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
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。