线下实体是这次疫情经济影响的“重灾区”,影院、健身房、游乐场等休闲娱乐场所强制停业,餐饮、酒店等线下门店“人迹罕至”,现金流的中断让很多企业的处境岌岌可危,即便是原本“财大气粗”的西贝、海底捞也开始“哭穷”。
虽然和餐饮、旅游行业相比,家居行业面临的不是春节高峰期的“爆冷门”,但是同属大众消费品,如今家居行业也在经历一场“寒冬”。“只要是大众消费品就需要人流量,即便线上购物、线上营销已经非常普及,但线下服务体验仍然非常重要。”金牌厨柜效能信息部总监张九兵在接受至顶网记者采访时表示。
对外:彰显企业的情怀与担当
金牌厨柜所提供的是厨房及家居定制服务,在全球拥有2000多家专卖店。厨柜行业的特点是设计与生产完全基于个性化定制,生产完成后还需要进行现场安装,这就免不了人员上门测量和安装服务,所以全员隔离对门店业务的影响可想而知。
此外,对于家居行业来说,其终端零售主体是一个个经销商,而每一个经销商的背后都是一个中小企业。虽然各地方政府纷纷出台了支持中小企业度过难关的相关政策,但于很多中小微企业而言,这只是杯水车薪,无关痛痒。
在这样的局势下,很多家居龙头都开始行动起来,全力支持经销商,有的免租、有的包邮、有的补贴,其中就包括金牌厨柜。
2月1日,金牌厨柜率先发布《告全国金牌厨柜经销商倡议书》,宣布承担全国零售经销商2000多家门店一万多名员工(包含金牌厨柜、桔家衣柜、桔家木门)一个月(二月份)的工资,预计一次性补贴数额达几千万;2月9日,金牌厨柜又发布《金牌厨柜关于疫情专项援助“同袍计划”的公告》,宣布联合银行金融机构为金牌厨柜全国经销商和供应商提供利率优惠和金融支持,额度5亿元。
“大难”当前,金牌厨柜为经销商和供应商打造了一个“缓冲地带”,与生态伙伴一起共度难关,这是一个企业的情怀也是担当,是金牌厨柜对外的“大局观”。
对内:进一步挖掘信息化的价值
仅仅是钱也许解决不了所有问题,在疫情隔离解禁前,所有企业都要经历一个特殊时期——防疫的同时让业务逐步运作起来,最大化保证客户服务和体验不受影响。金牌厨柜也不例外,为此,公司早早开启了远程协同办公模式。
信息化建设一直是金牌厨柜的重要战略之一,所以长期以来,金牌厨柜在信息化方面有着持续的投入,涉及智能制造、EKP协同平台、ERP、在线设计系统等等。因此,公司的数字化办公基础一直较为扎实,此前内部所构建的EKP系统、远程会议系统、移动协同系统等等,为其远程异地协作提供了很好的支持。
以远程会议软件为例,金牌厨柜使用的是在线视频会议软件「会汇」,能够提供多个线上会议室,支持各个生产基地、各个销售区域不同人员数量同时在线会议、在线文档分享等。公司员工根据需要进行内部申请获得会议室ID,就可以通过PC、pad或者手机随时随地接入会议系统。据张九兵介绍,目前「会汇」能够很好地满足内部远程会议的需求,近期大批量视频会议的压力下,服务器稳定性得到了很好的验证。
除此之外,据了解,金牌厨柜的EKP智能办公系统基于流程化、集成化、移动化的统一办公平台,能够支持公司员工全面、规范、高效协同,满足流程管理、任务管理、会议管理、新闻管理、公文管理、知识中心、时间管理、报表中心等各种需求。不只是企业内部OA的审批,通过该平台,金牌厨柜还实现了对上下游供应链交付时间的有效的计划和管理。
一直以来,信息化被很多企业视为极大的成本中心,但当下,面对疫情隔离这样一个突发状况,信息化的作用和价值也却被进一步挖掘。或许,这将成为接下来企业加速数字化转型的驱动力。从这方面来说,这也体现了金牌厨柜发展的“前瞻性和大局观”。
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。