ZDNet至顶网软件频道消息: 交通运输部在8月中旬发布了《公路水路交通运输主要技术政策》,该技术政策分公路工程、水运工程、运输服务、城市交通、安全应急、节能环保和信息化7个领域,共计70条主要政策,侧重反映近年来各领域取得的应用面广、效益显著的新成果,兼顾当前和今后一个时期应大力发展的新技术。其中在信息化方面,又具体明确了在基础设施运行监测、运输组织与管理、收费与支付、车(船)联网和主动安全、信息服务、大数据技术应用、网络与信息安全等7大重点领域的应用方向:
基础设施运行监测方面,鼓励应用信息感知技术,加强对交通基础设施运行监测和管理。发展性能适用、成本适中、绿色节能的传感技术及遥感技术,加强对高速公路、城市道路、国省干线公路重要路段、客货运枢纽、重点水域等基础设施运行状态的自动监测。加强对公路水路交通运行状态及运行环境的动态监测。加强对公路沿线及重点水域的气象与灾害自动监测与预警预报。
在运输组织与管理方面,鼓励应用自动跟踪、识别和移动互联网技术,提高运输组织与行业监管的智能化水平。积极推广应用北斗卫星定位系统。推广应用二维码、射频识别(RFID)和集成电路(IC)卡,实现集装箱、重点货物、载运工具、票证的自动识别与管理。推广应用内河电子签证和内河航运电子报文,提高内河运输效率。鼓励应用放射性成像、扫描和字符识别等集装箱安全监测技术,加强集装箱运输安全管理。
在收费与支付方面,推广应用电子收费与支付技术,全面提高交通运输领域收费与支付的便捷性。发展自由流收费、停车场自动收费等技术,推进电子收费在城市交通中的应用,提高全国联网不停车收费服务水平。鼓励交通领域电子支付手段的创新和多样化,积极推进全国范围跨区域、跨领域的一卡通用、一卡多用。
在车(船)联网和主动安全方面,大力发展车(船)联网和主动安全技术,提升交通运输安全水平。发展车(船)之间、车路(船岸)之间的通信技术,提高运输协同组织和安全保障水平。鼓励应用北斗卫星定位终端、行驶记录仪、客流采集器、油耗监测、载荷监测等车(船)载一体化智能终端技术,推广应用车(船)在线故障诊断技术,发展驾驶员安全状态检测与督导技术,提高车(船)主动安全水平。
在信息服务方面,提升出行信息服务与物流信息服务水平。鼓励应用面向移动智能终端的数据通信和个性化信息推送技术,发展面向出行链的一体化出行服务集成技术,提升出行信息服务的便捷性、实用性和时效性。应用现代信息技术,推进物流信息共享,为物流资源的科学利用、行业监管能力提升与物流服务水平提高提供支撑。
在大数据技术应用方面,跟踪云计算及大数据科学与工程技术进展,提高行业服务水平与决策支持能力。加强交通运输领域大数据基础平台与数据共享平台建设,鼓励应用云计算和大数据处理技术,提高海量数据的实时处理能力,提高跨区域、大范围业务系统的服务水平,以及交通运输经济运行统计与分析、行业发展宏观决策水平。
在网络与信息安全方面,建设网络与信息安全体系,保障网络与信息安全。加强网络与信息安全规划研究,落实信息安全等级保护制度,提高对大型应用系统的安全保护,确保重要信息系统安全。加强商用密码技术在交通运输行业的应用,推广应用国产密码算法,建立密钥管理与认证服务体系,提高数据管理安全和数据交换安全水平,保障交通运输领域支付、信息报送及统计安全。重视网络与信息安全监测、应急处置和测评能力建设。积极推广使用国产硬件设备、国产操作系统和应用软件。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。