ZDNet至顶网软件频道消息:华晨宝马IT与IBM宣布隆重启动华晨宝马IT终端用户服务项目,项目代号“Simba”。通过使用这项服务,华晨宝马IT利用定制化的ITIL统一框架获得整合的IBM解决方案,更好的管理自身的IT服务,并更加专注于自身战略发展。IBM将提供从生产、销售到客户服务和研发的IT呼叫中心和现场支持服务。
华晨宝马与IBM Simba项目启动仪式
华晨宝马汽车有限公司成立于2003年5月,是宝马集团和华晨汽车集团控股有限公司共同设立的合资企业,业务涵盖BMW品牌汽车的生产、销售和售后服务。公司的生产基地位于工业基础雄厚的辽宁省沈阳市,在北京设有分公司,销售和服务网络遍及全国。截止到2013年底,公司拥有近14,000名员工。目前,华晨宝马汽车有限公司生产BMW 3系(含标准轴距和长轴距)、BMW 5系Li和BMW X1三个系列,以及华晨宝马新品牌之诺1E。2013年华晨宝马总销量近20万台。在保持高速增长的同时,华晨宝马始终坚持客户导向,给予经销商强大的支持,客户满意度在豪华车市场上名列前茅。
面对业务快速成长和技术工艺进步,华晨宝马IT希望优化现有的IT服务,给用户提供更加高效、稳定的IT支持。因此,华晨宝马IT需要构建更加专业的IT管理,提高全业务、全流程中的IT服务能力,从而胜任华晨宝马的业务发展。随着IT技术的快速发展,华晨宝马IT也需要不断部署新的技术、工具,实施新的流程。因此,华晨宝马IT需要长期稳定的战略性合作伙伴,在支持技术进步和创新的同时提供稳定的IT服务,以高效率低成本的方式支持业务高速增长的需求。
在IT技术与企业业务发展结合日益紧密的今天,IBM作为IT服务与咨询领域的专家,深知如何帮助行业客户面对当下的IT基础架构变革和挑战,以业务为导向,优化业务连续性和提升效率。IBM在提供高水平业务和IT管理服务与咨询方面拥有丰富的经验,能够帮助客户从日益重要却繁冗复杂的IT基础架构运营管理中抽身出来,集中精力拓展核心业务。IBM所提供的管理服务能力,不仅限于托管的范畴,还能够帮助企业从业务咨询到设计建设和维护优化,推动企业实现业务真正的转型变革。而这一切的开始都基于对客户业务需求的深入了解。
华晨宝马IT与IBM的IT终端用户服务项目合作始于2011年,通过和IBM的合作,华晨宝马IT构建起了完善的服务体系。多年良好的合作经验以及IBM对华晨宝马业务熟悉程度也已经作为此次选择合作伙伴的考量因素之一。
为了提高IT效率并更加聚焦核心业务发展,华晨宝马IT与IBM结成长期稳定的合作伙伴关系,通过启动为期5年的“Simba”项目,华晨宝马IT和IBM将为用户提供更加稳定、灵活、高效、专业的IT终端用户服务。
华晨宝马IT 副总裁Peter Spies表示,“随着宝马业务的不断增长和延伸,我们看到了未来我们业务潜在的快速增长,于是决定寻找一家合作伙伴帮助我们管理IT。IBM给提供的解决方案非常接近于我们的期望,这不止包括现在已有的服务内容,也包括未来对新的服务模式的一些变化。在以往的合作中,我们也与IBM一起有很多发现和积累,IBM是非常有经验的供应商。与此同时,IBM提供了足够透明的交付方案,我们非常开心能够继续跟IBM合作。”
IBM大中华区副总裁及全球信息科技服务部整合科技事业部总经理陶弢表示:“我们非常高兴能够与华晨宝马IT这样具有行业领导力与前瞻性的企业达成战略性合作伙伴。在以往的合作中,IBM与华晨宝马IT不仅共同创新,更从华晨宝马IT身上学到很多深刻的行业洞察与经验,进一步提升了我们对中国汽车制造行业的服务能力。同时,IBM也希望将IBM所能提供的新IT时代的价值带给华晨宝马IT。IBM是全球领先的IT服务商,未来将继续努力携手各界合作伙伴共同推进企业、行业及地方经济的转型与发展。”
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。