4月29日,由紫光股份旗下新华三集团助力打造的呼和浩特智慧城市手机端应用——“爱青城”APP上线新闻发布会在内蒙古国际会展中心正式上线发布。作为呼和浩特城市大脑的重要基础组成,“爱青城”APP充分发挥城市大脑汇聚的各类服务资源和成果,以建设区域移动服务“总入口”、打通公共服务“最后一公里”为目标,让市民真正实现“一部手机走青城”。
大数据管理局局长薛红伟在新闻发布会上对“爱青城”APP在提升民生服务和城市治理能力发挥的重要作用进行全面介绍,“‘爱青城’APP是呼和浩特市委市政府优化服务创新的一次大胆实践,将为建设审批事项最少、办事效率最高、创新创业活力最强的数字政府和智慧城市提供强大的基础动力。”
以人为本,“爱青城”APP三大特色惠及全民
立足群众现实需求,历时4个月的业务对接、技术开发和试运行,已正式上线应用测试的“爱青城”APP作为首府市民数字生活统一入口,首期上线功能以“方便、快捷、智能”三大特性,并持续优化,将真正成为首府市民的“好帮手”。
通过推进跨层级、跨地域、跨系统、跨部门、跨业务的协同服务,“爱青城”APP目前涵盖了“便民服务、政务办事、文化教育、政民互动、智慧出行、智游青城、健康医疗、新闻资讯”8大业务板块90+个便民服务事项,市民高频政务服务及衣食住行等生活服务要求都可在移动端办理。
“爱青城”APP
在此基础上,APP十分注重用户使用体验,推出入学、购房、养老等六个主题系列,并根据各业务事项的不同作用划分为“帮您找找、帮您查查、帮您约约”,精准满足不同用户的各类需求。
“爱青城”APP目前已开发上线了智慧停车、智游青城、社保等多类特色应用。以“智游青城”为例,市民和游客能够享受到景区分时预约、智能行程、金牌讲解、游玩攻略、720全景服务等诸多服务,享受惬意的旅行时光。
统一管理 新华三集团助力应用快速接入
建设“爱青城”APP绝非一劳永逸,需要持续聚合各类政务服务、公共服务、生活服务,让这一在智慧城市建设中面向市民的唯一入口发挥更大价值。这就需要对应用服务进行统一建设与统一管理,新华三集团为此着力从技术与规范两方面保障运维服务,以方便后续更多业务应用的接入和扩展。
在新华三集团打造“爱青城”APP的过程中,通过构建架构先进、功能相对完备的统一支撑平台,保障“爱青城”APP快速开发、高效稳定运行。其模块化部署、性能稳定、扩展灵活的特点能够支撑“爱青城”APP日常开发、运维及运营。平台还提供搜索、消息、短信、AI、实名认证、灰度发布、卡包、后台推送、支付等基础支撑能力,简化应用开发接入流程。面向未来持续完善升级,制定统一的积木插接式应用接入规范,规范全市移动应用建设的技术和管理标准,实现移动应用接入视觉设计统一、开发技术统一、管理流程统一,有效保障各应用以标准化模式进行简单快捷的“积木插接式”接入。
与此同时,制度和技术双方面的数据安全保障体系,让应用服务杜绝数据隐患,通过采取包括凡涉及身份证号、公积金、社保等关键数据均脱敏使用不留存;信息依托电子政务外网传输并统一加密等举措,以保障APP稳定、高效、安全的运行。
随着多方建设的逐步推进,更智慧的“呼和浩特城市大脑”已初具雏形,随着“爱青城”APP未来接入更多便民高频应用事项,新华三集团将助力呼和浩特市政府持续提升市民的幸福感和获得感,书写智慧城市新生活的美好篇章。
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。