北京市首都公路发展集团有限公司(以下简称“首发集团”)于1999年9月成立,注册资本305.78亿元,是北京市属国有大型企业,负责北京高速公路建设、运营管理、筹融资和相关产业经营。按照北京市政府和市国资委的总体部署,2016年8月,首发集团与北京市公联公路联络线有限责任公司实施合并重组。重组后的新首发集团资产总额达1,800多亿元,员工队伍15,000余人,企业实力进一步增强,更肩负起北京城市道路、综合交通枢纽与静态交通建设管理的重任。集团核心业务以“快速、安全、舒适、畅通”为目标,为公众提供适需的高速公路出行服务。截至2016年底,集团负责管理养护的高速公路达859公里,占全市总里程的85%。
业务挑战
围绕“百年首发”的战略目标,首发集团一直致力于成为行业领先的、具有核心竞争力和跨区域影响力的集公路投资建设、运营养护和公众服务为一体的专业化、规模化、独特性、综合性的企业集团。首发集团较早就开始了信息系统的建设,但是由于集团本身组织机构庞大,各个单位和部门的单独建设,造成了统筹规划不足,系统之间孤岛较多,数据无法共享,利用率大打折扣。并且,由于本身体量大、机房占用多,导致能源消耗巨大。
解决方案
在选择云平台时,首发集团主要基于以下几方面的考虑:
▼第一,提升效率。虚拟机的创建、Hadoop集群的搭建、应用的部署和迁移的响应时间需要缩短。
▼第二,降低成本。资源平衡部署,支持负载均衡,系统整体的使用率需要提高。
▼第三,减少运维。云平台的操作界面要足够友好,操作的便利性和运维的自动化能力要强。
▼第四,能够利用原有刀片服务器及SAN存储,保护既有投资。
借助青云QingCloud云计算平台,首发集团制定了集团云平台发展规划,结合公有云和私有云构建集团混合云环境,承载不同的业务类型。
首发集团混合云架构图
通过部署青云QingCloud云平台,首发集团实现了开发运维环境的标准化、资源快速部署与弹性扩展、资源动态调配、资源集中运维、资源统一部署,提高了设备的使用率,降低了能耗,节约了机柜空间。
目前,已经迁移部署到QingCloud云平台的业务系统包括:综合办公业务、综合经营业务、工程项目管理等二十余类生产系统。
客户证言
青云QingCloud为首发集团提供的私有云平台,在保证了我们数据安全同时,最大化的节省了成本。凭借QingCloud云平台的完整性、可靠性、灵活性,我们在应对十三五信息化战略的过程中,无论是在规划还是实施层面都获得了更加坚实的支撑和保障。—北京市首都公路发展集团有限公司信息化办公室
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。