6月16日, 在全球面临当下前所未有的挑战时,应对环境和市场变化,快速做出反应,对企业来说尤为重要。今天,SAP全球蓝宝石大会(SAPPHIRE NOW)中国峰会在线盛大开启,SAP全球CEO柯睿安(Christian Klein)深入阐述了智慧企业的三大突出优势:韧性、盈利能力、可持续发展。他呼吁大家共同踏上智慧企业转型之路,将挑战转化为机遇。SAP执行董事会成员傅美黛(Adaire Fox-Martin)通过对话客户,分享了企业如何通过明智的技术投资,赢得差异化优势,加速业务增长。
SAP大中华区总裁纪秉盟(Mark Gibbs)做了“与新常态共生,后疫情时代的领导力”的主题演讲。他说:“疫情让我们重新认识到,加速数字化转型势在必行,打造智慧企业从未如此重要和迫在眉睫。数字化程度越高的企业,越能更好地适应客户变化的需求,继续交付生产并取得成功。科技驱动我们进入了新常态,SAP将致力于携手生态伙伴,助力客户成功上云。“
SAP中国总经理李强的演讲题为“在中国,为中国——SAP助力经济高质量发展”。他说:“作为数字经济核心企业、工业互联网的领导企业和新基建积极参与者,SAP正在深度融入中国产业链分工体系,聚焦25个行业,推动企业在全产业链上实现数字化转型,为深化供给侧改革赋能。我们也一直致力于与各级政府合作,打造面向中小企业的创新赋能平台。”
中国企业家也畅谈了数字化转型历程。作为一家拥有800多家直营店的中式餐饮连锁,老乡鸡集团副董事长束小龙谈到:“企业的高速发展,意味着门店增多、产品扩充、上新加快。不久前上线的SAP S/4HANA,灵活稳健,推动了管理效率提升和流程标准化。”作为中国机器人和智能制造的领军企业,新松公司创始人、总裁曲道奎说:“数字工厂时代已经来临,疫情加速了制造模式由大批量、规模化,向个性化、定制化的转变。随着技术的成熟和工业互联网的发展,智能制造正在推动制造模式的转型升级。“
超过30年历史的SAP全球蓝宝石大会,首度线上呈现。中国峰会云集了来自领先企业的决策者,他们与全球业界人士一道,同步聆听行业大咖和专家的分享,并在云中见证了SAP与多家中国企业的签约:
福建龙净环保股份有限公司是中国环保产业的领军企业和国际知名的大气环保装备制造商。为实现“打造世界一流生态环保企业”的战略目标,搭建环保设备产业生态网,龙净环保引入全球领先的SAP S/4HANA、SRM、Ariba(采购云)等组合解决方案,构建业财一体化平台,实现可视化的业务立体集成,贯通各部门全业务价值链,实现企业精细化管理,提升企业经营管理效益。
麦吉丽生物是国内领先的高端护肤品牌,随着国内和海外业务高速发展,亟待全面提升企业数字化能力。麦吉丽将利用SAP S/4HANA Cloud (ERP云)与Concur(差旅费用云)优化企业内部运营流程,降低运营成本,实现海内外业务和账务统一平台可视化,并满足公司未来IPO对企业规范透明管理的要求。并利用Analytics Cloud(分析云)建立预算管理平台,落实各项经营战略目标。同时,通过SAP SuccessFactors(HR云)实现员工和员工绩效的精细化管理。
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。