最新研究表明,各个行业在去年通过利用新技术与新工作方式产生了 6,780 亿美元的额外收入
北京——2021 年 11 月 3 日——创新驱动未来。过去的一切都预示着光明的未来。据思杰系统有限公司(纳斯达克股票代码:CTXS)的最新研究“超级创新时代”(The Era of Hyper Innovation)表明,去年企业对新技术和灵活工作模式的投资推动了全球各行业收入增长达 6,780 亿美元,这也为持续增长奠定了基础。
思杰业务战略执行副总裁 Tim Minahan 表示:“如果说这场新冠疫情证明了什么,那就是创新无处不在。企业领导们起初虽然持怀疑态度,但他们现在看到了混合工作模式带来的好处,并在迅速采取行动来部署这种模式以及工具和流程,以便员工们随时随地进行创造和创新。”
涡轮增压式的创新
面对面协作与实现成功的创新曾是密不可分的,但技术改变了这一点。
反思协作
在缺乏面对面沟通的情况下,员工们找到了新的协作方式,“超级创新时代”的受访者表示,这种方式大大改善了个人和团队之间的合作,并推动了更为重要的创新过程。
推动增长
传统的机制,如获取新客户、拓展新市场以及额外的营销活动曾是推动企业营运增长的主要驱动力。作为本次调研内容的一部分,接受“超级创新时代”调查的部分企业则将其上一财年近一半的增长归因于创新,并特别列举了以下驱动因素:
为顺应这一趋势,企业业务领导人正在将关注的重点转移到新产品和服务上。69% 的受访者表示,他们将在未来 12 个月内增加研发投入,28% 的受访者将保持目前的水平,只有 3% 的受访者计划减少研发投入。
Minahan 表示:“创新不是偶然发生的。在正确的技术和工作模式的支持下,让员工尽其所能的企业可以实现创新,并获益于我们研究所揭示的那些好处。”
关于这项研究
“超级创新时代”研究了混合工作环境下的创造力和协作,以及技术在推动创新方面的作用。2021 年,思杰与 Man Bites Dog 和 Coleman Parkes Research 合作,开展了一项独立的意见研究,采访了在大中型市场企业工作的 1,200 名业务领导(职务包括首席执行官、首席财务官、首席营销官、首席技术官、首席运营官和总经理)。受访者来自美国(400人)、英国(200人)、法国(200人)、德国(200人)和荷兰(200人)。这项研究集中在以下领域:金融服务、医疗健康和生命科学、科技、专业服务、制造业以及零售业。
好文章,需要你的鼓励
这项研究介绍了Ankh3,一种创新的蛋白质语言模型,通过多任务预训练策略显著提升了模型性能。研究者采用两种互补任务:多掩码概率的掩码语言建模和蛋白质序列补全,使模型仅从蛋白质序列就能学到更丰富的表示。实验表明,Ankh3在二级结构预测、荧光预测等下游任务中表现优异,尤其在模型未曾训练过的任务上展现出强大泛化能力,为蛋白质设计和分析开辟了新路径。
法国波尔多大学研究团队开发了一个突破性框架,用于神经退行性痴呆症的差异化诊断。该框架将3D脑部MRI转换为文本报告,并利用强化学习优化的大语言模型进行详细诊断推理。不同于传统"黑箱"方法,这一系统能生成透明、有因果关系的解释,同时保持高诊断准确率。研究显示,通过群组相对策略优化(GRPO)训练的轻量级模型能展现复杂推理行为,包括假设检验和非线性思考,提供与临床决策流程一致的排序诊断结果。
这项研究提出了CLUE框架,首次能够生成自然语言解释来揭示AI事实核查系统不确定性的来源。与现有方法不同,CLUE能识别文本片段间的冲突与一致关系,并解释它们如何影响模型的预测不确定性。实验表明,CLUE生成的解释在三种语言模型和两个事实核查数据集上都更忠实于模型不确定性,用户评价其更有帮助、信息更丰富、冗余更少且逻辑更一致。CLUE不需要微调或架构更改,适用于任何白盒语言模型,为事实核查提供了实用支持。
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。