日前,杭州高新区(滨江)全域未来社区建设推进大会在杭州智慧e谷召开。会上,紫光股份旗下新华三集团全力打造的杭州高新区(滨江)数智社区一体化平台重磅推出,实现社区数字治理平台的“一体化”、“组件化”开发。
杭州高新区(滨江)全域未来社区建设推进大会现场
杭州高新区(滨江)是首批国家高新区,跻身世界一流高科技园区建设序列,是全省高质量发展的“一面旗帜”。在过往社区治理和服务过程中,杭州高新区(滨江)的基层社区都希望数字化改革能赋能本社区的治理,但是62个社区各自建设将会出现业务逻辑不一致、界面风格不统一、重复投入不经济问题。新华三集团积极响应高新区(滨江)需求,贯彻一体化、利旧集成、节约高效的原则,全面助力建设并正式上线了“可看可用、一屏总览、一网统管、一键智达”的数智社区一体化平台。该平台提供成熟的数据体系、成熟的应用支撑引擎、成熟的生态协同套件,一体化支撑滨江全域62个社区治理和服务的数字化转型,将全区各层级(包括区级部门、街道各部门、社区、业委会、物业公司、居民等)的反馈、诉求、工作难点归集后进行集中分派、处置和解决,实现了以社区为中心的各级业务协同、数据协同,助力滨江推进全域未来社区建设,打造浙江共同富裕样板区。
杭州高新区(滨江)数智社区一体化平台应用模块
杭州高新区(滨江)数智社区一体化平台成功构建治理端、服务端两个方向的入口。其治理端包括决策分析模块的党建引领、平安创建、事件处置、民生服务等五个主要功能页面,以及工作处置模块的事件中心、防汛防台、智慧消防、社区传呼台等七大应用场景,叠加了社区的网格地图以及社区范围内智能安防、充电桩等物联设备图层。
杭州高新区(滨江)数智社区一体化平台-七甲闸社区
杭州高新区(滨江)数智社区一体化平台移动端则为社区居民提供了一个在线反馈自己心声、在线便捷获取社区服务的即时渠道。平台实时收到群众反馈的事件,并根据事件位置自动派发给附近的网格员。网格员可以对事件进行办理,流转给其他网格员、物业或网格长,可以退回、办结事件,可以将需要上级部门配合处置的事件上报给基层治理四平台。未来,平台根据上级部门要求,将事件上在区级部门之间流转,实现事件数据基层一次录入、多业务系统流转处置。事件办结后,报送人可以收到评价短信。当然,网格员也可以通过手机端来进行移动办公。下一步,数智社区平台将在丰富场景、加强数据协同、提升智慧化等七个方面加快推进,迭代更新,目标在2021年底推广覆盖至全区所有社区,更广泛地实现数字化赋能基层治理,帮助社区减负增效。新华三集团自2019年6月加入杭州城市大脑建设队伍,2021年8月始研杭州高新区(滨江)数智社区一体化平台。在时间紧、任务重的建设需求下,新华三项目团队仅用20个工作日就实现了平台建设的“从0到1”,高效率高质量完成数智社区一体化平台,并于杭州高新区(滨江)全域未来社区建设推进大会上正式完成首发。
未来,新华三集团将贯彻落实滨江区委区政府相关政策和要求,潜心数智社区一体化平台建设,在“一屏掌控、一网统管、一键智达”的基础上探索更多建设内容,并将平台的长效运营、滨江未来社区建设的长期支撑作为重点考量。秉持“以人为本”的城市数字化解决方案建设理念,依托紫光云与智能事业群涵盖“芯-云-网-边-端”的数字化能力,新华三集团将在运营、交付、数据、生态等领域,竭力为建设杭州高新区(滨江)全域未来社区做出贡献。
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。