ZDNet至顶网软件频道消息:IBM(NYSE:IBM)宣布,Polaris 金融科技公司(以下简称:Polaris)选择采用IBM的社交软件来为员工提供卓越的数字体验、提高员工队伍的生产力并加快业务增长。该公司总部位于印度,是一家为银行、保险及其他金融服务提供相关金融技术的全球领先企业。
通过采用IBM企业社交协作平台,Polaris正在改变全公司12500名员工之间的互联、沟通和协作方式,以期提升员工队伍的生产力。这种新平台并不是单纯依赖电子邮件来开展基本业务活动和项目协调工作,而是让其能够充分利用所有员工的集体知识来推动创新、激发创意并促进未来的业务增长。同时,新平台还大大缩短了新员工熟悉工作所需的时间。
与IBM合作,Polaris 设计并开发了一个企业社交平台——Octopus。该平台运行于IBM Connections之上,并使用了IBM社交商务工具包中提供的API。借助这项应用,包括Polaris 在内的众多IBM业务伙伴和客户都能利用Connections的基础资源来构建一类全新的基于云的社交商务应用,以用于开展业务活动。有了Octopus平台,Polaris 就能在一个基于云的开放式移动架构中运用各种社交网络、社交学习、数字体验和知识或是内容管理工具。
Octopus能够管理企业内部所有的项目交付成果、顾客互动、知识分享、在线协作以及雇员参与,这种变革帮助企业提高了整体生产力。利用Octopus提供的全方位情况透视和集中化信息存储,Polaris不必再完全依赖电子邮件来进行项目的记录、交付和协作,同时也改善了与客户之间的沟通与互动。为褒奖Octopus的强大功能,2013年10月,CIO 100大奖的评委将一年一度的“The Astute 100 – Honoree 2013”奖项颁给了Octopus平台。
Polaris 首席技术官兼首席信息官Shashi Mohan表示:“Octopus让我们公司更深刻地理解了员工参与和企业绩效之间的关系。通过为员工提供一个高效的社交协作平台,我们营造了一个更加灵活的工作环境,并且让员工与员工以及员工与客户之间能够更顺畅地对话沟通。实际上,这种改善是可以量化的。我们的分析显示,Octopus减少了8%的工作量和4%的流失,更将新人熟悉工作的时间缩短了75%!”
IBM软件集团大中华区协作解决方案总经理李贵兴表示:“全球各地的企业仍然在想方设法将自己打造成更加智慧的企业,以紧密联系顾客、雇员、业务伙伴以及其它关键利益相关方,从而互通有无、推动创新、提升业绩,并超越竞争对手。事实一再证明,要实现这一目标, 社交技术仍然是关键所在。无论是本地部署还是云端提供,社交都能让企业在组织内外推动强有力的团队合作,从而实现高效的配合协作和强大的员工生产力。”
由于世界各地的企业都希望转变为更加智慧化、互联化且能力更为强大的企业,社交商务解决方案的采用率仍在继续上升。通过部署高度可定制的企业社交平台,像Polaris这样的公司就能营造出一个灵活的环境,在这个环境中,企业能够捕捉到有价值的洞察,并能更轻松地接触员工、客户、合作伙伴及供应商等各个关键利益相关方,从而加快创新步伐并获得良好的经营业绩。
IBM正在帮助中小企业推动一场根本性的变革,让它们在面对问题时不再只是被动应对,而是能够主动预见并积极解决。在这个智慧化的时代取得成功,企业需要利用分析和移动技术以及社交商务和基于云的系统对自身进行改造,进而从小型组织转变为智慧的企业。
好文章,需要你的鼓励
微软高级软件工程师Alice Vinogradova将自己用SAP ABAP语言编写的向量数据库ZVDB移植到了搭载Z80处理器的经典计算机Sinclair ZX Spectrum上。她发现ABAP(1983年)和Z80(1976年)几乎是同时代产物,都诞生于内存珍贵、每个字节都很重要的计算时代。通过应用Z80优化技术,尽管时钟频率相差857倍,但代码运行速度仅慢3-6倍。她认为这些老式优化技术具有普遍适用性,在现代硬件上依然有效。
这项由东京科学技术大学等机构联合发布的研究提出了UMoE架构,通过重新设计注意力机制,实现了注意力层和前馈网络层的专家参数共享。该方法在多个数据集上显著优于现有的MoE方法,同时保持了较低的计算开销,为大语言模型的高效扩展提供了新思路。
韩国电子巨头三星宣布收购美国西雅图数字健康技术公司Xealth,进一步扩大在健康领域的布局。Xealth专注于帮助医疗专业人员将数字健康技术整合到日常实践中,与70多家数字健康技术供应商合作,应用覆盖美国500多家医院。此次收购将推动三星向连接医疗保健平台转型,结合其在传感器技术和可穿戴设备方面的优势,完善Samsung Health平台功能。
小米团队开发的MiMo-7B模型证明了AI领域"小而精"路线的可行性。这个仅有70亿参数的模型通过创新的预训练数据处理、三阶段训练策略和强化学习优化,在数学推理和编程任务上超越了320亿参数的大模型,甚至在某些指标上击败OpenAI o1-mini。研究团队还开发了高效的训练基础设施,将训练速度提升2.29倍。该成果已完全开源,为AI民主化发展提供了新思路。