华为携手云南彩立方数据科技有限公司(以下简称:彩立方)于7月30日举办“智慧广福城,光耀彩云南”2015华为全光网络智慧社区发展论坛。来自政府相关单位、房地产开发商、系统集成商、物业集团等300多位嘉宾参加,详细了解华为全光网络智慧社区解决方案在大型城市综合体广福城项目中的成功应用,共同见证在“互联网+”格局下的房地产和通信行业的完美合作。华为全光网络智慧社区解决方案帮助广福城基于全光网络架构搭建面向未来可长期盈利的社区服务运营平台,一张网络统一承载所有社区业务,支撑社区创新服务模式,助力传统地产商向服务提供商转型。
彩立方负责昆明广福城项目的所有信息化建设。广福城项目具有住宅、商业、办公、居住、文化娱乐、社区养老、健康管理、社区金融等多种业务形态,需要建设17个弱电系统(例如视频监控系统、消防火灾系统、空调通风系统、停车管理系统、消费一卡通系统、能源管理系统等),完成超10万终端接入,面临每个弱电系统都要单独建网,网络互通性差、无法统一管理、建设运维成本居高不下等问题。另外,还存在数据中心IT资源利用率低,社区商业为消费者提供的服务过于单一,消费者购物体验差的问题。
针对以上问题,华为和彩立方共同探索智慧社区建设模式,以全光网络为核心的ICT解决方案帮助彩立方实现“慧生活,慧办公,慧购物”的智慧社区理念。该解决方案基于华为GPON技术搭建全光网络平台,能够实现多种弱电业务统一承载,节省部署和运营成本达50%;运用华为云计算解决方案,将社区数据中心的IT资源云化后再出租,将广福城的计算、存储、网络等资源作为象水电一样的基础服务资源提供给园区客户,为入驻企业打造“慧办公”的工作环境;同时,华为Wi-Fi覆盖整个社区,使居民可以随时接入网络,并有力支撑社区综合体充分挖掘园区内庞大的用户资源,开展SoLoMo+O2O(社交本地化移动+线上线下)等精准增值服务,为客户带来实惠,给商家创造机会,实现“慧生活、慧购物”。
“广福城项目采用华为全光网络解决方案,最大的突破是将社区全部弱电系统统一承载在全光网络上,这样不仅大幅降低部署和运营成本,而且以此为平台,我们做了很多商业模式的创新,例如:通过用户网络数据的分析,可以实现精准的广告推送,显著提升了用户体验,助力广福城实现智慧社区运营新模式。”彩立方CEO蒋鹏表示。
云南彩立方数据科技有限公司CEO蒋鹏介绍广福城创新商业模式
“华为很高兴能够为广福城提供一站式端到端的全光网络承载方案,也为后续同广福城一起探索智慧社区创新商业模式,完善整体解决方案奠定了基础。同时也希望更多的社区软件提供商、驻地网运营商、服务提供商和集成商加入到“全光智慧社区发展联盟”,一起为社区的智慧化,为人们更便捷、安全、优质的社区生活贡献智慧和力量。”华为固定网络产品线首席营销官曾兴云介绍到。
华为固定网络产品线首席营销官曾兴云展望智慧社区蓝图
通过与彩立方在广福城项目中的成功实践,全光智慧社区解决方案已经受到越来越多客户的认可。未来,华为和合作伙伴将继续推动全光智慧社区解决方案不断发展,并满足更大规模的商用部署需求。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。