ZD至顶网软件频道消息: 说起IFS(艾菲诗软件),大家可能并不太熟悉,但是这家低调的软件公司却拥有非常高大上的客户群。包括长江电力、华电集团、BMW、Volve、杜邦、百事可乐、烟台船厂,以及瑞典电信、挪威电信等行业企业均与IFS结成良好的合作关系。
IFS全球客户数已经超过2400家,用户数则超过100万,遍布航空与国防、汽车、高科技、工业制造、流程工业、建筑与设施管理、能源与电信、造船等行业。2015财年,IFS营收实现34亿瑞典克朗,约4亿美元。
IFS全球首席执行官Alastair Sorbie介绍道,IFS的核心业务主要包括供应链、项目、服务和资产管理、制造等四个方面,专注于帮助客户实现敏捷型业务。
IFS全球首席执行官Alastair Sorbie
近日,IFS在北京举办了2016中国用户大会,本届大会也是继2011年IFS亚太区用户大会的首次用户大会。时隔五年,Alastair Sorbie为与会者分享了IFS全球化战略布局,以及IFS Application 9、企业运营智能(EOI)等先进企业解决方案,并展示如何通过可穿戴设备和AR/VR技术实现企业管理的创新应用,以及如何通过基于微信平台的IFS系统应用实现高效全球化移动办公。
IFS Application 9是IFS扩展式企业应用套件的最新核心版本,在用户体验、架构和功能方面实现了显著提升,使客户能够灵活应对诸多变化。此外,9版本还可以实时管控业务进度,实现真正的敏捷业务,并在用户体验、新功能、可配置性能以及新的分层应用架构等方面进行了创新应用。
IFS大中华区总经理林时东介绍道,IFS 的交换界面Lobby就像一个“大厅”,拥有超过35个启动配置方案和查过300个启动配置元素,通过报表的图形化展示业务数据,从业务或情景角度展现清晰贴切的视角,能针对每个特定用户清晰地展示信息并采取行动。而作为提醒系统的IFS Streams则为个人用户推送与流程相关的更新及措施,让客户随时把握业务动向。
IFS Application 9能为客户提供真正想要的数据和正确的分析图表,并且优化的用户界面还支持桌面、平板或智能手机等多种方式的接入,使IFS Application 9使用起来更轻松。
企业运营智能系统(EOI)是此次大会发布的重点之一,企业可以将其运营数据以EOI形成一个独立数据库,从而对运营数据拥有全局观,并以此为依据轻松地进行分析并快速制定决策。IFS EOI打破了原有层级构架,共享数据信息,形成基于信息、信任和以结果为导向的动态授权管理架构加速决策流程,增加组织的灵活性和机动性。
IFS全球竞争力研究中心高级方案经理黄越表示,通过“描绘、监控、管理”三个核心步骤,智能管理驾驶舱可以对企业内部进行持续改善。
据介绍,运营智能主要关注流程链和存在于不同目标或者冲突目标之间关联的相互作用,深刻地洞察可能引起客户满意度、成本导致的价格波动、运营风险和生产力等诸多方面可改善的因素,解决通过传统商业智能和KPI无法解决的商业问题。
ERP作为存在多年的业务系统在IFS手中玩儿出了花样,移动设备的语音输入识别、无人机、可穿戴设备等热门应用轮番上阵,向ERP传输数据,与企业系统用户进行互动,实现高效移动办公。
除此之外,IFS还根据中国用户在移动化管理和办公方面的需求,通过深度客制化,实现了微信端无缝访问IFS Application系统,可进行业务单据及流程的审批、合同管理、项目立项处理、成本报表审核、项目里程碑管控等多项功能。
此外,IFS实验室还致力于挖掘物联网应用潜力,帮助企业有效进行资产管理。而3D技术也将有望集成入IFS Application 9,在建筑行业得到应用。
“为了满足市场对兼具多元化功能和精深行业知识的解决方案不断攀升的需求,IFS 专注于特定的行业和领域。”IFS CEO Alastair Sorbie表示,“IFS进入中国18年,主要专注在资产密集型、能源电力、汽车工业、工业制造、流程制造、高科技制造、建设等行业,未来还将重点在航空领域发力。”
好文章,需要你的鼓励
这项研究针对现代文档检索系统中的关键缺陷:独立处理文档片段导致丢失上下文信息。研究团队开发了ConTEB基准测试来评估模型利用文档级上下文的能力,并提出了InSeNT方法,结合后期分块和创新的对比学习策略。实验表明,上下文感知嵌入显著提升检索性能,尤其在处理非自包含文本片段时,同时保持计算效率,对分块策略更具鲁棒性,并且在语料库规模扩大时表现更佳。这一研究为更智能的文档检索系统铺平了道路。
这项由布朗大学和Cohere实验室研究者联合进行的研究全面分析了大型语言模型(LLM)安全研究中的语言不平等现象。通过系统回顾近300篇2020-2024年间的安全相关论文,研究发现LLM安全研究严重偏向英语,即使中文这样的高资源语言也仅获得英语十分之一的研究关注,且这一差距正在扩大。研究还揭示非英语语言很少作为独立研究对象,且英语安全研究常忽略语言覆盖文档化。为解决这一问题,研究者提出了三个未来方向:开发文化敏感的评估基准、创建多语言安全训练数据,以及深入理解跨语言安全泛化挑战。
这项研究提出了ChARM,一种创新的角色扮演AI奖励建模框架,通过行为自适应边界和自我进化策略大幅提升AI角色的真实性和一致性。研究团队创建了包含1,108个角色的RoleplayPref数据集,实验表明ChARM比传统模型提高了13%的偏好排名准确率,应用于DPO技术后在多项基准测试中达到了领先水平。这一突破将为娱乐、教育和心理健康支持等领域带来更加自然、个性化的AI互动体验。
这篇研究重新审视了循环神经网络中的双线性状态转换机制,挑战了传统观点。高通AI研究团队证明,隐藏单元不仅是被动记忆存储,更是网络计算的积极参与者。研究建立了一个从实数对角线到完全双线性的模型层级,对应不同复杂度的状态跟踪任务。实验表明,双线性RNN能有效学习各种状态跟踪任务,甚至只需极少量训练数据。研究还发现,纯乘法交互比加法交互更有利于状态跟踪,为循环网络设计提供了新视角。