数字化大趋势日渐融入地方政府工作。CEBIT 2018首次推出“数字化管理”展区,提供企业展示其解决方案的平台;这些解决方案将帮助地方当局借助人工智能开展财政管理工作。
尽管如此,德国许多公共管理机构仍在模拟世界中运作,市政厅和地方政府部门依然采用一系列独立的解决方案。同时,许多城镇和城市也只具备全面数字战略的雏形。而这一切均需耗费企业和普通公民的大量时间和资源。因此,数字行业协会德国联邦信息经济、通讯和媒体协会(Bitkom)呼吁建立“数字化战略2025”计划,旨在到2020年,以数字和模拟形式,在联邦、州和市级层面提供各项政府服务,并自2025年起全面提供数字服务。
全新一届的CEBIT在14号馆的数字经济展区内为公共部门提供了一个崭新的、现代化的平台,即“数字化管理”。观众可在此了解电子政务门户相关的一系列解决方案和应用程序,及智慧城市和地区的最佳实践示例。“数字化管理”展区与“数字商业”展区相邻,是吸引观众驻足的理想位置,尤其是因为新的数字平台与“数据管理与数字流程”、“工作场所4.0与协作”具有共同的基础。与此同时,在14号馆的d!talk(数字对话)讲台上还将举办一系列会议、行业专家讨论以及职业发展机会,这些活动将把展会和展品置于更广阔的背景之下。
科布伦茨地方政府和地方政府应用、mps公共解决方案软件专家已经在CEBIT 2018上预订了席位。“我们发现新的展会概念真的很有说服力。事实上,我们计划在CEBIT 2018上推出新的K1,为地方政府财政管理开辟新的时代”,mps公共解决方案总经理蒂诺.瓦格纳(Tino Wagner)博士说。
MACH AG也是首批参加CEBIT 2018的“数字化管理”展示的公司之一。“CEBIT正在发生变化,企业和公共管理机构也紧紧跟随数字化的变革。需要重新审视现有的流程,因为数字化只有在软件、数据和人力资源协调一致的情况下方能取得成功。我们期待参加全新的CEBIT”,MACH AG董事会成员Rolf Sahre和Stefan Mensching说道。
DATABUND协会及其会员公司也将在CEBIT 2018上亮相。“我们非常欣赏CEBIT的全新概念。它为数字化管理提供了一个理想的平台,为创新和交流开辟了新的空间。德国行业协会DATABUND(代表中小型IT服务提供商和公共部门软件生产商)董事会主席Detlef Sander表示:“全新的CEBIT极有可能成为一个行业趋势引领性展会,尤其是在面对公共管理数字化和德国电子政务发展中存在的挑战方面。
负责推进德国电子政务和数字化的联邦机构IT规划委员会也将在14号馆的“数字化管理”展区设立展台,恭迎广大观众参观。在这里,来自国家和地区层面的公共管理专业人士和数字化专家将为企业和公共机构推出便于用户使用的数字化管理服务。德国各州也将在“数字化管理”展区中再次展示他们的成果。德国巴登-符腾堡州已经预订了展台。
“数字化将彻底改变德国。特别是对于公共部门而言,带来了提高服务质量和效率的良机,并实现服务流程数字化,为公众提供更大的便利。我们期待在展会全新的“数字化管理”展区带来公共管理方面的展示。德国汉诺威展览公司董事会成员Oliver Frese补充说:“联邦、各州和市政府的当务之急是需要在数字化投资上做出决策。”
好文章,需要你的鼓励
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。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。