ZD至顶网软件频道消息:近日,由上海交通大学继续教育学院、工业4.0与机器人产业联盟联合举办的《工业4.0时代企业创新班》,在上海交通大学举行了开学典礼。并在校史馆和钱学森图书馆进行了感悟交大文化、了解交大历史的参观环节。
在“大众创业、万众创新”的时代背景下,作为中国最好的工科大学之一,上海交大将做出更大贡献。这次开设“工业4.0时代企业创新班”, 可以形象比喻为中国黄埔军校第一期。
当晚举行的璀璨之夜——开学盛大晚会,有几十名社会精英人士,在这里进行了最好的人脉资源对接,增加了同学之间的友谊情怀。
值得一提的是,在开学典礼后的第一棒课程的环节,请到了工业4.0与机器人产业联盟主席梁太龙先生,在徐汇校区工程馆103教室进行了题为《工业4.0与新型产业发展优势分析》的课程。课题气氛十分活跃,各位同学对工业4.0的发展有了深刻的认识与了解,均表示获益匪浅。
开学期间,校方还举行了聘任仪式。聘任工业4.0与机器人产业联盟主席梁太龙先生为客座教授。上海交通大学多名领导出席了仪式,工业4.0与机器人产业联盟主席梁太龙,携联盟华东地区专委会多名成员参加了仪式。
在聘任仪式上,校方说道,梁太龙先生领导工业4.0与机器人产业联盟,是上海交通大学在科技成果转化和产学研合作等方面的战略合作伙伴。梁太龙先生本人在也是在大学多年任教。之后因缘际会投身商界,取得了辉煌的成果,为行业发展做出了重要贡献。
在创业发展的同时,始终不忘教育,向学界尤其是上海交通大学,提供了很多宝贵资源。经学校研究决定,聘请梁太龙先生为上海交通大学客座教授。
梁太龙先生表示,受聘成为上海交通大学的客座教授既是个人的光荣,也是工业4.0与机器人产业的光荣。希望今后在本产业的企业和上海交通大学在人才培养、科技成果转化、技术创新等方面开展更深入的交流。
开学季的课程从4月22日连续3天,第一天培训班举行了简短的开班仪式。开班仪式由继续教育学院培训中心主任余海博士主持,继续教育学院院长陶正苏、继续教育学院副院长刘路喜教授、中国社科院信息化研究中心秘书长姜奇平分别进行了致辞和发言。
本次工业4.0时代企业创新班,吸引了来自宁波新卫界公司的陈定幸老总,六安信实资产管理有限公司总经理程治中老总等在内的来自于工业4.0产业相关,几十名名的社会精英参与学习。
开学后为了在让班级班委选举更有战略性,特意安排选举之前由梁太龙客座教授主讲第一堂课程,培训内容由拓展视野的宏观理论教学与干货满满的案例教学两部分组成。梁太龙客座教授以社会变革、市场发展、股市趋势为引导讲解了工业4.0的宏观理论,并且以数字工厂为例,详细地介绍了案例教学方法与技巧。
此次培训会的成功举办,可能对今后工业4.0行业,在MBA级教学中的案例研究与教学整体水平的提升将有很大帮助。
梁太龙客座教授,在北京理工大学获得自动化硕士学位,有着丰富的企业管理经历、社会活动组织经历和大学教学经历。他曾任教于太原理工大学,目前为工业4.0与机器人产业联盟执行主席、中国自动化专家委员会委员、欧美同学会海归创业学院创业导师。
董明教授,博士生导师,美国弗吉尼亚理工大学工业与系统工程博士、美国伊利诺伊大学芝加哥分校博士后、美国麻省理工学院高级访问学者。
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。