在离家不远的地方,有份理想的工作,家人平安健康......这些是每个人共同的心愿。随着“智慧高青”的建设,2018年伊始,小城居民们的心愿都一一成真了。
王迪, 山东某职业学院计算机专业2017届毕业生
“2017年最令我纠结的是:毕业的时候能不能在家乡找个本专业的好工作?如果家乡能有更多工作机会就好了。”
小李,高青环保局环境监察大队员工
“作为一个新手,2017年我最大的感受是,环保执法绝对是一个‘体力活’。每次去监察现场,都得带上笔记本电脑、摄像机、录音笔等等。遇上位置偏远的地方,网络信号差,没办法及时回传现场数据,导致执法效率比较低,群众不满意,我也很‘无辜’啊。希望设备能轻点儿,效率能高点儿。”
张大爷,73岁
“我患有高血压和冠心病,需要定期去20公里之外的高青县人民医院做体检。每次往返加上医疗检查要一整天的时间,来回折腾身体真是吃不消,还总害怕途中犯病。只盼着什么时候在家门口就能体检。”
家门口的好工作
临近毕业时,王迪发现一则招聘信息——“深圳XX软件有限公司招聘大数据现场运维工程师”,提供的薪酬待遇丰厚,而且工作地点在高青县,离家淄博市淄川区很近。欣喜若狂的她立即投了简历。
现在,王迪在高青物联网产业园工作了。这里有着明亮的办公室、干净的员工宿舍、朝气蓬勃的年轻同事,还有机会接触到物联网、大数据、云计算等前沿科技,让王迪对现在的工作以及未来的职业发展充满了信心。
物联网产业园工作场景
过去,高青的经济发展主要依赖化工、火电、服装纺织等污染企业。如今在智慧城市建设的大框架下,高青县政府已经与华为以及华为智慧城市生态圈的伙伴,包括大连金慧、中微光电子、泰华智慧、山东九维度、浙江好络维等签署战略合作协议,借力物联网、大数据、云计算等新兴产业改造传统产业。
高青县政府全力打造“黄三角物联网产业园”,一期规划建设“五个中心一个学院”:
“让高青以及周边的孩子在家门口有一份体面工作和稳定收入”,这一畅想,正在逐步变成现实。
喜得工作“神器”
一个月前,高青“智慧环保”项目给小李配备了华为大屏智能终端EP820。这款一体化智能终端集成了传统环保执法箱的绝大部分功能,私密呼叫、组呼、短信彩信、一键视频回传等所有操作在一台设备上完成,并采用IP67级防水、防尘、防震设计,适应严酷的户外执法环境。
同时,EP820安装了合作伙伴的环境监察移动执法App,可以随时随地查看全县废气、废水、固废等监测数据,录入现场检查数据,拍照取证,手写签名,并将实时数据传输到后台系统。更重要的是,小李不用担心网络信号问题,因为华为eLTE无线专网正在覆盖高青县的每一个角落,包括主城区和乡村。
装有移动执法App的多合一智能终端EP820
EP820只是“智慧环保”系统中的一个终端。随着项目的全面推进,一个全方位的、基于GIS一张图的环境保护体系正在成型,实现废气、废水、固废、污水厂、水源地、城市空气等各类监管对象的自动化监测,协助环保部门和城市管理者准确地掌握生态环境状况及其变化规律,及时采取科学的环保措施,为高青县呵护绿水青山、创造金山银山提供技术保障。
村卫生室就能看“大病”
张大爷没有想到,2017年10月起,在村卫生室就可以跟400公里之外的北京301医院(中国人民解放军总医院)首席心血管专家进行“面对面”交流。
由华为和合作伙伴浙江好络维共同打造的“高青县智慧医疗健康云平台”,连接了不同的医疗机构——从村卫生室、乡镇卫生院到县人民医院,甚至北京知名医院,实现了医疗信息和资源的灵活共享与交换。
村卫生室、县医院、301医院、指挥中心四方高清视频会议
如今,村卫生室的医生让张大爷戴上一款无线医疗监测设备,就可以24小时监测心电、呼吸、血压、血氧、脉率等多个生理参数。这些“体检”数据通过eLTE无线专网传送到HIS系统,并自动完善张老的电子健康档案和病历,提高了患者数据的完整性和准确性。
当监测数据出现异常,华为智真会议系统可以实现各级医院之间的高清视频会议,组织专家会诊。这使得“小病在社区,大病进医院”的居民就医模式成为现实。
上述三个小故事只是“智慧高青”的小片段,反映了智慧城市建设给高青普通群众以及政府工作人员带来的实实在在的价值。
最近,你感受到了哪些数字化带来的“小确幸”呢?不妨在留言区分享给大家吧。
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。