ZD至顶网软件频道消息: 10月21日,SAP与贵阳市人民政府(以下简称“贵阳市政府”)宣布签署战略合作备忘录,共建全国首家“SAP大数据应用创新中心”,通过搭建地方产业升级与经济转型的创新平台,赋能贵阳乃至贵州的传统企业,深化制造业与互联网的融合发展。
贵阳市委副书记、市长刘文新(左)与SAP大中华区总裁纪秉盟签署战略合作协议
“大数据时代已经到来,但是大洞察时代还没有到来。对于企业来说,现在更重要的事情是考虑数据的价值在哪里。”SAP全球高级副总裁、大中华区总裁纪秉盟表示,SAP希望凭借SAP HANA平台及大数据解决方案,推动贵阳当地企业的创新发展和数字化转型,加速贵阳大数据产业聚集与成果推广,为中国的“互联网+”和大数据国策的推进做出贡献。
当前,贵州省、贵阳市正深入推进供给侧结构性改革,大力实施“千企改造”工程,以“一企一策”为抓手推动工业企业转型升级,通过大数据技术和互联网+,着力推进航空制造、电子信息、生物医药等优势产业的发展。
SAP大中华区副总裁、大数据与平台事业部总经理刘伟表示,SAP大数据应用创新中心的落地,与贵阳市的大数据发展策略密不可分。刘伟表示,贵阳市将大数据作为未来的发展策略,并且投入了非常多的资源。此外,相对于数据的采集和存储,贵阳市的大数据策略更注重应用,注重挖掘大数据的价值,这一点与SAP的看法也不谋而合。
纪秉盟在大会致辞时就明确表示:“数据不仅是一个企业的资产,也是创新的动力和燃料,企业不仅要清楚如何收集、存储、分析数据,还要确保将这些数据放到核心流程当中,确保每一位员工都能访问到,最终能够对客户的需求进行快速反应。”
基于SAP HANA平台以及SAP在26个行业的积累,SAP首次发布了 “数治省市”大数据发展战略,旨在借助SAP在大数据和物联网的技术优势、行业最佳实践,和全球服务资源,结合中国特色,为地方政府全面提供大数据应用创新服务。
作为SAP“数治省市”战略在中国落地的第一站,贵阳市与SAP的合作经过了长时间的打磨和沟通。去年九月,贵阳市委副书记、市长刘文新拜访了位于硅谷的SAP全球研发中心。今年五月份,SAP受邀参加了贵阳国际大数据产业博览会,并展示了在大数据分析领域的多款解决方案,纪秉盟与李克强总理及贵州省领导进行了深入沟通。而此次SAP大数据应用创新中心落地贵阳,不仅是SAP与贵阳市政府合作的进一步加强,更是SAP大数据策略在中国的进一步深化。
据了解,创新中心落地后,贵阳市政府将筛选一批企业与SAP开展试点合作,按照“一企一策”的方式,针对企业的自身需求进行一对一的改造升级,并且分期分批进行推广,不断扩大转型升级成果,为工业企业开展国际合作、加快转型升级提供经验、作出示范。
刘伟表示,此次发布会结束后,双方将加速推动创新中心的具体落地工作,并且首批十家重点企业升级改造工作也将很快开展,预计在明年的贵阳市大数据博览会上展示第一批成果。
在此次会议上,SAP还正式向中国市场推出了SAP BW/4HANA ,这款下一代数据仓库应用,是最新的基于 SAP HANA平台的创新。该解决方案提供全新的逻辑数据仓库基础,并且可以基于AWS和 SAP HANA企业云服务进行交付,大幅提高企业灵活性。
SAP产品与创新高级副总裁、HANA平台DM&PM Richard Pledereder表示,数据分析唯快不破,HANA平台的优势就是实现企业数据的实时分析,而SAP BW/4HANA的创新意义在于,通过整合SQL数据逻辑,能够与企业内外各种IT架构中的历史数据和活力数据进行交互,不用需要再将数据聚合到数据仓库中,进而支持企业更简单高效的实时分析。同时,SAP BW/4HANA还能自动分配多温数据,降低数据管理和存储成本。
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。