ZDNet至顶网软件频道消息:为了满足建设开放、顺畅的内部交流平台,合肥神马科技集团有限公司(简称合肥神马)抛弃了原来功能单一的OA系统,转而采用选择了我国业界领先的协同管理软件提供商万户网络技术有限公司(简称万户OA:提供的万户ezOFFICE协同管理平台。
以协同办公为目标
合肥神马隶属于中国联合装备集团,是业界公认的中国电线电缆装备制造行业的领军企业。合肥神马于1985年全面涉足电工专用设备制造业,并不断取得长足的进步,现已在国内外线缆设备市场占有十分理要的地位。如今,合肥神马秉承并努力实践“专业制造、真诚服务”的经营理念,不断开拓创新,向建设成为全球线缆专用装备领先制造商的目标迈进。
但是合肥神马信息中心崔主任介绍,在2005年之前,合肥神马的信息化建设关注的多为部门级应用,很多流程都通过纸质文档流转,导致部门之间的交流不顺畅,信息不对称,办公效率低,需要一个统一的平台来规范管理、协同办公。
崔主任透露,事实上合肥神马已在2001年上马ERP系统时就上了一套OA系统,但是因为这个系统相当于是购买ERP系统附送的,功能单一,缺乏内部沟通功能,无法实现流程规范,难以实际合肥神马的需求。随着应用的不断深入,这些问题就更加突出了。因此在2005年,合肥神马决定重新上一套OA系统。
于是,合肥神马决定重新选型,并在考察了市场上众多主流OA厂商和产品后最终选择了万户OA。崔主任指出,合肥神马选择万户ezOFFICE协同管理平台,主要是考虑到了以下5方面因素:
其一,万户OA的上线成功率很高。崔主任指出,这是他们经过调研、深度了解OA行业后得出的结论。
其二,万户OA具有强大的自定义功能。这样,即使在万户网络的服务人员不在的情况下,合肥神马也可以根据业务需求进行流程定义和功能实现,轻松满足企业的一些个性化需求。
其三,万户网络在OA领域耕耘十余载,现已经积累了较强的技术实力和研发实力。
其四,万户网络的部分研发在合肥,能够为合肥神马提供很好的本地化服务。
其五,万户网络在政府和事业单位领域的应用非常广泛,接受程度高,而合肥神马作为一个集团型企业,跟这些用户拥有很多共性的需求。
巧妙克服三大障碍
万户OA虽然强大,但是在应用的初始阶段,由于系统承载的内容有限,所以在应用推广中也存在一些问题。为了尽快推广OA平台的应用,项目组采用了以下行之有效的手段:
首先,停止纸质文档的使用和手工审批手段。崔主任回忆说,起初由于应用习惯问题,而且系统里没有太多的内容,员工普遍不愿意登录OA。为此,项目组与领导商量,希望停止下发纸质的文件,并停止手工审批。 同时,项目组与行政部门进行沟通,要求他们从某个时间点开始不再发放在纸质文件。这样,所有员工如果要看企业的最新动向,包括任免信息、重要通知等,都需要的登录OA平台。
其次,形成相应的管理办法,从行政上强制要求员工登录OA。崔主任介绍,在合肥神马的OA平台管理办法中,对员工每天登录OA多少时间提出了要求,但到了后来,对着OA平台的完善,员工已经逐渐养成了每天登录OA来处理业务的习惯。
再次,鼓励员工在论坛上发言,丰富论坛内容。为了丰富OA上的内容,项目组还开放了论坛中的匿名发言功能。这就使得有些不敢实名发言的员工能够在论坛上畅所欲言。同时,还在内部招聘各个板块的版主以对论坛上的内容进行管理。
最后,形成完备流程、功能自定义机制。合肥神马选择万户OA,原因之一就是因为其强大的自定义功能。为了用好自定义功能,使得自定义功能真正有效、有用,项目组形成了一个很好的机制:首先对业务部门的需求进行调查,深度了解业务需求;然后,与业务部门就自定义的业务流程进行沟通,看看能否满足业务需求,是否需要改进;再次,对自定义流程进行测试、完善;最后,对自定义流程进行发布、说明,说明内容包括流程的功能、应用范围和注意事项等。
日常办公利器
“今天看来,我们选择万户ezOFFICE协同管理平台是很正确的选择。”崔主任介绍,OA平台已经成为合肥神马内部应用最广泛、登录人数最多的系统,成为合肥神马员工日常办公的有效工具。
首先,OA平台已经成为合肥神马内部沟通最好、最便捷的平台。如今,合肥神马的员工一上班,就先登录OA平台。在这个平台上,员工轻松获取跟自己日常办公业务相关的信息,如邮件、公文、通知、待处理事项等。
其次,员工对OA平台的依赖性越来越高,很多办公的功能都通过OA平台来实现。借助万户OA强大的自定义功能,合肥神马自定义了100多个流程。因此,很多业务部门还希望一些本来不是OA平台的强项的需求也希望OA平台来满足。
再次,OA平台在升级后还支持移动办公,应用起来非常简单、便捷。值得一提的是,移动OA功能使得领导即使在出差的时候也能及时处理业务,广受好评。
最后,OA平台的应用大大提高了合肥神马日常办公、沟通的效率。不仅如此,由于大部分流程都通过系统来实现,避免了纸质单据的使用,大大节约了办公成本。
好文章,需要你的鼓励
这项研究介绍了VisCoder,一个经过专门微调的大语言模型,用于生成可执行的Python可视化代码。研究团队创建了包含20万样本的VisCode-200K数据集,结合了可执行代码示例和多轮修正对话。在PandasPlotBench基准测试中,VisCoder显著优于同等规模的开源模型,甚至在某些方面超越了GPT-4o-mini。研究还引入了自我调试评估模式,证明了反馈驱动学习对提高代码可执行性和视觉准确性的重要性。
这项研究提出了"适应再连续学习"(ACL)框架,一种创新的方法解决预训练模型在连续学习中的稳定性-可塑性困境。通过在学习新任务前先对模型进行适应性调整,ACL使模型既能更好地学习新知识(提高可塑性),又能保留已有知识(维持稳定性)。实验证明,该框架能显著提升各种连续学习方法的性能,为解决人工智能系统中的"灾难性遗忘"问题提供了有效途径。
这篇研究首次关注了CLIP模型文本编码器的对抗鲁棒性问题,提出了LEAF方法(Levenshtein高效对抗性微调)来增强文本编码器的稳健性。实验表明,LEAF显著提高了模型在面对文本扰动时的性能,在AG-News数据集上将对抗准确率从44.5%提升至63.3%。当集成到Stable Diffusion等文本到图像生成模型中时,LEAF显著提高了对抗噪声下的生成质量;在多模态检索任务中,它平均提高了10个百分点的召回率。此外,LEAF还增强了模型的可解释性,使文本嵌入的反演更加准确。
BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台,整合了38个基准中的30万个问题,按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差,而BenchHub通过自动分类系统和用户友好界面,让用户能根据特定需求筛选评估数据。实验证明模型在不同领域的排名差异巨大,强调了定制化评估的重要性。该平台支持多语言扩展和领域特化,为研究人员和开发者提供了灵活评估大语言模型的强大工具。