为聚焦重点工业产业难题,解决行业痛点,推动两化融合工作,2023中国国际大数据产业博览会(以下简称:数博会)组委会定于2023年3月至5月期间举办“工业互联网应用场景大赛”。
近日,数据观探访数博会执委会大赛组,深度解读“工业互联网应用场景大赛”背后的思考和故事。
六大赛道打响工业企业两化融合战
工业强则省会强,工业兴则省会兴。近年来,贵阳贵安坚定不移推进“工业强市”战略,聚焦电子信息制造、先进装备制造、新能源汽车、健康医药、生态特色食品、磷化工、铝及铝加工等七大重点产业,深入推进新型工业化,奋力实现工业大突破。2022年,七大重点产业总产值占规模以上工业总产值的比重达到64.3%,新旧动能提速转换。
本届赛事立足贵州省重点产业,深度挖掘行业痛难点,设置了电子信息制造、铝及铝加工、磷化工、酱酒、煤炭、生物医药等六大赛题,释放近7000万工业企业真实项目需求投资计划,旨在有效促进相关产业找到技术先进、成效显著的工业互联网解决方案,赋能千行百业,助力数字中国建设。
赛题分别为“离散行业(电子信息)质量管理数字化解决方案”,拟投资2000万元;“铝合金工业型材截面(非标产品)数字化质检系统解决方案”,拟投资500万元;“基于工业互联网平台智慧安全的融合应用示范与推广”,拟投资1200万元;“工业互联网酱酒企业标识解析融合解决方案”,拟投资2000万元;“基于工业互联网的煤矿数智大脑实施路径研究”,拟投资800万元;“中药配方颗粒批量生产工业互联网控制方案”,拟投资200万元。大赛通过挂榜揭帅的方式,评比遴选具有实用性、创新性和发展前景的工业互联网应用场景解决方案。除此以外,赛事本身也设置了总奖金池186万元的奖励奖项,提供给获奖团队与企业开展项目合作,决赛团队更是享受专项差旅补贴,可谓是诚意满满。
“这些工业互联网应用场景行业问题的解决,将有效推动全市100家以上工业企业两化融合工作的开展。”大赛组有关负责人介绍到。事实上,贵阳贵安计划今年推动不少于100家企业工业化和信息化融合。拟遴选不少于100家具备一定信息化基础和意愿的工业企业,提供上门诊断、资金支持等服务,通过发放“助企券”,支持企业实施研发、生产、管理、仓储等信息化改造,提升企业的生产及管理水平。大赛的举办,将为百家企业两化融合工作注入鲜活动力,也为全市工业企业实现“提质、降本、增效”带来了绝佳的契机,数据观从大赛组了解到,与往届数博会大赛不同的是,此次工业互联网应用场景大赛的产业粘度远超以往赛事,参赛团队无论获奖与否,都可获得全市百家企业两化融合的资源,优先参与项目对接,市场效益有目共睹。
以赛促产以产赋能工业强市高质量发展
显然,“以赛促产,以产赋能”是本届工业互联网应用场景大赛背后的良苦用心——以企业真实项目需求为基础,以赛事为桥梁,诚邀工业互网优秀服务商参赛。
大赛组方面还向数据观透露,获奖团队可以在人才引进、项目落地、投融资等方面享受相关产业扶持政策。一是项目签约机会。获奖团队可获得与本次大赛赛题需求企业洽谈项目合作机会,优先获得签约权。签订项目合同后可获得10万元的赛事项目签约奖。二是优先申报机会。获奖团队所在企业将有机会推荐申报工业和信息化部相关试点示范、专项项目等。三是资本对接机会。进入决赛的团队均可参与数博会组委会组织的资本相亲会、产融合作等活动,向政府投资基金、创业投资机构、银行等推荐机会,享受各类投融资机构提供的多元化服务。四是宣传展示机会。获奖作品可在2023中国国际大数据产业博览会传播矩阵、主流媒体等渠道进行展览展示、宣传报道和服务推介。五是落地入驻支持。获奖团队落户贵阳市,根据贵阳市(区/市/县)招商引资政策享受办公场地优惠、人才支持等落地支持政策。六是项目支持机会。获奖团队签约的项目可获得优先申报省级工业和信息化专项资金机会,获得资金支持。
本届工业互联网应用场景大赛面向全球开放,将于三月中旬启动报名。目前,大赛相关筹备工作正在有条不紊地进行。报名团体须具备法人资质,参赛可登陆数博会官网大赛专栏进行注册、报名和资料下载。
数博会官网
https://www.bigdata-expo.cn
工业互联网场景大赛网址
https://www.contest2023.bigdata-expo.cn
好文章,需要你的鼓励
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。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。