ZDNet至顶网软件频道消息:大数据、云计算、移动互联等新技术以“迅雷不及掩耳之势”席卷全球,在改变人们固有生活方式、思维模式的同时,也颠覆了传统软件企业的研发模式、应用模式以及商业模式,给各个传统企业带来一个不小的挑战。在这样的新形势下,各软件企业该如何顺应新的产业发展需求,转“危机”为“契机”成了争相讨论的热点。由此,2014年5月30日以“移动变革软件渠道”为主题的第七届中国软件大会在北京新世纪日航饭店成功举办。作为参展商,软件动力高级副总裁兼首席技术官方发和先生接受了中国软件网记者的采访。
软通动力高级副总裁兼首席技术官方发和
作为技术服务提供商,软通动力一直立足中国,服务全球市场,具有端到端的“软件+服务”综合服务能力,服务范围包括:咨询服务、解决方案及系统集成服务、IT外包及业务流程外包服务等。并且在通信、银行、电力、交通、汽车制造、电商等10多个重要业务领域,具有较为强大的纵深服务优势。
软通动力新大楼
在大数据时代所创造的新环境下,软件行业迎来了一场新变革。而对于这场变革,软通动力早已抓住时机,走在了转型创新型企业的大道上。软通动力的发展模式,是要从传统外包向技术创新型公司转变,通过在非线性增长型业务的突破,形成全新的战略格局,在未来的竞争中持续保持领先状态。而实现这种转变,靠的就是创新能力。
技术驱动创新
软通动力一直以来秉承“技术驱动创新”的理念,将大数据与云计算、物联网、移动互联等新兴技术聚焦到通信、高科技、银行、企业金融、零售、制造等行业,为客户提供行业内、跨行业以及特定功能的专业咨询服务及领先的实践方案。同时,与其它技术融合,形成新一代端到端无缝集成方案,构建数据驱动的产业升级,积极探索最佳实践,为客户创造可持续的价值。
创新引领转型发展
技术上的创新变革必将引领企业的转型发展,软通动力正是依靠技术、业务、模式等多个方面的创新,逐步转型成为以创新业务为驱动,以咨询和行业解决方案等高附加值业务为重心的新型IT服务企业。
近几年,软通动力致力于创新能力建设方面。不论是移动互联能力建设,还是大数据的挖掘分析能力方面都取得了重大的突破。其中,面向保险行业的大数据COE,通过对保险相关大数据与分析系统方案的整合、完善、扩展(整体经营情况分析、客户分析、公司风控分析、财务分析及业务专向分析),形成针对性较强的数据分析服务能力,为客户提供更多有价值的数据方案,从而实现长远的、可持续的服务和盈利的能力,提升和稳固软通动力在本行业内的核心竞争力。
另外,软通动力在智慧城市建设领域也在不断突破,实现城市新格局。公司利用丰富的行业经验和创新能力,在智慧城市咨询规划、建设服务、解决方案发展等领域积累了深厚的实践经验。自2012年软通动力加入住建部城科会数字城市工程中心发起组建的国家智慧城市产业技术创新战略联盟以来,软通动力已经与国内多个城市和地区签署了智慧城市合作协议。凭借自身实力及优势,在云计算、智慧城市公共信息平台、智慧城市综合运营中心等行业应用领域,持续推进智慧城市建设。
软通动力在运营维护佛山、辽源等地项目的同时,也与当地政府保持紧密的合作伙伴关系,在公众服务领域深挖项目机会,推动成型的乐从家居物联网和辽源科技惠民等项目。通过市场资源整合在新的地域和业务领域开拓项目,形成了以昆山媒体云、赣粤高速、西安北斗、天津文化中心等为代表的新型市场项目开拓,为软通动力在智慧城市领域的发展奠定了坚实的基础。
与此同时,在移动互联网新环境下,“合作共赢”成为一种必然趋势。软通动力联合了国家住房和城乡建设部,通过住建部政策性引导和推介,结合自身技术优势,整合内外部市场资源,针对地方政府的需求,充分整合内部产品和技术,形成了个性化且针对性强的解决方案,成功取得了海南万宁、成都温江、陕西咸阳、江苏盐城、浙江昌化等智慧城市建设项目,在智慧城市领域形成了良好的市场口碑和认知度。
除此之外,软通动力还始终保持开放态度,在能力研发、实施、销售支持上注重学习与交流,不断地整合和完善由业务咨询专家、架构师、技术领头人等构成的业务研发核心团队,完善移动互联网及物联网在各行业的解决方案。同时,软通动力也在不断加强与战略合作伙伴在解决方案及市场开拓方面的合作,构建起在移动互联及大数据领域中行业领先优势的核心竞争力。它依托于行业经验、顶尖设计和开发能力,以移动互联网为突破点连接起物联网纽带,打造出端到端IT服务新模式,所实施的App覆盖了交通、零售、餐饮等16个行业。
为了更好更快地实现企业华丽转身, 软通动力从今年将陆续举行创新技术论坛。 今年6月初举行的“首届软通动力创新技术论坛”秉承创新理念,旨在展现软通动力在创新技术领域的系列成果,希望通过探讨创新技术的应用前景和发展趋势,促进新兴技术的行业应用,驱动企业的发展与转型,创造出商业模式的新变革。
好文章,需要你的鼓励
这项研究针对现代文档检索系统中的关键缺陷:独立处理文档片段导致丢失上下文信息。研究团队开发了ConTEB基准测试来评估模型利用文档级上下文的能力,并提出了InSeNT方法,结合后期分块和创新的对比学习策略。实验表明,上下文感知嵌入显著提升检索性能,尤其在处理非自包含文本片段时,同时保持计算效率,对分块策略更具鲁棒性,并且在语料库规模扩大时表现更佳。这一研究为更智能的文档检索系统铺平了道路。
这项由布朗大学和Cohere实验室研究者联合进行的研究全面分析了大型语言模型(LLM)安全研究中的语言不平等现象。通过系统回顾近300篇2020-2024年间的安全相关论文,研究发现LLM安全研究严重偏向英语,即使中文这样的高资源语言也仅获得英语十分之一的研究关注,且这一差距正在扩大。研究还揭示非英语语言很少作为独立研究对象,且英语安全研究常忽略语言覆盖文档化。为解决这一问题,研究者提出了三个未来方向:开发文化敏感的评估基准、创建多语言安全训练数据,以及深入理解跨语言安全泛化挑战。
这项研究提出了ChARM,一种创新的角色扮演AI奖励建模框架,通过行为自适应边界和自我进化策略大幅提升AI角色的真实性和一致性。研究团队创建了包含1,108个角色的RoleplayPref数据集,实验表明ChARM比传统模型提高了13%的偏好排名准确率,应用于DPO技术后在多项基准测试中达到了领先水平。这一突破将为娱乐、教育和心理健康支持等领域带来更加自然、个性化的AI互动体验。
这篇研究重新审视了循环神经网络中的双线性状态转换机制,挑战了传统观点。高通AI研究团队证明,隐藏单元不仅是被动记忆存储,更是网络计算的积极参与者。研究建立了一个从实数对角线到完全双线性的模型层级,对应不同复杂度的状态跟踪任务。实验表明,双线性RNN能有效学习各种状态跟踪任务,甚至只需极少量训练数据。研究还发现,纯乘法交互比加法交互更有利于状态跟踪,为循环网络设计提供了新视角。