作为全球医疗行业室内外位置服务的领导者,浙江道一循信息技术有限公司,凭借自身国际领先的室内定位和导航技术,联合医疗应用APP开发商推出了医院官方APP (支持Android和iOS)。该APP主要提供了以下几种服务:
提供就医人员自动分诊、引导就诊区域、治疗和取药的具体地点等全流程自动提示和导诊服务,犹如专人指引;
提供全面的分类查询和导航服务,方便地查找科室和便民服务设施,一键到达最近的卫生间、哺乳间、手机充电站等;
室内位置共享服务,亲友之间快速的分享院内位置,再也不用担心找不到TA;
反向寻车服务,在停车场轻松找到自己的停车位。
核心技术
道一循公司室内定位导航系统的核心,是融合智能手机惯性导航及电磁指纹比对法等多种定位算法的高精度离线型室内定位技术,拥有多项国际专利。其技术优势在于:
通过电子指纹比对方式的定位技术,相较于传统的三角定位技术来说,定位更加精准、快速,定位后指针不漂移,且无需部署昂贵的定位服务器;
通过融合手机多项传感器实现的惯性导航,做到了导航过程中的平滑流畅,图随人转;
离线定位引擎保证了在定位和导航过程中,手机不依赖任何网络,真正的实现零延迟。
使用体验
该APP能在不使用任何网络(Wifi、3G、4G)的情况下,快速的实现初始定位,并动态规划最佳路径,实时、连续导航至目的地;
良好的导航体验,全程语音提示,上下楼层可选电梯、扶梯模式,关键位置有真实图片作为参照。
无需注册,快速建立专有群组,实现亲友间位置共享,并实时导航至TA身边;
实际应用案例
广州市妇女儿童医疗中心是全国第四家通过HIMSS7级医院,也是全国第二家实现了住院和门诊系统双7级的三级甲等医院。
每天在医院里,经常会发现有患者找不到要去的地点而迷茫,也会有不少人因确定不了院内亲友的位置而焦急的打着电话, 停车场也时常会有人找不到自己的停车位而四处乱转......
由于关于位置和问路的咨询量太多,虽然医院设置了多处咨询站点,却仍然无法满足每天来自患者的巨大咨询量。患者的频繁求助,耗费了医护人员大量的工作时间,造成了巨大的资源浪费。
该APP以解决医院日常关于位置和流程相关的咨询为切入口,为患者提供与就诊流程相结合的导航、自主查询导航以及位置分享等服务,有效降低了医院导诊投入,提升了整体服务质量和运营效率。完全解决了广州妇儿中心的痛点,让就医人员就医流程更智能。
用户评价
广妇导诊台史护士长:这个导航系统对我们真是太有用了!以前我们天天从早到晚回答患者的问路咨询,自从推广了这个导航系统后,患者们自己就可以搜索要去的地方,都不用来问我们了。而且系统里的地址也挺全面的,患者们要去的地方基本上都能搜到,现在很多实习的小护士还靠这个导航系统来熟悉医院环境呢!
广妇儿信息中心林工:道一循院内导航系统解决了我们在院中就医环节中最头痛的问题——如何通过信息化手段快速引导患者到达就医地点。现在,这个导航系统通过跟流程结合,推送就医地点信息,并生成导航路径,让门诊就医流程形成了闭环管理,患者通过移动终端可以完成挂号、就医、缴费、取药等一 系列流程,这在国内医疗卫生领域还是非常领先的......
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。