ZDNet至顶网软件频道消息: 9月25日,“IBM智慧城市大挑战”济南项目情况通报会暨座谈会顺利召开,该项目是“IBM智慧城市大挑战”在中国的第一个智慧旅游项目。
图:济南旅游局局长王铁志(右五)与IBM专家出席IBM“智慧城市大挑战”济南项目情况通报暨座谈会
济南以“智慧旅游”入选“IBM智慧城市大挑战”项目
“智慧城市大挑战”项目是IBM全球单项投入最大的公益计划。该项目的宗旨是在全球范围内选择最具智慧发展活力的城市合作,汇聚IBM全球专家的资源和能力,在城市规划、行业进步、企业发展和环境、教育等领域,从技术、管理和规划方面提供咨询和建议。
“智慧城市大挑战”项目要求申请城市提出的项目课题要有挑战性、创新性,针对城市具体问题,关乎民生,并且能够对城市整体发展起到杠杆作用。而济南正依据自身特点大力发展智慧旅游,希望将旅游业培育成现代服务业的重要推手,借此助推服务经济发展与经济转型,为提高居民生活水平与推动城市快速发展提供动力。这些举措与“IBM智慧城市大挑战”项目的遴选标准非常吻合。今年3月,济南正式成为该项目的合作城市。
IBM携手济南 打造泉城特色国际旅游名城
济南是一座具有悠久历史的古城,拥有丰富的历史文化和独特的自然景观。近年来,建设“智慧旅游城市”成为济南市政府和济南市旅游局的重要发展战略目标。济南在促进旅游业智慧发展方面拥有前瞻性视野,已经开展了诸多切实可行与成效显著的举措。“IBM智慧城市大挑战”专家团队认为,济南在促进旅游业智慧发展方面已经取得了很多成果,如果进一步综合运用新技术手段,将进一步促进济南旅游业的发展,帮助打造泉城特色的国际旅游名城。
“IBM智慧城市大挑战”专家团队在济南进行了为期三周的实地考察与深入调研,与市政府、旅游局、园林局以及交通局等政府部门,以及景区、酒店、旅行社等旅游相关企业展开了深入的交流。特别一提的是,今年IBM还通过社交平台就济南旅游品牌进行调研,并利用收集的数据得出深入洞察。在此基础上,IBM专家团队应用在信息技术尤其是大数据分析方面的优势,结合相关国际经验,通过可执行的具体规划,为济南建设成为具有泉城特色的国际智慧旅游城市提出四点建议:
第一, 打造旅游大数据平台。针对网站、微信、微博等多渠道数据进行收集、整理和分析,满足旅游信息海量拾取、海量处理和海量存储需求,实现与广大游客主动交互。同时利用大数据平台实现各旅游部门的信息共享,为行业管理、规范市场运作提供数据支撑。
第二, 创建互动、多渠道的旅游公共服务体系。将各渠道为游客提供的旅游服进行整合,方便游客通过多种途径轻松获取旅游信息,从而创造高互动的游客体验。
第三,制定差异化旅游营销战略。在对游客数据进行分析的基础上对游客群体进行细分,针对每一群体制定有针对性的营销策略。在传播过程中突出济南特色,并承办高质量的会议,在全球范围内提高知名度。
第四,建立开放统一的产业平台以支持智慧旅游。努力发展新的经营模式,与多领域合作伙伴展开合作,利用大数据分析能力支持智慧旅游产业链,并与高校和研究中心合作创建智慧旅游孵化平台,探索新兴技术,加强行业管理智慧化。
此外,IBM还创建了智慧旅游成熟度评估模型,助力济南通过该模型清晰了解自身旅游业所处的发展阶段,以及济南旅游业实现跨越式发展所需要采取的具体行动,从而为济南打造国际旅游名城提供助力。
好文章,需要你的鼓励
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。