9月27日,2021中关村论坛新技术新产品首发与推介大会“人工智能和智能制造专场”活动在北京成功举办,百分点科技作为特约首发企业正式发布了“新一代数据智能决策系统DeepMatrix 3.0”。
百分点科技CTO刘译璟在演讲中表示,基于DeepMatrix3.0,可以构建一系列行业解决方案,将数据转化为价值,满足政府和企业的数字化转型和智能化升级的应用需求。
产品再升级,DeepMatrix 3.0正式发布
数据智能在行业逐步落地中,只有数据、技术和业务三者进行融合创新,将技术化的数据转变为行业知识,而后驱动智能化应用,为业务提供从感知、认知、决策到行动的闭环,才能让政府和企业实现全面的数字化和智能化转型。
基于这个理念,百分点科技在2017年发布了首个行业AI决策系统DeepMatrix,并在算力、数据、算法三重因素的驱动下,DeepMatrix2.0进一步强化了多项认知智能技术。经过多年在行业的成功实践,百分点科技基于探索出的行业落地新范式,正式推出新一代数据智能决策系统DeepMatrix 3.0。其主要包括数据中台、知识中台、AI中台和智能应用四个功能模块,使系统相应地具备智能化的数据治理、高效的行业知识构建、预置多个行业的预训练模型和多样式的数据分析应用四大优势,并且四个模块相辅相成,最终打通端到端的数据智能价值闭环。
数据中台:在原有的大数据技术平台、数据资产管理平台、资源服务平台之上,增加了基于元数据的智能数据探查,替代人工数据盘点,提升数据接入与数据治理的实施效率;
知识中台:一站式知识图谱生命周期管理,覆盖知识获取、知识构建、知识治理、知识融合、知识服务多个环节;
AI中台:预置应急、媒体等多个行业的预训练模型,包含文本数据标注和模型开发两大功能,支持从数据标注、模型设计到模型发布的一站式服务,实现可视化全生命周期的管理;
智能应用:升级标签管理、商业智能分析、知识图谱分析、智能搜索分析、智能对话和智能审校六大应用,帮助社会精细治理和企业高效运行。
刘译璟介绍,升级后的系统融合了大数据与人工智能技术,依托“数据-知识-应用”和“感知-认知-决策-行动”的双闭环理念,具有大规模多源异构数据的治理和分析能力,全链路的自动化知识图谱构建和管理能力,以及AI能力引擎和行业算法模型库,面向社会治理和企业数字化转型场景的行业智能决策能力,可以满足客户在不同阶段的数字化转型和智能化升级的应用需求。
目前,百分点新一代数据智能决策系统DeepMatrix 3.0已在数字城市、应急管理、公共安全、生态环境、媒体出版、零售等多个行业应用,服务于公安部、应急管理部、中国环境监测总站、国家市场监管总局等部委单位,并支撑北京、湖北、广东、广西、山东、深圳、丽江、常州和苏州等省市级数字政府建设,同时帮助中免集团、王府井集团、新华社、人民出版社等客户进行数智化转型。
《生态环境数据治理白皮书》首次公开
近年来,生态环境质量已经成为影响人们生活幸福的重要指标,然而面对生态环境数据质量不高、资源分散、数据共享程度不足等问题,如何提高生态环境的数据利用水平,是国家各级相关主管部门在开展生态环境数据治理工作中必须面对的挑战。
为了改进生态环境数据质量并形成数据资产,使数据进行互通共享为业务赋能,百分点科技依托领先的数据治理能力和多年实践经验,在此次论坛上特别发布了《生态环境数据治理白皮书》(以下简称白皮书),旨在解决四个核心问题:如何构建并积累生态环境“全”“统”“通”的数据资产;如何不断优化数据质量,提升数据资产含金量;如何实现数据资产共享流通,高效便捷地满足各方数据需求;如何通过赋能中心夯实智能决策的数据基础,满足国家精准治污、科学治污、依法治污的要求,实现多方位提升环境治理水平。
百分点科技智慧政务产品与服务部总经理贾喜顺介绍,白皮书分为业务梳理、数据标准、主题域模型、数据质量、指标体系和赋能中心六大部分,围绕生态环境行业涉及到的管理职责、业务流转流程和业务重点等方面进行梳理,形成相关的数据标准、数据质量的规则、主题模型和数据指标等,最终指导业务决策,打造业务闭环。
贾喜顺表示,通过此次白皮书的公开发布,可以帮助生态环境管理部门相关人员、政府大数据管理部门相关人员、生态环境相关科技企业和高校,以及科研机构的相关人员更好地开展数据治理工作,提高生态环境精细化管理服务水平。
百分点科技希望通过中关村论坛的新技术新产品首发平台,促进与行业合作伙伴、专家学者们的深入交流和合作,更好地用数据智能技术赋能行业实践,服务更多政府和企业进行智能化转型。
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。