近日,工信部公布2022年新一代信息技术与制造业融合发展试点示范名单。在浪潮云洲赋能下,浪潮信息凭借JDM模式下的数字化转型项目,成功入选全国首批“数字领航”企业。
试点示范名单
浪潮服务器工厂基于工业互联网的敏捷高效,打造联合设计制造(JDM)模式下的产业协同,打通市场预测、研发、生产、采购、交付全价值链体系,建设工业互联网智能工厂,实现大规模柔性生产。
一是发展智能化制造。推进机器换人,过程生产自控,过程质检自控。全自动精准作业的智能化机器人、智能分拣机器人、巡逻中的视觉识别巡检机器人、来回穿梭的自动导引运输车(AGV),在浪潮服务器工厂随处可见。
二是加强网络化协同。依托浪潮云洲工业互联网平台,打通企业资源计划(ERP)、制造执行系统(MES)、仓库管理系统(WMS)等六大系统,连通客户、供应商、代工厂,实现设计协同、供应链协同、生产协同,打造5G全连接工厂。
三是实施数字化管理。通过增强级标识解析服务平台——浪潮云洲链,全链条贯穿企业的研发、供应、生产、销售、后服务,集成了600多个RFID、2000多个传感器、50个设备控制器、330套智能设备,实时监测现场运营状况,企业管理实现“一屏统管、一目了然”。
四是推广个性化定制。打通客户设计平台,支持定制化产品研发,产线协同生产,推广需求驱动、柔性制造、供应链协同的新模式。
在JDM模式下,浪潮新品研发周期从1.5年压缩到9个月,从研发到供货最快可以3个月,产品上市时间缩短一半。通过柔性智慧供应链平台落地,年产能提升4倍,生产效率提升30%以上,人员减少75%。
下一步,浪潮云洲将持续赋能智能工厂建设,基于平台技术和合作伙伴的领域及行业知识,汇集生态、携手共建工业互联网平台体系,全力助力企业数字化转型。
好文章,需要你的鼓励
这篇研究揭示了大语言模型强化学习中的"熵崩塌"现象——模型在训练早期迅速失去探索能力,导致性能达到可预测的上限。研究者发现验证性能和策略熵之间存在精确的数学关系:R = -a·exp(H) + b,并深入分析了熵变化的内在机制。基于这些发现,他们提出了两种简单有效的方法(Clip-Cov和KL-Cov)来缓解熵崩塌问题,显著提升了模型性能,特别是在困难任务上。这项研究为大模型强化学习的规模化应用提供了关键指导。
Skywork OR1是昆仑公司AI团队开发的开源推理大模型,通过创新的强化学习方法显著增强了语言模型的推理能力。该研究基于DeepSeek-R1-Distill模型系列,采用名为MAGIC的训练方法,在AIME24、AIME25和LiveCodeBench三大基准测试中实现了显著性能提升,32B模型平均准确率提高15.0%,7B模型提高13.9%。研究团队通过系统研究策略熵崩塌现象,提出了有效的缓解策略,并开源了全部代码、数据和模型权重,为AI社区提供了宝贵资源。
上海交通大学研究团队发现多模态大语言模型中的"啊哈时刻"(自我反思模式)虽存在但并不意味着推理能力提升。他们提出了"冷启动强化学习"两阶段方法:先用监督微调建立推理模式,再通过强化学习优化。实验表明,这种方法在多个多模态数学推理基准上表现卓越,使3B参数模型达到接近甚至超越部分7B模型的性能,为增强多模态AI推理能力提供了有效路径。
MBZUAI研究团队开发的SVRPBench是首个模拟真实物流环境的随机车辆路径问题基准测试平台。它通过建模时间依赖的交通拥堵、概率性延误和客户特定时间窗口,为500多个包含最多1000客户的测试实例注入真实世界的不确定性。实验结果显示,先进的强化学习算法在分布变化时性能下降超过20%,而传统方法表现更为稳健。该开源平台通过GitHub和Hugging Face发布,旨在推动更适应现实世界不确定性的路由算法研究。