至顶网软件频道消息:作为一种去中心化的数据存储技术,区块链近年来受到了业界的追捧。不过,到目前为止,将这项技术与行业应用场景结合的成功的案例并不多,大多数项目还处于研究和探索之中。作为职业教育龙头企业的正保远程教育,也在积极探索这一技术在职业教育行业的应用前景。正保远程教育正在研发一个名为Link100职业能力链的区块链项目,用于服务像求职者这些需要职业能力证明的个人。这项服务基于Oracle区块链云服务进行开发,这也是中国首家提供这一服务的区块链项目。
正保远程教育成立于2000年,2008年在美国纽交所上市,拥有2000多名员工,在中国南、北方各设有一个教育培训基地,2018年营收1.667亿美元。公司主要从事互联网教育,专注于职业教育和服务,业务涵盖教育培训服务、书籍出版、企业服务等。
正保远程教育技术有限公司战略业务部总裁苏宏淼
据正保远程教育技术有限公司战略业务部总裁苏宏淼介绍,正保远程教育研发的Link100职业能力链主要面向教育、就业服务市场提供征信服务。比如,一个求职人员到一家公司求职,一般需要提供自己的简历。但这份简历的真实性是很难保证的,因为有个别求职者会故意隐瞒或拔高自己的能力,甚至学历证明也有可能是假的。Link100职业能力链要提供的就是一份值得信赖的个人简历。
值得信赖是因为这份简历是由求职者过往所参与的教育和培训机构写入的,记录了求职者过往接受过的所有培训和通过的各种考试的成绩。这个简历归求职者个人所有,在求职时,他把简历的ID给到求职的公司,公司HR部门可以通过这个ID查看到这份简历。这个记录采用区块链技术,持续一生,不能篡改,因此可为公司HR在评估求职者能力时提供重要参考。
苏宏淼表示,这是一个比较宏大的计划,需要社会上尽可能多的培训和教育机构(包括大学)参与,参与者越多,这个服务的价值就越大。“也正因如此,正保远程教育并不把自己定位为发起者,而是Partner,他希望社会上也能有更多机构参与。”苏宏淼说。
目前Link100职业能力链还处于测试阶段,在项目推出后,未来又将如何持续运行?苏宏淼说,正保远程教育推出Link100职业能力链的首要目的是研究区块链技术以及探索如何将区块链和自己行业相结合,至于如何盈利并不是他们最关心的问题。
“想通过Link100职业能力链服务本身来盈利目前来看是比较困难的,未来更大可能是通过周边生态,通过其他关联服务来实现盈利,支持项目运转。” 苏宏淼表示。
比如,正保远程教育正在打造一个虚拟导师计划,就是为个人提供针对性的培训指导和建议。通过把Link100职业能力链中的个人培训经历和工作经历结合,将来可以为个人提供针对性的培训推送服务,这就是他们众多构想之一。
他说,从大方向看,只要能掌握足够多的数据,就肯定能找到盈利模式。毕竟,这些数据不是一般企业能够收集到的。数据就是财富也不是一句空话。
颇有意思的是,当初Link100职业能力链的区块链项目的构想,就是正保远程教育想要做一些数据挖掘方面的工作。在和甲骨文的沟通和协作中,却将兴趣点逐渐转移到了区块链上,并最终选择了Oracle区块链云服务。
谈到选择Oracle区块链云服务的原因,苏宏淼表示,“甲骨文在区块链方面技术很领先,11人的超级账本技术委员会中就有甲骨文的技术人员。再加上甲骨文云服务本身的快速、可靠和全球化的能力,让我们最终选择了Oracle区块链云服务。”
苏宏淼表示,目前双方的合作非常顺利,他期待未来双方展开更多的合作。
好文章,需要你的鼓励
本文评测了六款控制台平铺终端复用器工具。GNU Screen作为老牌工具功能强大但操作复杂,Tmux更现代化但学习曲线陡峭,Byobu为前两者提供友好界面,Zellij用Rust编写界面简洁易用,DVTM追求极简主义,Twin提供类似TurboVision的文本界面环境。每款工具都有各自特点和适用场景。
韩国汉阳大学联合高通AI研究院开发出InfiniPot-V框架,解决了移动设备处理长视频时的内存限制问题。该技术通过时间冗余消除和语义重要性保留两种策略,将存储需求压缩至原来的12%,同时保持高准确性,让手机和AR眼镜也能实时理解超长视频内容。
网络安全公司Snyk宣布收购瑞士人工智能安全研究公司Invariant Labs,收购金额未公开。Invariant Labs从苏黎世联邦理工学院分拆成立,专注于帮助开发者构建安全可靠的AI代理工具和框架。该公司提供Explorer运行时观察仪表板、Gateway轻量级代理、Guardrails策略引擎等产品,并在工具中毒和模型上下文协议漏洞等新兴AI威胁防护方面处于领先地位。此次收购将推进Snyk保护下一代AI原生应用的使命。
纽约大学研究团队通过INT-ACT测试套件全面评估了当前先进的视觉-语言-动作机器人模型,发现了一个普遍存在的"意图-行动差距"问题:机器人能够正确理解任务和识别物体,但在实际动作执行时频频失败。研究还揭示了端到端训练会损害原有语言理解能力,以及多模态挑战下的推理脆弱性,为未来机器人技术发展提供了重要指导。