ZD至顶网软件频道消息(文/邹大斌):6月16日,中标软件有限公司在北京万寿宾馆举办了”新旗舰 再启航——国产操作系统新战略发布会”,来自政府、国防、金融等各行各业的用户,以及集成商、渠道商、软件商、硬件整机厂商等众多商业合作伙伴参加了本次活动。
这是中标软件在今年1月21日发生股权变动之后,首次举办如此大规模的市场活动。当时,中国电子科技集团将所持有的中标软件50%的股权以2.2亿人民币的价格转让给一兰科技,引发了业界对中标软件的未来发展及国产OS行业的关注。
“股权变动之后,我们的业务和战略都不会发生变化,中标软件将成为国有控股、混合所有的一家以国产OS为主要业务的工作。”中标软件总裁韩乃平在演讲时表示,中标软件将继续坚持操作系统核心业务方向,采用业务与资本双轮驱动、同心相关专业化聚焦发展战略,加速企业发展。
在具体业务上,中标软件将强化提升可信安全操作系统技术领先优势,面向中高端行业市场,持续打造基于中标麒麟操作系统的产业链,支撑关键业务系统应用,与产业链上下游的伙伴合作共赢发展。
韩乃平表示,中标软件的国产OS主要面向两个市场,一个是中高端的行业信息化市场,主要服务于重大工程和重点领域的信息化;另一个是被中标软件称为政策性市场,主要面向国产CPU,定制安全可靠的软件平台。在大会现场,记者注意到,中标软件展示了很多与国产CPU合作的解决方案,包括龙芯、申威、兆芯、ARM64等芯片都有适配的OS产品。应该说,正是这些OS的存在为这些国产CPU的产业化打下了基础。
中标软件是国产OS的代表和一面旗帜。成立于2003年的中标软件一直专注在国产OS领域,已经有13年历史。如果从中标软件的前身中软算起,中标软件从事国产OS的历史可以追溯到1989年。得益于多年来的矢志不渝,中标软件的国产OS——中标麒麟也一直在中国linux市场保持领先地位。
作为中标软件领头人的韩乃平算得上是国产OS发展的见证人,其最早从1994年就开始参与国产OS的研发工作,对国产OS一路走来所经历的艰辛有着更为深切的感受。
“尽管这些年,国产OS有了不小的进步,中标软件也一直位居国产OS市场第一。但客观地说,国产OS还很弱小,国产OS在整个OS市场所占份额不到10%。”韩乃平说,做国产OS就是在沙漠中种草和树,其艰难可想而知。
在记者看来,韩乃平所言并非没有道理。国产OS在应用上目前的确存在不少困难,有技术上的更有生态系统上。比如,很多国外关键业务软件,比如中间件、数据库并不提供对国产OS的认证,这在客观上限制了国产OS的使用。
实际上,生态系统的建设也已经提到中标软件的议事日程。在发布会上,中标软件与北斗大数据、山西百信、象云等厂商签署了战略合作协议,协议各方将在大数据、可信计算、云计算等方面展开全方位的合作,打造全产业链的发展模式。同时,中标软件还在积极谋求国外关键软件的认证,包括Oracle及VMWare也为中标麒麟作全球认证。
韩乃平表示,国产OS是一个有着使命感的事业,OS作为自主可控的起点和基石,国家需要,中标软件作为国有控股的企业就有责任和义务做好它,中标软件将继续努力。
好文章,需要你的鼓励
亚利桑那州立大学的研究团队开发了RefEdit,这是一种新型图像编辑AI系统,能够准确理解和处理指代表达(如"中间那个人"、"右边的猫")。通过创建RefEdit-Bench基准测试,研究者们证明现有模型在多物体场景中表现不佳。他们设计了一种创新的数据生成流程,仅用2万样本就训练出的RefEdit模型超越了使用数百万样本训练的大型模型。这一突破使AI图像编辑在复杂场景中更加精确和实用。
这项研究提出了Critique-GRPO,一种创新的在线强化学习框架,将自然语言批评与数字反馈相结合,克服了传统仅用数字反馈的三大局限:性能瓶颈、自我反思效果有限和顽固性失败。实验表明,该方法使大语言模型能够从错误中学习并改进,在八项数学和通用推理任务中,将Qwen2.5-7B和Qwen3-8B模型的平均通过率分别提高了约4.5%和5%,超越了包括那些引入专家示范的方法。研究还揭示,高熵探索和长回答并不总是最有效的学习方式,质量更重要。这一方法为大语言模型的自我提升能力开辟了新路径。
这篇研究介绍了"量化LLM评价者",一个创新框架,能使大型语言模型(LLM)在评估其他AI输出时更接近人类判断。由麻省理工和Adobe联合研发的这一方法,将评估过程分为两个阶段:先让LLM生成文本评价,再用轻量级机器学习模型将这些评价转化为更准确的数值评分。研究提出了四种评价者模型,适用于不同评估场景,实验表明它们不仅能显著提高评分准确性,还比传统微调方法更节省计算资源。这一框架特别适合人类反馈有限的场景,为AI评估领域开辟了高效且可解释的新路径。
这项研究由IDEA、华南理工大学和北京大学联合开发的Rex-Thinker系统,通过模仿人类的链式思考方式来解决物体指代问题。与传统直接输出边界框的方法不同,它采用规划-行动-总结的三步骤推理,使AI能像人类一样逐步分析图像中的候选物体,并在找不到匹配物体时拒绝作答。通过构建90,824样本的HumanRef-CoT数据集和两阶段训练方法,系统在精度、可解释性和泛化能力上均取得了显著进步。