ZDNet至顶网软件频道消息:Siemens PLM Software连续三年被全球领先的独立PLM战略管理咨询与调查机构CIMdata评为中国市场上领先的PLM软件供应商。凭借2013年在中国市场总收入、净收入、渠道收入和服务收入等八个领域的卓越表现,Siemens PLM Software被该机构评为中国PLM市场的领导者。Siemens PLM Software在PLM行业的三维CAD和数字化制造这两个关键领域连续四年保持市场占有率第一名。此外,Siemens PLM Software还在不断增长的汽车和工业装备行业市场占有率连续第三年排名第一。通过收购LMS等一系列举措,Siemens PLM Software的仿真和分析(以下简称:S&A)软件产品组合得以扩充,使得其在S&A市场的领导者地位升至第3位,较2013年的排名上升了5位。
CIMdata总裁Peter Bilello表示:“Siemens PLM Software在中国的多学科机械三维CAD和数字化制造领域继续保持市场领先地位,在S&A领域的收入也实现了显著增长。由于汽车和工业装备市场的持续增长,Siemens PLM Software在这些领域的优势地位也是该公司在中国取得成功的关键,而我们的数据显示未来这两大领域的增长前景十分乐观。”
根据CIMdata的预测,中国PLM软件市场将继续保持高速增长,2014年至2018年间的复合年增长率将达到14.9%,因此西门子在中国继续保持PLM全领域的领导地位十分重要。CIMdata的报告还指出S&A市场将迎来有史以来最快的增长,而西门子在S&A领域拥有丰富的计算机辅助工程分析(CAE)产品组合,包括NX™软件、NX Nastran®软件、Femap™软件以及LMS™解决方案产品组合等CAE模块,并结合了基于模型的机电仿真、广泛的计算机辅助工程模拟分析,以及用于产品开发流程的先进的测试解决方案。
Siemens PLM Software总裁兼首席执行官Chuck Grindstaff指出:“西门子一直是PLM领域的全球领导者。最新的CIMdata报告证实了我们一如既往地在中国市场保持领先地位,这对于我们的全球客户和中国客户来说都具有重要价值。在继续为客户提供全面的解决方案满足市场需求的同时,我们对仿真和分析领域的高度重视,也将帮助他们解决在未来的产品创新方面日益加剧的复杂性问题。”
Siemens PLM Software大中华区首席执行官兼董事总经理梁乃明表示:“在中国市场的八个领域保持第一体现了我们为中国客户提供价值的郑重承诺。CIMdata排名同时说明,我们的专业知识和行业经验得到了广大中国客户的认可。我们将继续致力于为客户提供更好的PLM解决方案,帮助他们做出更明智的决策和更出色的产品。”
Siemens PLM Software最近还宣布其连续13年被 CIMdata评为协同产品定义管理(cPDm)领域和数字化制造领域的全球市场领导者。Siemens PLM Software凭借全球应用最广泛的数字化生命周期管理软件 Teamcenter®入选CIMdata的cPDm评选类别,并凭借Tecnomatix®软件成为数字化制造领域的领导者。
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。