ZDNet至顶网软件频道消息(文/蒋湘辉):上好佳(中国)有限公司和SAP公司7月3日共同在上海庆祝全国首个基于HANA的SAP Business Suite(SoH)客户实现成功迁移。上好佳公司继2009年部署SAP ERP后,于2013年12月16日开始将数据库平台迁移至SAP HANA平台,并在2014年3月1日正式上线。上线至今,数据库总体性能提升4倍,平均每会话步骤响应时间从337毫秒下降到86毫秒,同时通过HANA的并发处理性能,实现了很多从前不可能使用的业务场景。目前上好佳集团旗下的10家分公司可以实现同步月结,全部结完帐时间只需要0.5天,最大的公司月结耗时下降50%。系统还提供基于SAP HANA平台的端到端实时计划、执行、报告和分析,全面提升ERP系统的整体使用效率。
图注:上好佳(中国)有限公司董事长施学理(右)、SAP大中华区总裁纪秉盟(中)和SAP HANA市场策略全球负责人兼全球能源与资源行业总经理麦恩平(Peter Maier)共同庆祝SAP在中国的首个Business Suite on HANA客户成功上线。(蒋湘辉 摄)
据悉,由于借助SAP快速部署解决方案(SAP RDS)及惠普服务部门的实施,上好佳经短短两个半月便成功完成整个项目的迁移部署,比计划提前了一个月,从而成为HANA项目中使用RDS的标杆案例。
上好佳(中国)有限公司董事长施学理表示:“我们和SAP的合作是从2009年开始,首先是在上海总部进行尝试ERP,后来逐步在各个分公司进行推广。刚开始我们每次只能以一家工厂能完整实施,现在我们已经发展到每年可以完成三家工厂的推广。通过SAP系统,我们把公司的经营理念、管理方针等到公司各个方面,在公司人员没有增加的情况下,实现了产品质量的提升增加。目前我们食品领域的十家工厂都上线了SAP系统,未来我们也要在我们5家工厂进行推广。到2013年,由于上线工厂数量的增加,每天的交易量的剧增使原有的ERP系统性能已经无法适应要求。为了更加完善批次管理和不断挖掘SAP功能的潜力,我们考虑增加硬件支持的投入,而SAP当时推出的HANA系统能解决这样的问题。虽然当时在国内还没有一家成功案例,但所以我们觉得通过几年来和SAP的合作,我们相信SAP是一家稳健和负责的公司,服务也很到位,使我们下决心选择这个解决方案。在我们使用SAP系统后,我们的关键的业务量、流能、性能得到提升。”
图注:施学理还表示,选择SAP HANA系统基于也是基于公司长远的发展考虑,未来上好佳想借助HANA的高性能平台带动业务转型升级,加快推广管理信息化,使公司朝向实时运营的目标前进。(蒋湘辉 摄)
SAP大中华区总裁纪秉盟则表示,“HANA是SAP的未来,我们在这方面进行了大量的投资,我们未来方向是要把所有SAP Business Suite应用系统完全迁移到HANA上,我们非常感谢上好佳能够成为Business Suite on HANA的早期用户,我们也能够承诺HANA的未来会更好。”
图注:纪秉盟还透露,目前中国使用HANA的客户中,已经有三分之一用的就是基于HANA的Business Suite。在未来的几周、几个月,我们将看到越来越多的客户实现了HANA的成功上线。(蒋湘辉 摄)
图注:上好佳和SAP中国高层团队及实施方惠普公司代表共同庆祝Business Suite on HANA上线(蒋湘辉 摄)
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。