ZDNet至顶网软件频道消息(文/蒋湘辉): 5月29日,工信部部长苗圩在北京举办的第十八届中国国际软件博览会开幕式上致辞时,提出了未来推动我国软件和信息技术服务业由大做强的五条举措,其中包括优化产业发展环境、鼓励企业创新发展、加快拓展应用市场、持续培育龙头企业和大力发展生产性服务业。
图注:工信部部长苗圩在北京举办的第十八届软博会开幕式上致辞。(蒋湘辉 摄)
苗圩部长表示,软件产业是关系到国民经济和社会发展全局的基础性、战略性、先导性产业,加快发展软件产业对于促进信息消费、扩大内需、培育发展战略新兴产业、推动工业化和信息化深度融合、加快经济的提质增效升级、提高国家信息安全保障都有重要的意义。近年来,在《鼓励软件产业和集成电路产业发展的若干政策》(2000年的国发18号文件)和《进一步鼓励软件和集成电路产业的若干政策》(2011年国发4号文件)等一系列政策推动下,我国软件产业发展非常迅速,产业规模不断扩大,2013年全国完成软件业务收入达到3.06万亿元,同比增长23.4%,软件产业增加值也超过一万亿元,经济效益保持平稳增长,企业竞争力不断提升。
不过苗圩部长同时也指出,我国软件产业的综合实力还不能满足国民经济和社会发展的需要,产业整体上还处于价值链的中低端,仍然存在着缺乏全球领先地位的大企业、产业创新体系不健全、产业链协同效应没能充分发挥等突出问题。未来一段时期,是我国软件产业转型发展的关键时期,伴随着信息通信技术的迅速发展和广泛渗透,软件产业加快向网络化、服务化、体系化、融合化的方向发展,云计算、物联网、移动互联网等新型业态层出不穷,加快经济方式的转变和提质增效升级,促进信息化与工业化的深度融合,都对软件业的发展提出了新的更高的要求。互联网广泛渗透到经济生活的方方面面,提高安全保障能力也成为软件发展的一项重要战略任务。
“作为行业主管部门,工业和信息化部将以深化改革为动力、以市场为驱动、应用为牵引、创新为支撑、融合发展为主线,进一步地优化产业发展的环境,着力增强产业创新能力,推进产业链的协同发展,促进软件产业由大变强。全面的提升对经济社会发展、维护网络信息安全的支撑服务能力。”苗圩部长表示,未来我国软件产业将在以下五个方面重点推进:
一是继续优化产业发展环境。通过全面深化改革,创新行业管理方式,加大对软件产业相关行政管理事项的取消和下放的力度,加强事中和事后的监管,推动落实好国发4号文件等产业支持政策,完善产业的政策环境,加快重点的软件标准制定,做好软件正版化和知识产权的保护工作和创新中国软件名城创建机制,完善产业的公共服务体系,促进产业集聚发展,充分发挥行业协会和中介组织的作用,推动建立公平竞争的市场环境。
二是鼓励企业创新发展。要发挥市场在资源配置中的决定性作用和更好地发挥政府的作用,加强政策引导和资金的扶植,鼓励企业承担国家重大专项,提升基础软件的创新能力。要加快移动智能终端的操作系统、移动互联网、智能语音、云计算服务、大数据等新兴领域的发展,促进信息安全技术和产业的发展,鼓励企业间以产业链为基础的合作机制和产业联盟。
三是加快拓展应用市场。鼓励软件企业联合工业企业开展工业软件产品的研发及应用工作,组织开展安全可靠的工业软件和行业系统解决方案的推广,推进工业软件的服务化发展,大力地推进安全可靠信息系统的推广和应用,在重点领域推广安全可靠信息系统的应用示范,形成应用与产业发展的联合互动和协调机制,提高国家信息安全的保障能力。
四是持续培育龙头企业。综合地运用产业政策、规划、标准、资金等多种手段引导支持优势企业兼并重组、做大做强。开展特一级企业的培育工作,推动形成一批具有国际竞争力的大企业,支持一批专、精、特、新的中小企业,提高中小企业专业化、区域化集聚发展能力,形成全产业链协同发展的格局。
五是大力发展生产性服务业。要把握营业税改增值税的机遇,加快推进生产性服务业的集聚发展,鼓励信息技术服务外包,积极培育信息技术的服务市场,推动面向制造业的生产性服务业,面向社会和行业提供专业化的服务,引导和支持有条件的园区创建以生产性服务业为特色的新型产业示范基地,适时启动生产性服务业试点、示范城市的创建。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。