随着数字化转型的加速和新冠疫情的影响,随时随地视频沟通和数据协作的工作方式加速走进各行各业,并衍生出丰富的行业应用场景。云会议融入到了行业的增值和业务创新中,在线办公,在线教育,远程会诊,金融在线培训,远程政务智慧,云展会,云招商签约、云招聘面试等,逐步从尝试走向成熟。
华为云会议基于华为在企业通信市场的积累,结合内部数字化的成功实践,通过云原生转型升级,开放共享给业界。华为云联接与协同业务总裁薛浩指出:“我们对于会议的理解,不是简单的先有网络,再有会议。我们提供的是云网协同、端到端的专业服务。”
华为云会议以其专业性、安全稳定,在政企市场建立了广泛品牌影响。在2020年,华为云会议支持了50+国家级/部级高端峰会,300+各类大型跨国高端会议,包括中国-东盟数字经济合作年开幕式、中非团结抗疫峰会,国际服贸会、世界人工智能大会等,成为国务院、外交部、工信部、交通部、科技部等国家各级部委首选。同时,服务了100万家企业,覆盖金融、教育、医疗、制造等各行各业,客户包括经信局、中建一局、中铁、中核集团、中国银行等。
华为云会议,包括以下六大优势
安全稳定可靠,领先业界。华为云会议,基于云、管、端全方位的安全防护设计,技术自主可控、国产化、业界最高等级的安全认证,并支持亿级并发,大容量会议也能稳定可靠。
极致音视频质量,最佳体验。华为云有着近30年的音视频技术积累,1000多项音视频领域专利技术,积累了业界领先的音视频媒体处理技术。可以适应超低带宽,实现80%音频抗丢包,30%视频抗丢包;端到端时延<200ms,让视频会议在网络环境不佳时也能清晰稳定。
云端结合,软硬协同。华为全系列专业的会议硬件终端在中国市场连续7年第1,华为消费者终端如华为云会议宝、华为智慧屏、平板电脑等也拥有数亿用户,其内置集成华为云会议,可为用户提供一套“端+系统”的混合办公模式,实现线上线下互通集连。
全场景,随时随地接入。基于华为领先的公有云服务,华为云会议能够提供多方视频会议服务,实现了会议室与移动会议完美融合,内外部会议无缝衔接,多种终端随时接入会议。
良好的开放性,快速集成。华为云会议提供API和SDK的全能力开放,提供行业应用灵活集成,以便更好地适配各种各样的行业应用场景。不仅支持华为全系列终端,还支持市面主流多个品牌的第三方终端接入,使其可以和华为视讯会议系统云上云下互通,可以让客户继续使用已经购买的设备,既保护已有的线下投资,又满足更灵活的沟通使用场景。
全球化服务,快速响应,后顾无忧。华为云会议有着全球专业的服务团队,有着丰富的TO B服务经验和全球本地化服务能力,实现端到端的服务支持,响应快速。并在全球部署了多个媒体接入点,提供全球接入能力,当地用户接入时媒体在当地媒体节点处理和转发,减少远距离传输以及国际带宽对音视频时延方面造成的影响,让跨国会议更加稳定流畅。
围绕四大方向,持续技术创新
华为云会议致力于持续提升团队协同效率,让沟通协作无所不在。华为云认为,会议+协作+直播,将是用户对沟通协作的更加极致的追求。在充分理解用户需求并结合华为自身实践,华为云会议在以下4个领域持续创新:
基于RTC的下一代会议:更低时延互动,会议+直播+协作融合的统一网络、内外互联。华为云实时音视频服务(Real-Time Communication)凭借在视频业务领域长期技术积累,快速为行业提供高并发、低延迟、高清流畅、安全可靠的全场景、全互动、全实时的音视频服务,适用于在线教育、云会议、社交文娱等场景。
AI融入,更佳体验:包括虚拟背景、手势操控,美颜、字幕、翻译、会议纪要、电子铭牌;
端云协同,分布式创新:与鸿蒙系统等结合,分布式协同,多屏互动,创新体验;无论你在会议室、办公室还是在家里,还是在路上,随时随地都可接入会议,与团队进行互动交流。
AR&VR、全息会议:虚实结合交互,沉浸式体验。远程专家通过会议形式接入,通过AR标注和叠加于现实的场景,可以提升效率。还可以添加3D模型展示,并对其进行二次共创。虚拟会议室中还有私人助理帮助完成会议中的一些事务,满足更多样化的会议需求。
未来,云会议将不止于线上视频会议,而是作为一种充满想象力的技术能力持续回应和满足各行各业专业场景的诉求。
好文章,需要你的鼓励
这项研究介绍了VisCoder,一个经过专门微调的大语言模型,用于生成可执行的Python可视化代码。研究团队创建了包含20万样本的VisCode-200K数据集,结合了可执行代码示例和多轮修正对话。在PandasPlotBench基准测试中,VisCoder显著优于同等规模的开源模型,甚至在某些方面超越了GPT-4o-mini。研究还引入了自我调试评估模式,证明了反馈驱动学习对提高代码可执行性和视觉准确性的重要性。
这项研究提出了"适应再连续学习"(ACL)框架,一种创新的方法解决预训练模型在连续学习中的稳定性-可塑性困境。通过在学习新任务前先对模型进行适应性调整,ACL使模型既能更好地学习新知识(提高可塑性),又能保留已有知识(维持稳定性)。实验证明,该框架能显著提升各种连续学习方法的性能,为解决人工智能系统中的"灾难性遗忘"问题提供了有效途径。
这篇研究首次关注了CLIP模型文本编码器的对抗鲁棒性问题,提出了LEAF方法(Levenshtein高效对抗性微调)来增强文本编码器的稳健性。实验表明,LEAF显著提高了模型在面对文本扰动时的性能,在AG-News数据集上将对抗准确率从44.5%提升至63.3%。当集成到Stable Diffusion等文本到图像生成模型中时,LEAF显著提高了对抗噪声下的生成质量;在多模态检索任务中,它平均提高了10个百分点的召回率。此外,LEAF还增强了模型的可解释性,使文本嵌入的反演更加准确。
BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台,整合了38个基准中的30万个问题,按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差,而BenchHub通过自动分类系统和用户友好界面,让用户能根据特定需求筛选评估数据。实验证明模型在不同领域的排名差异巨大,强调了定制化评估的重要性。该平台支持多语言扩展和领域特化,为研究人员和开发者提供了灵活评估大语言模型的强大工具。