ZD至顶网软件频道消息:春节假期刚过, 李克强总理在年初工作会议中强调,面对挑战,中国经济最大的动力来源,是激发13亿人的活力和创造性,而推动大众创业、万众创新,正是要集众智。由此可见通过大众创业、万众创新集众智对中国产业升级与经济发展的重要意义。过去一年,各地涌现出一批富有特色的众创空间,聚集的创业众智已卓有成果,这或许正是国家进一步鼓励其发展的缘由。
在国家对大众创业、万众创新期望不断提高的情况下,众创空间应如何避免流于形式、淹没于同质大潮,集众智、充分发挥自身作用?作为全球化创新创业生态系统,太库科技富有前瞻性的提出“全球技术 太库加速 中国创造”战略,通过一年多的实践,在全球化、产业化两方面齐头并进,颇有建树,成为顺应国家政策的行业先行者。
成立至今,太库已布局北京、上海、深圳、固安、美国硅谷、以色列特拉维夫、韩国首尔、德国柏林等8个城市,结合各地线下的众创空间与线上平台,整合当地优势资源与全球联动。太库科技CEO黄海燕表示:“太库的愿景,是成为真正的‘创业者国度’。自成立之初即确定全球化战略,太库致力于打造整合各创新要素、资源打破时空壁垒自由配置的立体网络,集产、学、政、经、研等各领域创新资源众智,为中国与其它国家乃至各国之间的创业创新交流合作打开通路。”
太库将全球化思维贯穿于其提供的所有服务中。以创业者最为关心的投融资与人才问题为例,针对资本寒冬下创业企业可能面临的更大的资金压力,太库联合多家基金公司与投资机构,成立全球创新产业资本联盟,以满足创业者在不同阶段的需求。针对创业人才的培训与创业者可能遭遇的法律、管理等问题,太库集合全球各界精英组成导师团队,硅谷创业专家、Founders Space创始人Steve Hoffman就是其一。
今年1月,太库更与韩国知名高校成均馆大学联合打造“中韩青年创业Academy”项目,共同培育创业人才,中国创业者将有机会接受先进的系统化的创业知识培训,并对韩国创业零距离深度了解。集全球众智,就总有新方式开拓创业者的全球化视野,助力中国创业者走向世界。太库一系列的国际化动作与服务,正与指导意见中提出的,“鼓励龙头骨干企业、高校、科研院所与国外先进创业孵化机构开展对接合作,提升众创空间发展的国际化水平”相契合。
指导意见中提出的另一重点是“发挥重点区域创新创业要素集聚优势,与科技企业孵化器、加速器及产业园等共同形成创新创业生态体系”,希望众创空间能服务实体经济,帮助更多创新成果转化为生产力,这一点,恰恰也与太库战略不谋而合。在集全球创新资源之智的基础上,太库不仅“走出去”,更能“引进来”, 与华夏幸福深度合作,集创新产业园之众智,导入世界各创新高地先进成果,加速创业项目产业化落地,开辟出太库引进全球创新技术到华夏幸福产业园落地的区域产业升级新模式。
中国领先的产业新城运营商华夏幸福,是太库最重要的战略合作伙伴,肩负着区域产业转型升级的重责,一直在推动旗下产业园区的转型,目前其核心产品产业新城已布局于中国30余个区域。强强联手的合作使太库助力创新成果通过产业化落地服务实体经济效果更有保障,让科创对经济的引领和驱动作用充分显露,促进供给侧结构改革更好、更深入展开,支撑我国的经济结构调整和产业转型升级。
思维领先的同时,太库也通过一年的实践积累下诸多成果。最为典型的例子便是去年11月的Film Power(影能)走通项目。主攻影视设备、销售渠道覆盖北美、欧洲、亚洲35个国家,同类产品全球销量和品牌影响力都在前2位的硅谷企业影能入驻太库北京与华夏幸福产业园,在香河机器人产业园设立研发制造中心,在大厂影视产业园设立影视制作中心,同时,今年还会将研发设计中心设置在太库柏林。去年12月,太库还联合华夏幸福与韩国文化产业振兴院签署了三方MOU,未来将共同建设中韩文化产业基地。
正如总理发言强调的,我们可以看到,众智方能成城。注重建设创业生态体系,集大众创业、万众创新之智,众创空间才能最大限度发挥作用,促进全社会创新创业活力更大释放。集众智,谋发展,2015年,太库已成为国内众创空间台上的领舞者,2016年,在总理发言与国务院指导意见的大力支持下,太库将强势续航,继续发挥全球联动优势,与华夏幸福等伙伴更紧密的合作,集全球创新资源之众智,集创新产业园之众智,助力中国在全球创新经济新时代中崛起、前行。
好文章,需要你的鼓励
这项研究介绍了VisCoder,一个经过专门微调的大语言模型,用于生成可执行的Python可视化代码。研究团队创建了包含20万样本的VisCode-200K数据集,结合了可执行代码示例和多轮修正对话。在PandasPlotBench基准测试中,VisCoder显著优于同等规模的开源模型,甚至在某些方面超越了GPT-4o-mini。研究还引入了自我调试评估模式,证明了反馈驱动学习对提高代码可执行性和视觉准确性的重要性。
这项研究提出了"适应再连续学习"(ACL)框架,一种创新的方法解决预训练模型在连续学习中的稳定性-可塑性困境。通过在学习新任务前先对模型进行适应性调整,ACL使模型既能更好地学习新知识(提高可塑性),又能保留已有知识(维持稳定性)。实验证明,该框架能显著提升各种连续学习方法的性能,为解决人工智能系统中的"灾难性遗忘"问题提供了有效途径。
这篇研究首次关注了CLIP模型文本编码器的对抗鲁棒性问题,提出了LEAF方法(Levenshtein高效对抗性微调)来增强文本编码器的稳健性。实验表明,LEAF显著提高了模型在面对文本扰动时的性能,在AG-News数据集上将对抗准确率从44.5%提升至63.3%。当集成到Stable Diffusion等文本到图像生成模型中时,LEAF显著提高了对抗噪声下的生成质量;在多模态检索任务中,它平均提高了10个百分点的召回率。此外,LEAF还增强了模型的可解释性,使文本嵌入的反演更加准确。
BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台,整合了38个基准中的30万个问题,按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差,而BenchHub通过自动分类系统和用户友好界面,让用户能根据特定需求筛选评估数据。实验证明模型在不同领域的排名差异巨大,强调了定制化评估的重要性。该平台支持多语言扩展和领域特化,为研究人员和开发者提供了灵活评估大语言模型的强大工具。