在一个响应时间可能决定生死的行业中,伦敦消防队 ( LFB ) 选择 NEC Software Solutions UK ( NECSWS ) 来提升其应急响应及动员系统,以改善紧急响应速度,并提高通知应急人员机制的质量和覆盖范围。
伦敦消防队的目标很简单,即帮助伦敦成为全球最安全的城市,配备一支卓越的消防与救援队伍。LFB 拥有 5,000 名员工,负责保护大伦敦 1,587 平方公里范围内的人群和财产免受火灾威胁。不出所料,它是英国最繁忙的消防与救援机构,也是全球最大的消防及救援组织之一。
与英国其他使用全职和兼职人员及兼任消防职责的预备消防员相结合的消防队不同,伦敦消防队是英国唯一一支所有操作人员均为全职员工的消防服务机构。为了提供全天候服务,该队在各消防站采用两个班次、四个值班制。调度中心人员负责接听 999 紧急电话,获取事故细节,派遣消防车并部署救援资源。
NECSWS 的部署旨在引入“前沿”的技术,使公众能更便捷、迅速地联系消防队,同时提升全城应急响应的效率。该系统预计将在 2026 年投入使用。
通过实时数据分析,这项技术能够帮助 LFB 确定来电来源,并在接听电话前就将其标记为与单一事件相关。NECSWS 表示,这将帮助调度中心更有效地协调应急单位,避免在非必要时向同一地点派遣多支救援队伍。
在重大紧急事件中,系统还能建议如何在全城范围内调动救援队,确保最快时间内将援助送达需要帮助的人群。该系统还将允许公众通过 WhatsApp 和其他社交媒体平台联系消防服务部门。
此外,该系统致力于简化非英语为母语者的求助流程。在紧急电话接入时,系统能够识别多种语言并即时进行翻译,帮助调度室员工迅速了解情况并及时派遣救援力量。
伦敦消防队助理专员 Patrick Goulbourne 评估 NECSWS 解决方案为服务带来的改变时表示: “拥有合适的技术意味着我们可以在伦敦市民最需要帮助的时候出现。我们的救援队在极大压力下工作,因此为他们提供最优工具以更好地保护我们的首都及其居民至关重要。这项新技术展现了我们致力于改进和现代化服务的决心,确保我们能够尽快、高效地响应各类事故。”
NECSWS 经过竞争性招标后被选中,其将与统一通信服务提供商 Mitel 合作,将新通信渠道整合进调度中心系统,确保不论公众使用哪种通信方式求助,工作人员都能高效响应。
NECSWS 产品及业务发展总监 Paul Eggleton 表示:“消防员和调度中心团队在时常处于最严峻环境下依然表现出色,我们的工作就是确保技术在每一步都支撑他们。过去十年来我们一直与伦敦消防队合作,这次他们再次选择我们来支持其保障伦敦安全的努力,令我们倍感荣幸。”
好文章,需要你的鼓励
这项研究由德累斯顿工业大学等机构的研究团队完成,旨在解决主动学习未被广泛应用的问题。研究者构建了包含460万种超参数组合的实验网格,系统分析了各参数对主动学习性能的影响。研究发现,不同策略实现间存在显著差异,基于边缘的不确定性策略整体表现最佳,随机选择约4000个超参数组合即可获得可靠结果。这些发现为设计可重现、可信赖的主动学习实验提供了明确指导,有助于降低入门门槛,促进技术在实际应用中的普及。
这项由英国爱丁堡大学和上海人工智能实验室研究者共同完成的工作提出了LongBioBench,一种用于评估长文本语言模型的新型基准测试框架。通过使用人工生成的虚构人物传记作为测试环境,该框架在保持可控性的同时,提供了更真实的评估场景。研究对18个长文本模型的测试表明,即使最先进的模型在检索、推理和可信任性方面仍存在显著挑战,特别是上下文长度增加时。研究还揭示了现有合成基准测试的设计缺陷和长上下文预训练的局限性,为未来模型开发提供了重要指导。
SuperWriter是一项来自新加坡科技设计大学和清华大学的突破性研究,通过模仿人类"先思考后写作"的过程,彻底改良了AI长文生成能力。该研究团队开发的框架包含三个关键阶段:规划、写作和修改,使AI能像专业作家一样进行结构化思考。实验结果表明,经过训练的SuperWriter-LM模型不仅超越同等规模的所有AI模型,甚至在某些领域表现优于规模更大的顶级模型,为AI辅助写作开创了新的可能性。
香港大学与阿里巴巴达摩院合作开发的LayerFlow是一种突破性的层级视频生成技术,能同时生成透明前景、完整背景和混合场景视频。该技术通过创新的框架设计将不同视频层级作为子片段连接,并引入层级嵌入使模型区分各层级。面对高质量训练数据稀缺的挑战,研究团队设计了三阶段训练策略,结合Motion LoRA和Content LoRA,实现了图像和视频数据的联合训练。LayerFlow不仅支持多层视频生成,还能实现视频分解和条件层生成,为视频创作领域带来革命性变革。