ZD至顶网软件频道消息: 谈到行车安全,人们往往首先会想到安全带和安全气囊,但据统计,多达70%的高速公路交通事故是由爆胎引起的。轮胎作为汽车的核心部件之一,其安全性更加值得关注。
作为全球轮胎品牌的领导者,米其林认为,除了轮胎本身的技术特性和质量之外,定期的、前瞻性的汽车保养与维护可以帮助车主有效排查车辆及轮胎的安全隐患,预防事故发生。因此,2002年,米其林集团在全球推出了汽车售后服务品牌——驰加TYREPLUS。轮胎、轮胎相关、保养与快修,以及洗车美容是驰加的主要服务项目,为行驶在路上的车主们保驾护航。
为了更有效率、更节约成本地管理渠道经销商,米其林在微软智能云上为驰加量身打造了一套DMS(Dealer Management System)经销商管理系统。
整套解决方案以微软智能云Azure的IaaS平台作为运行平台对全国各地的进销存数据进行管理。微软智能云出色的数据处理和分析能力能够帮助驰加更有效率地处理数据,并挖掘其中的价值。而在业务流程管理和门店经营层面上,驰加采用了微软Dynamics Navision作为店内运营理管理系统,能够轻易将关键流程简化,赋予流程管理最大限度的简洁与便利。
“截止至2016年12月底,驰加门店数已近1400家,遍布全国所有省各主要城市及直辖市。预计2020年底实现全国2000家店的规模。” 米其林亚太区首席信息官许岚表示,“与微软智能云Azure的合作是驰加在全国范围内快速扩张的基础。 运行在微软智能云Azure上的DMS系统大大降低了我们在全国开店的过程中,在各地部署IT基础设施所牵扯的资金、技术、时间、人力的投入。能够帮助我们在IT层面实现‘一键开店’、‘一键关店’。同时我们能在Azure上能把DMS和其他数字化解决方案无缝集成来打造驰加的数字化平台, 从而给我们的加盟店和消费者带来最佳体验。
事实上,米其林是微软智能云Azure在国内最早的商业用户之一,早在三年前便与微软结缘。围绕核心的DMS系统,米其林也在其他更多领域广泛采用了微软云服务,如构建在微软智能云Azure平台上的自营电商网站驰加。Azure能够帮助驰加网站实现低成本运行的目标,减少了IT投入。同时也赋予了网站弹性扩展的灵活性,从而轻松应对“双11”、寒暑促销的峰值访问需求。此外,驰加加盟店门户网站,消费者的CRM微信平台管理等数字化方案均建设在Azure上,实现了在云端的全面创新与转型。
面向未来,米其林将扩大数字化转型的战略,并与微软加深在大数据、物联网领域的合作。例如驰加网络可以依托大数据平台勾勒出用户画像,从而针对不同区域、不同季节、不同使用环境的用户,更好提供满足其需求的合格的产品,制定有针对性的促销措施,确保安全的前提下,从而实现精准营销。
“基于云端的数字化转型让我们切身感受到了云计算带来的灵活性和快速响应的能力。微软是我们进行战略转型路上的一个强有力的合作伙伴。” 米其林亚太区首席信息官许岚女士表示,“未来,我们将与微软进一步携手,深入展开更大规模的合作。”
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。