ZDNet至顶网软件频道消息: 山摇地动、房屋倒塌、道路中断……
“只要有一线希望,就要付出百倍努力。”废墟中汇起爱的洪流。
2014年8月3日16时30分在云南省昭通市鲁甸县(北纬27.1度,东经103.3度)发生6.5级地震,震源深度12千米,余震1335次。截止8月3日18时40分,地震共造成中国移动18个基站退服,91个基站停电,4个本地网断点,通信设施严重受损。

通信保障为受灾民众打开生命通道
时间就是生命,搜寻工作在紧张地进行,分分秒秒系着的是条条生命,救灾人员在断梁横陈的现场搜寻着废墟下掩埋的人。
通信的不畅严重阻碍救灾的进度,调度人员、救灾人员之间无法及时沟通,被埋者更无法通过短信、电话、微信、微博等手段主动寻求救助,只能被动等待救援。然而灾区现场,屋塌瓦落,中断的网络线路被掩埋在一片狼藉的石块当中,抢修人员想要迅速定位故障点几乎是举步维艰。
云南移动迅速启动抗震应急通信保障预案,通过精准数据快速定位故障基站并进行抢修,截至4日18时(灾后12小时),灾区的中国移动信号恢复,为抗灾信息的传递提供了可靠保障,给灾区和外界提供了一条联系和互通的生命线。
面对突如其来的灾害,能够快速抢修故障,快速重建通信设施,这与云南移动昭通分公司扎实的基础管理工作与长期细致工作的积淀是密不可分的。灾区复杂的网络结构和地理环境,网络的疏通需多名技术人员协同处理,如果没有前期准确的数据基础作为支撑,网络故障排查的效率将会大大降低,严重影响救灾进度。准确的数据支撑极大程度保障了震后通信故障恢复,为安定灾民情绪、保障抗震救灾工作稳定开展起到关键的作用。

昭通移动数据整治 灾难之前“未雨绸缪”
就在2013年6月份,昭通移动励精图治,为了更好地支撑网络运维工作,启动了本市的传输精细化数据质量专题工作,目标是做好网络基础工作,掌握现网中每个资源点的实际情况,确保资源数据的准确性,切实发挥数据对于生产中的价值,经过为期一年的数据质量整治,昭通移动数据准确性,有了较大提升,数据的准确性达到了95%以上。业内人士了解,由于数据管理工作繁杂,网络基础数据质量的整治工作,平常是很难体现其价值的。而面对灾害的来临,却彰显了数据的能力,支撑了网络的快速重建,充分体现其大量的基础工作价值及长期细致工作的积淀,为应急通信保障做好准备。如同蘑菇那样,前期的生长过程无人能注意到,只有当大雨来临,才能在雨中撑起一株“保护伞”。

浪潮在2013年开始与昭通移动全面合作,针对数据质量提升工作,以传输精细化场景为主,对传输资源数据进行采集、整理并加以清洗,完善传输管线基础管理,实现资源数据的完整、准确,进一步挖掘数据的价值。并依托大数据领先的优势及自主研发浪潮数据管理平台(Data Manage Platform 简称DMP),以服务的形式向昭通移动提供全套的数据质量管理解决方案,包括数据采集与定义、数据检验、数据规则管理、数据质量评估、数据质量管理水平分析等。
数据剖析/清洗服务
通过多维数据数据碰及“冷设备热采”技术,结合规则、趋势、计算、提取违背规则的数据并加以清洗与分析,解决其网络数据“孤立不成网”及“变化数据”不可控的难题。灾前昭通数据关联准确性达到96%以上。在震区,定位出现故障的基站后,可以通过数据的关联,直接找到快速恢复通信业务的最优备用线路,避免了通过不断尝试恢复故障,大大提高了故障处理效率。
数据采集服务
为昭通移动提供,面向现场的数据采集服务及现场整治服务,与数据清洗形成协同,对现网的数据经过采集、整理,电子化标签整治等,进一步验证数据的一致性。灾前昭通移动数据的一致性达到了95%以上。灾区现场故障处理人员可通过直观的电子化标签判断故障业务的去向,对业务进行调试。即使不熟悉故障现场,技术人员也可快速定位故障点,降低了与后台沟通成本,便于快速定位,提高故障处理效率。

正是由于昭通移动的未雨绸缪,地震灾害发生以后,在故障的精确定位和快速的排除中,高质量的数据质量提供了坚强的支撑,充分展现了高质量数据所带来的价值。在面对灾害、面对突发事件中,也正是由于昭通移动在数据管理方面长期细致的积淀,为抗灾保通信提供了坚实的保障,加快了灾后重建的进程。祝愿灾区人民早日渡过难关,重建家园。
好文章,需要你的鼓励
Uber年度失物报告首次纳入无人驾驶出租车数据。过去一年,乘客在Uber平台的机器人出租车中遗留了数千件物品,包括手机、钥匙、钱包等常见物品,以及假牙、15磅溜溜球等奇特物件。乘客可通过App联系客服找回失物,支付15美元即可享受同城配送,或前往车辆停放站自取。Uber表示,将依托现有运营体系为自动驾驶业务提供全面支持,计划2025年底前在全球15座城市开通无人驾驶打车服务。
TREK方法通过引入外部验证解法对AI进行短期校准,解决了GRPO训练在困难题目上因无法探索正确解法区域而陷入瓶颈的问题,在数学推理和智能体任务上均取得明显提升。
Uber周三发布了一款基于现代Ioniq 5改装的数据采集原型车,搭载14个摄像头、8个固态激光雷达和9个雷达,通过英伟达双驱Thor计算机处理数据。Uber计划今年在全球部署500辆此类车辆,每月可采集200万英里高保真驾驶数据,供Avride、Waymo、WeRide等30余家自动驾驶合作伙伴使用。这是Uber自2020年出售自动驾驶部门以来首次自主组装车辆,也是其AV Labs部门的重要进展。
SkillOpt-Lite通过将智能体技能优化形式化为零阶优化问题,提出极简流水线:把执行轨迹存为文本文件,让AI直接用文件系统工具翻日志、找规律、改技能,配合独立验证门控,比复杂的多智能体优化框架跑得更快效果更好,并自然延伸至执行框架自动优化(HarnessOpt),使轻量模型能够超越大模型。