华为昨日宣布,与上海易谷网络科技有限公司(简称“易谷网络”)共同举办的“易谷网络&华为多媒体调度指挥联合解决方案发布会”在北京华滨国际大酒店成功召开。来自国家电网、发电集团的30多位电力行业客户齐聚一堂,共同探讨电力行业融合通信建设面临的挑战和机遇。借在国家电网信通调度指挥基础平台项目落地经验,易谷网络与华为发布的多媒体调度指挥联合解决方案融合了双方在融合通信平台和电力应用软件开发方面的优势,旨在适应电力融合通信技术发展趋势,为“智能电网”业务发展提供强有力的动力引擎。
一、IP化驱动业务转型
传统的语音调度技术在电力行业中已经有超过10年以上的应用,大部分设备已经老化,而且厂家也不能再提供相应的备件和支持,使得现有的调度通信网存在安全隐患,随着通信技术的IP化发展趋势,越来越多的电力业务应用承载于IP网络上,原有的数字程控交换机系统已经不能与基于IP网的调度业务相结合,也无法满足行业用户多媒体业务发展要求。
国家电网公司不断深化体制改革,为适应“三集五大”和“智能电网”的建设需要,对生产业务、调度业务、营销业务、运检业务、行政办公等能力提出了更高的要求,生产调度、行政办公业务正从传统单一的语音通信逐步向语音、数据、视频等多媒体通信业务方向发展。
二、全媒体、全覆盖、随意调
易谷网络首席执行官王鸿冰和华为电力行业融合通信技术总监翁金明共同发布电力融合通信联合解决方案。
易谷网络&华为联合发布电力融合通信解决方案
易谷网络与华为联合发布的多媒体指挥调度解决方案,基于华为IMS、软交换、视频会议、统一通信、监控等系统,结合易谷网络多媒体融合通信软件开发实力及多年电力行业探索经验,进行二次集成开发,实现多媒体调度业务。不仅能够实现各信息子系统综合接入、集中统一管控、应急状况智能处置、应急指挥调度等综合多媒体指挥,同时能够更好的发挥各个子系统的作用,规避通信孤岛效应,极大的提高指挥能力,达到便捷管理、直观操作、综合调度等目的,实现真正的“全媒体、全覆盖、随意调”的建设目标!
三、联创共赢,易谱华章
易谷网络是一家专业的呼叫中心与统一通信系统开发与集成公司,多年来一直致力于为电力行业客户提供端到端的呼叫中心与统一通信专业化服务,并帮助其提高沟通效率以及客户满意度。从早期的程控交换机,直至今天的智能调度机时代。在此过程中,易谷网络紧紧把握电力融合通信的发展节奏,积累了丰富的行业实践经验。
上海易谷网络科技有限公司首席执行官王鸿冰表示:“在信息化飞速发展、多媒体应用不断融合的时代背景下,非常荣幸能和华为一起合作。易谷网络持续创新的企业文化与华为非常契合,当前电力融合通信面临升级换代机遇,基于华为融合通信平台,发挥易谷网络电力通信业务二次开发优势,我们联合发布的多媒体指挥调度解决方案将从平台架构层面丰富电力融合通信业务应用,通过方案不断演进和优化,将形成融合通信生态链,极大地增强双方联合方案的差异化竞争力。”
华为从2011年开始就致力于电力融合通信的技术研究,并发布融合通信平台产品。华为IMS/UC平台可以为电力客户提供一站式融合通信平台,帮助客户快速构建多媒体统一调度指挥系统。
华为电力行业融合通信技术总监翁金明表示:“在电力融合通信IP化演进趋势下,华为紧扣行业需求和技术演进不断创新,推出可以适配不同行业需求的融合通信平台,同时坚持开放、共赢、被集成的战略,与行业ISV合作伙伴紧密合作,充分发挥行业合作伙伴的行业理解力和软件开发能力,形成1+1>2的电力融合通信联合创新解决方案,将为智能电网的建设做出更多的贡献。”
目前,易谷网络和华为已经展开电力融合通信领域的全面合作,正在与国网客户共同打造国网全网信息通信调度指挥系统。
发布会现场,电力行业客户反响热烈,结合实际案例,对联合方案的应用效果谈了切身感受。
国网信通公司运行总监杨总表示:易谷网络和华为联合推出的面向国家电网的多媒体调度指挥解决方案以融合通信为基础,将国网信息通信系统调度、运行、检修过程中涉及的各类业务系统紧密结合,同时联合方案运用现代通信技术、大数据技术、物联网技术及可视化技术等实现统一的调度指挥门户,极大的提高国网调运检实际协同工作的效率,满足了不断发展的多样化业务需求。该解决方案自上线运行以来,受到了各省公司使用单位的好评,同时也受到了其他行业有类似需求的用户一致认可,如水利部、建设银行等,所以,随着联合解决方案的不断完善和各行业业务的紧密融合,有理由相信在交通、能源、政府等其他行业都有很好的应用价值。
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。