截至2017年5月22日,河北省社会保障卡累计发放5080万张,覆盖全省人口的68.4%,开通98项社会保障卡应用项目,覆盖61%的持卡人群。同时,河北人社不断扩展用卡范围,将把民政救助、卫生计生、公积金、残疾人服务、涉农补贴等服务事项搭载在社保卡上,实现了一卡多用。
“规模翻倍”背后的运维之痛
从第一张社会保障卡1999年在上海发出,社保卡覆盖范围不断扩大,功能也在不断延展,从最初的“就医结算”,延伸到电子凭证、信息记录、自助查询、缴费和待遇领取以及金融支付等6类功能。社保卡逐渐成为政府各类公共服务的最佳载体,为此,2016年河北省特别制定印发了《河北省人力资源和社会保障厅关于全面推进社会保障卡应用的实施方案》。
在人社业务专网系统应用功能和规模快速翻倍的情况下,如何保证人社专网的良好运行?面对6000多个社保点,现有的人力资源如何对网络和应用实现有效的监控和管理?如何对社区乡镇业务专网的情况了如指掌,清晰准确的掌握全省专网的健康状况?如何为领导和上一级单位提供数据分析和决策依据?这些问题逐渐成为河北省人社业务专网运维管理的“隐痛”,亟需信息部门加快解决。
“IT即业务”支撑社保网高效运转
参照行业内的优秀经验,河北省人社厅信息中心积极主动地寻找现代化智慧运维管理方法,并与专业化的运维产品服务商进行了广泛沟通,经过仔细地考察、测试和选型,锐捷网络RIIL在众多产品中脱颖而出。双方依托ITIB(IT即业务)理念,结合河北省人社业务专网的运维现状和后续发展做了缜密规划,最终打造的运维管理整体解决方案,完美贴合了河北省人社厅“节省人力、全局监控、统一管理、决策辅助”的需求。
最终部署的完整运维监控体系,包括了省级网络拓扑及以地市为单位的市级网络拓扑,实时监控网络拓扑的变化情况,第一时间发现问题并提供告警信息。同时,它还能对全省所有的社保点的设备状态进行数据积累,自动形成日、周、月报表。
图:实时监控全省网络设备
针对“网络规模大、运维人员少”的局面,网络管理员可以利用设备分组的方式,对网络设备的配置文件进行自动备份并设为基准线,然后按照周、月的备份计划来完成备份任务,随时可以将设备配置恢复到任意时刻。这种方式大大降低了工程师的日常维护工作量,提升工作效率。
在业务系统层面,通过采用分布式部署的方式,借助RIIL-BMC(关键业务系统运行监控中心)、RIIL-Insight(IT管理决策分析系统)两个核心模块,实时监控IT资源(包括网络设备、安全设备、服务器、数据库、中间件等)的运行状态,实现了业务健康状况全局掌控和决策辅助的目标。
图:全局掌控业务健康状况
另外,结合社保网业务发展所需的基础数据,RIIL-Insight决策分析系统对不同维度的数据进行分析建模,为信息管理者提供决策依据。用“让数据转化为信息,让信息产生价值”的思路,将运维工程中产生的大量中间数据,成为帮助管理者做出科学决策的有力依据。
“智慧”覆盖下的运维新局面
一体化、业务化、智能化的RIIL为社保卡的全面普及推广提供了强有力的后台支持。建成后的人社专网总体监控管理系统,成功解决了人社厅IT运维人员少、工作量大的问题,使管理人员能够对业务系统和IT资源的工作状态一目了然。如今,即使信息系统偶尔有问题发生,运维人员也能通过RIIL快速定位影响业务的问题资源,第一时间予以解决。
河北省人社厅信息中心的技术人员表示:“利用RIIL运维监控平台,我中心对全省6000多个社保点的专网线路、设备和系统进行了监控,涉及省、市、县、镇、村,真正实现了全省级覆盖。同时按照人社厅的需求,进一步完善了报表功能,对网络运维的健康度进行智慧化的有效分析,让人社专网的整体运维能力大幅提升。”
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
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。