11月8日,北京软件30年发展研讨会暨北京软协第八届理事会第三次会员代表大会在北京新世纪日航饭店举行。会议回顾了北京软件行业30年的发展历程,发布北京软件影响力报告、2016北京软件和信息服务企业综合实力百强榜单以及30年突出贡献企业名单。凭借在地理信息系统软件方面的丰硕成果和出色的产品表现,高德荣获了“2016北京软件和信息服务业综合实力百强企业”、“30周年突出贡献企业”两项大奖,同时旗下产品“高德地图”和“高德开放平台”,分别获得了“30周年突出贡献产品”这一殊荣。
本次会议研讨了软件的未来,分析了互联网时代软件如何支撑企业创新。作为国内领先的数字地图、导航和位置服务解决方案提供商,创立14年来,高德积累了深厚的专业基础,不仅具有导航电子地图测绘、航空摄影测量、互联网地图服务等多个甲级资质,还有海量数据库及其完备的服务体系。2014年7月,加入阿里巴巴集团以来,高德宣布不以商业化为目标,始终专注于用户需求、专注做最好的导航产品、专注地图导航产品的基础研发,已经同时成为用户、应用、汽车、交警四大群体的标配。
据了解,在移动互联网领域,目前高德地图已拥有累计7亿用户。根据最新艾瑞mUserTracker的监测数据,高德地图手机客户端(不包含高德导航、苹果地图)的最新每日活跃设备数约为2983.19万,在地图导航类目中排名第一。今年“十一”期间高德用户导航规划服务次数也累计近20亿次,全国使用高德地图驾车导航的总里程数也已超过30亿公里。得益于专业、强大的数据能力和创新、出色的产品能力,高德地图获得了众多用户的喜爱。
而在汽车导航领域,高德与大众、宝马、奔驰等众多国内外知名品牌也有合作,为其提供了优质的地图数据、导航软件和车联网服务。目前高德在车载地图、导航市场占据超过50%的市场份额。2016年4月7日,高德正式发布互联网车载导航产品“高德地图车机版”(AMAP AUTO),通过实时路况、躲避拥堵、明星语音、手机互联、一云多屏等功能以及与汽车深度融合的优势,带给用户更好的驾车导航体验,真正实现联网和智能。
此外,凭借自身产品和交通大数据的优势,高德还将自身能力“外延”,推出了公共信息服务平台,为各地交通管理部门提供实时路况及动态信息发布、交通大数据辅助决策分析、节假日出行预测指南、城市交通分析报告等服务。目前,高德地图已经和广州交管、武汉交管、深圳交管、江苏高速交警等40多家政府交通管理部门签署战略合作协议,与超过70家地方交通管理部门达成了业务合作。
而除了赋能给交通管理部门,高德还推出了高德开放平台,将自身先进的数据融合技术和海量的数据处理能力赋能给互联网应用。目前包括新浪微博、神州租车等3万多家知名互联网厂商采用高德地图开放平台的服务来支持其位置业务(同时还有超过30万家第三方开发者调用高德地图API服务进行应用开发)。据统计,平均每10部智能手机中有9部在使用高德的位置服务。高德开放平台的日均处理定位请求及路径规划达数百亿次。
高德地图相关负责人表示,高德荣获北京软件和信息服务业协会颁发的“2016北京软件和信息服务业综合实力百强企业”、“30周年突出贡献企业”,以及 “30周年突出贡献产品”这几项奖项,既是行业对于高德的肯定,也是用户对于高德的肯定。今后,高德还将继续专注出行与位置服务,为公众出行提供最精准的地图导航服务。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。