,新华三集团更在峰会现场营造了一个场景化的展示中心,通过10大展岛、3000平方米的展示空间,全面呈现了“云智原生”理念引领下,新华三和无界生态伙伴的技术创新成果以及覆盖百行百业的数字化转型探索与实践。
面向“十四五”的新发展阶段,新华三集团将继续发挥重要的赋能者作用,加快推进数字产业化和产业数字化转型,助力“数字中国”建设。未来新华三将继续聚焦“芯云网边端”全栈业务,与产业客户及合作伙伴联合创新、携手共进,在数字世界智行,在物理世界见远,推动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。