近日,由紫光股份旗下新华三集团发起的“质行万里,同舟奋楫——新华三服务合作伙伴运营能力跃升计划”圆满收官,在为期四个月的活动中,“跃升计划”通过所有合作伙伴的运营能力答辩、深入全国20余家服务合作伙伴现场质检与访谈,累计赋能培训约3000人次,全面提升了服务合作伙伴的运营管理、交付质量管理水平,为构建赋能成长、共生共赢、同舟奋楫的合作伙伴生态体系夯实了发展根基。
合作伙伴调研及访谈现场
环环相扣 夯实基础交付“服务根基”
随着数字经济的深入发展,ICT服务市场需求更加多元化、复杂化,对企业的交付能力提出更高的要求。作为产品方案落地的重要保障,基础交付是“服务根基”,也是产品力更深层次的延伸。为推动服务交付质量专业化和系统化,“跃升计划”通过“运营能力答辩”、“全国质量行”、“服务合作伙伴赋能培训”环环相扣的活动设计,助力合作伙伴服务能力全面进化。
“运营能力答辩”围绕人员管理、项目交付管理等评价内容,对30余家服务合作伙伴的运营能力进行了评估核查,对于运营能力存在短板的合作伙伴,提出针对性的指导建议,帮助合作伙伴全面审视了自身运营管理的优缺点。同时,为深入了解一线交付业务遇到的问题,“跃升计划”面向20余家合作伙伴开展“全国质量行”,通过一线访谈、现场质检等方式掌握合作伙伴运营管理、服务交付实际落地情况,并针对性提供诸如人员培训、经验共享、加强与代表处交流等建议,帮助合作伙伴深入优化服务能力。通过对服务合作伙伴项目管理、交付质量管理的全面评估,“全国质量行”项目组为合作伙伴提出了针对性的提升建议,进一步保障了服务实施的标准化和规范化。
此外,为全面提升服务合作伙伴的管理能力和造血能力,“跃升计划”以线上线下相结合的方式开展了合作伙伴赋能培训,为40余名运营经理、100余名站经理、40余名技术经理以及1000余名工程师提供了涵盖团队管理、课程开发、情绪管理等方向的课程,帮助相关人员从技术走向管理、从业务走向管理,实现能力和角色的跃升。
树立优秀运营标杆 持续打造服务生态赋能圈
在运营能力答辩、质量行调研的基础上,结合资源满足率、客户满意度等情况,“跃升计划”对服务合作伙伴的运营能力给予了整体评价并进行了综合排名,评选出TOP10优秀合作伙伴,树立了运营管理能力标杆。
来自北京青匠工创技术有限公司的运营经理陈先成分享到:“通过‘跃升计划’,我们不仅在运营管理、服务规范、人员培养等方面学到了更多技能,也更清晰地看到了自身的优劣势,未来可以针对性地优化和完善,为客户提供更好的交付服务。”广州佳众联科技有限公司运营经理程军也为“跃升计划”点赞:“专家组从原厂角度提出的问题和建议,具有很强的指导性和可操作性,为我们打开了新的提升空间,对于我们整体运营管理能力的提高有着很大的帮助。”
新华三集团技术服务部服务合作部总监张健表示,服务合作伙伴是新华三基础服务交付的重要力量,影响着产品方案落地的质量和成效,新华三将不遗余力地支持合作伙伴的发展与成长。“跃升计划”的圆满收官,是新华三持续打造服务生态赋能圈的重要一步,2023年,新华三将启动新一期“跃升计划”,并在内容、资源、评估等方面全面升级,帮助合作伙伴审视并提升运营能力、服务能力、服务质量,形成新华三与服务合作伙伴的运营统一、服务统一。
未来,新华三集团也将持续进行服务创新和模式升级,打造更强大的技术服务集群,携手合作伙伴助力百行百业数字化转型,共赢数字经济未来。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。