什么是“雪亮工程”?
“雪亮工程”是以县、乡、村三级综治中心为指挥平台、以综治信息化为支撑、以网格化管理为基础、以公共安全视频监控联网应用为重点的群众性治安防控工程。它通过三级综治中心建设把治安防范措施延伸到群众身边,发动社会力量和广大群众共同监看视频监控,共同参与治安防范,从而真正实现治安防控“全覆盖、无死角”。
因为“群众的眼睛是雪亮的”,所以称之为“雪亮工程”。
“雪亮工程”的“视觉神经”
“雪亮工程”中,摄像头是“眼睛”,视频监控的管理后台是“大脑”,那么视频监控的回传网络就是“视觉神经”。
这些街头到处可见的视频监控回传网络的设备箱,就是“视觉神经”。
打开箱门看,是这样的:
这种视频监控箱是由多个模块拼凑组装的,里面有交换机、电源、插排、防雷设施、走线缆等部件。
但它有很明显的3个问题:
1部署费时:单个站点耗时2-3小时
现场除了进行箱体的安装,还要安装和调试各个子模块。由于是拼凑的,所以内部的子模块需要考虑如何可靠固定。
2可靠性低:年均故障率20%
拼凑式机箱,防尘防水等级低,容易被破坏,整体质量难以保证。机箱的平均生命周期仅2-3年,硬件替换频繁导致CAPEX高。
3运维难:缺乏有效地防破坏和故障定位手段
这种机箱容易遭到破坏,导致摄像头无法使用甚至遭遇安全入侵。并且面对视频监控常见的摄像头离线、花屏、卡顿等问题时,无法快速定位故障。
有没有更好的解决方案呢?
华为今年5月在第九届中国国际警用装备博览会发布了SmartX智能回传解决方案,以及SmartX智能回传交换机——一款视频监控回传专用室外一体交换机。
SmartX智能回传交换机像电脑包一样大小,外观紧致漂亮,合金外壳工业设计感极强。
麻雀虽小,五脏俱全
这个“电脑包”虽然体积小,里面的“货”却是一点都不少。它集成了高性能的视频回传交换机、防雷、配电、配线、防护等多个模块。因为高度集成,这些模块不需要现场装配调试,把传统视频监控箱一个站点2-3个小时的安装时间降低到30分钟以内。
工业级可靠性
SmartX智能回传交换机,支持IP65防护等级,并且能在-40°C~+55°C的环境温度下工作。而且还支持防盐雾、防雷能力。相比拼凑式机箱,可靠性大幅提高,产品的生命周期可达6-8年。
不仅仅是个一体机,背后是一套智能的视频监控回传解决方案
针对业界头痛的摄像头失效率高的问题,SmartX智能回传解决方案通过摄像头和视频回传网络的融合管理,实现摄像头离线一键诊断,将故障排查时间从数小时降低到几分钟,能够第一时间解决故障,避免关键时刻监控损坏带来的尴尬。
针对视频质量花屏、卡顿问题,SmartX智能回传解决方案基于eMDI(Enhanced Media DeliveryIndex)多媒体专用质量检测技术,实现了实时视频丢包监控和快速定位。
针对户外安全问题,支持开箱远程告警,及时感知和上报入侵行为。
华为希望通过一整套的视频回传解决方案,把视频监控网络的管理和运维带进数字化、智能化的时代。
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。