11月17日,由国家信息中心、国际数据集团(IDG)联合主办的“2017亚太智慧城市发展高峰论坛”在高交会期间举办。论坛上,深圳市政府党组成员陈彪、国家信息中心主任程晓波、工信部信息化和软件服务业司调查员杨志锋、IDG亚洲区副总裁徐洲发表致辞。华为EBG中国区副总裁杨萍出席论坛并参与高峰对话环节,围绕“跨界融合,创新加速建设未来城市”这一主题与国家发展与改革委员会电子政务工程中心副主任徐枫,泰国数字经济与社会部秘书长,新加波驻华大使馆一等秘书等嘉宾进行了深入交流。
跨界融合是智慧城市未来发展的趋势,创新是主要动力
近几年,经过在智慧城市领域的探索和实践,华为深刻认识到创新驱动在智慧城市发展中具备的重要意义,也亲身感受到跨界融合在智慧城市建设中发挥的重大作用。如果说跨界融合是智慧城市产业未来发展的趋势,那么创新无疑是加速建设未来城市的引擎。
跨界融合是智慧城市未来建设发展的主要模式,智慧城市作为复杂巨系统,需要各行各业的共同努力以及联合创新,已经成为业界共识。在智慧城市的生态当中,华为恪守自己的业务边界,以实现客户和合作伙伴的共赢为目标。通过华为智慧城市的生态圈,客户和合作伙伴不仅仅可以获得技术解决方案,还有覆盖全国的市场平台和全球化的资源平台。
创新驱动是智慧城市未来建设发展的主要动力。在智慧城市的建设过程中,华为对智慧城市的定位是打造城市神经系统。这个神经系统不仅包含城市大脑,还需要从大脑到末梢的神经网络。从万物感知、信息传送、大脑分析决策、再到反馈指令、完成行动,需要一个完整的神经网络来实现闭环。所以华为的创新聚焦在智慧城市ICT基础设施领域关键的、核心的、难点的技术,发挥大公司在研发投入、人才、以及全球化资源布局的优势。
华为联合创新推动企业数字化转型
华为有18万员工,其中8万是研发人员。过去10年,华为在研发领域的投入超过3100亿人民币。2016年底,在欧盟委员会发布的“2016全球企业研发投入排行榜”上,华为位居中国第一、全球第八。
依托强大的研发和综合技术能力,华为创新性提出了“平台+生态”双轮驱动的战略,基于实际场景,与客户、合作伙伴共同开展业务和解决方案创新,从而全面实现数字化转型。
华为的联合创新具有三大特点:一是,面向客户需求,为客户创造价值,以帮助客户解决问题为目的。二是,华为的联合创新是在“平台+生态”战略框架下的联合创新。三是,华为的联合创新是本地化、场景化的。
以刚刚在巴塞罗那的“全球智慧城市博览会”上获得“平安城市奖”的深圳智慧交通联合创新项目”为例。深圳交警与华为及相关合作伙伴如中国电科、华昊、公安部交管局无锡所、以萨等从顶层设计入手,全面规划深圳城市交通体系,主要从提升城市交通通行能力和减少事故发生确保驾驶人员安全两个方面来考虑,保障城市安全。深圳交警采用大数据平台,包括数据资源池和深度学习系统,形成城市“交通大脑”,实现全城交通流量感知,自适应控制交通信号灯,道路通行能力提高8%左右;通过统一大数据平台,汇集交通数据集中处理,效率提升200%;应用人工智能辅助执法,提升10倍的违章图片识别效率,确保违章的快速处理,从而缓解城市拥堵,改善市民出行体验。
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。