6月28日,久事体育中心公司、中国联通上海市分公司、华为在上海体育场新闻中心举办了“上海体育场全球样板点”媒体见面会活动。
近年来,人们体育锻炼的意识大幅提升,体育事业发展迅猛,体育经济空间巨大。但传统体育场馆常面临运营效率低、管理精细度不足、服务响应慢等挑战。全球数字化转型浪潮下,上海体育场主动求新、求变。为实现领先的赛事管理、运营管理和观赛体验,久事体育中心公司携手联通与华为,运用5G、IOT、WIFI、大数据、云计算、人工智能等ICT技术,依托华为园区产品组合方案,对上海体育场进行数字化、智能化改造,实现“五个一流”,带来智慧体育场馆新体验。
上海久事体育产业发展(集团)有限公司副总经理 王思远
上海久事体育产业发展(集团)有限公司副总经理王思远在致辞中表示,为积极响应上海市数字化转型的号召,久事体育从经济数字化转型、生活数字化转型和治理数字化转型三方面着手,助力提升体育产业发展水平。展望未来,久事体育将与联通、华为等科技型公司加强合作,通过5G、WIFI、大数据、大视频、大模型等新技术提升体育场馆运营效率和服务质量,携手共进,为体育事业的发展贡献力量。
中国联通上海市分公司企业客户事业部总经理 何艳
中国联通上海市分公司企业客户事业部总经理何艳表示,中国联通拥抱智能,助力体育行业数字化转型。作为央企混改的先行者,中国联通坚定履行数字信息运营服务国家队和数字技术融合创新排头兵使命任务,着力加快网络资源、算力资源等新型基础要素建设,积极打造人工智能、大数据等新型生产要素,促进市场、组织、分配等领域构建新型生产关系,服务数字体育各类场景发展。
华为产品组合Marketing与解决方案销售部总裁李颖指出:新ICT技术为体育场馆智慧化注入新动能。华为用ICT技术重新定义体育场馆,打造场馆智能体。顺应智慧场馆建设趋势,面向“以数字化提升核心竞争力,打造全球领先的智慧场馆”的愿景,华为携手联通持续支撑上海体育场的智慧化建设,通过智慧化系统充分发挥上海体育场未来体育服务综合体的带动作用,促进体育、科技、教育、旅游等产业的融合,持续推动上海乃至全国智慧场馆的创新发展。
华为产品组合Marketing与解决方案销售部总裁 李颖
上海久事体育产业发展(集团)有限公司信息管理部经理周群分享了上海体育场数字化转型实践。他表示,基于华为智慧场馆方案,对上海体育场进行数字化、智能化改造,构建了一流的安全保障、运营管理、通讯保障、观赛体验和服务体验,并实现了场馆管理模式和服务模式的创新,带来了数字时代体育场馆的全新体验。
上海久事体育产业发展(集团)有限公司信息管理部经理 周群
中国联通上海市分公司体育行业解决方案专家叶棽表示上海联通依托AI、大数据、物联网、云计算、XR元宇宙等技术创新,以集团“联网通信,算网数智”主责主业为基础,建立以体育行业高质量发展为目标的数字体育场馆产品体系,为体育场馆深度转型升级提供坚实的技术支撑。联通将继续发挥数字信息运营服务国家队和数字技术融合创新排头兵作用,促进体育与其他行业的融合发展,全面助力体育强国建设。
中国联通上海市分公司体育行业解决方案专家 叶棽
华为产品组合运营商XtoB Marketing与解决方案销售部部长李涛分享了“协同伙伴,融合科技,赋能场馆数字升级”的主题演讲,他表示华为融合体育场方案锚定融合联接、通用平台、业务核心服务三大能力。华为基于5G、Wi-Fi、IoT的融合联接能力,助力体育场馆连接无处不在、体验随处可达、运行绿色节能;通用技术能力实现场馆数据融合,使能业务敏捷创新;华为在通用技术能力之上提供园区数字平台,使能伙伴快速开发园区业务应用,助力场馆实现运营卓越、体验致简、管理高效,赋能场馆数字化升级。
华为产品组合运营商XtoB Marketing与解决方案销售部部长 李涛
立足上海市数字化转型要求,久事体育中心公司携手联通和华为,以上海体育场改造为契机,聚焦智能升级,运用云计算、物联网、5G、大数据、人工智能等新技术,依托华为园区产品组合方案,打造全球一流的智慧场馆,构建了一流的安全保障、运营管理、通讯保障、观赛体验和服务体验,为体育场馆的数字化转型提供转型范例。
好文章,需要你的鼓励
这篇研究论文介绍了"Speechless",一种创新方法,可以在不使用实际语音数据的情况下训练语音指令模型,特别适用于越南语等低资源语言。研究团队通过将文本指令转换为语义表示,绕过了对高质量文本转语音(TTS)系统的依赖。该方法分三个阶段:首先训练量化器将语音转为语义标记;然后训练Speechless模型将文本转为这些标记;最后用生成的合成数据微调大型语言模型。实验表明,该方法在越南语ASR任务中表现出色,为低资源语言的语音助手开发提供了经济高效的解决方案。
《Transformer Copilot》论文提出了一种革命性的大语言模型微调框架,通过系统记录和利用模型训练过程中的"错误日志"来提升推理性能。研究团队受人类学习者记录和反思错误的启发,设计了一个"副驾驶"模型来辅助原始"驾驶员"模型,通过学习错误模式并在推理时校正输出。这一方法在12个基准测试上使模型性能提升高达34.5%,同时保持计算开销最小,展现了强大的可扩展性和可迁移性,为大语言模型的优化提供了全新思路。
德克萨斯大学Austin分校的研究团队提出了RIPT-VLA,一种创新的视觉-语言-动作模型后训练范式。该方法通过让AI模型与环境互动并仅接收简单的成功/失败反馈来学习,无需复杂的奖励函数或价值模型。实验证明,RIPT-VLA能显著提升现有模型性能,在轻量级QueST模型上平均提升21.2%,将大型OpenVLA-OFT模型推至97.5%的前所未有成功率。最令人惊叹的是,仅用一个示范样本,它就能将几乎不可用的模型在15次迭代内从4%提升至97%的成功率,展现出卓越的数据效率和适应能力。
北京大学与华为诺亚方舟实验室研究团队共同开发了TIME基准,这是首个专为评估大语言模型在真实世界场景中的时间推理能力而设计的多层级基准。该研究提出了三个层级的时间推理框架,包含11个细粒度任务,并构建了涵盖38,522个问答对的数据集,针对知识密集型信息、快速变化的事件动态和社交互动中的复杂时间依赖性三大现实挑战。实验结果表明,即使是先进模型在构建时间线和理解复杂时间关系方面仍面临显著挑战,而测试时扩展技术可明显提升时间逻辑推理能力。