在“数字中国”的布局和推进之际,城市发展与数字化创新之间的联系正日益紧密。近日,紫光股份旗下新华三集团数字中国研究院在对全国242个城市全面的调研基础上,正式推出了《城市数字化发展指数(2022)》,以服务城市管理者为理念,通过系统性、前瞻性的研究与探索,评估中国城市数字化发展水平与运营效果,为城市数字化转型提供全新参考,为“数字中国”的建设和数字经济的发展赋能添智。
拥抱数字化机遇,洞察城市发展新格局
面对复杂多变的宏观环境,在一系列政策文件的推动下,以城市为主体的数字化发展正在成为经济发展的新动能,“数字中国”正在全面推进自身的深化落地。在新华三集团看来,在新一轮新基建的基础之上,城市数字化正以建设“绿色城市、创新城市、宜居城市、韧性城市、人文城市、智慧城市”为1个核心理念,以实现高质量数字生活、高质量数字治理和高质量数字经济为3个战略目标,以数字基建夯实发展基础、数字生态激发创新活力、产业数字化驱动转型升级、数字产业化赋予新发展动能、数字化治理提升治理效能效果、数字服务拓展智能应用场景为实现手段,以“1+3+6”的创新模型,推动实现全面的高质量发展。
深入城市一线,诠释数字化变革新模式
为了能够更好地诠释城市数字化发展的新理念、新模式、新实践,新华三集团以“十四五”规划的“数字中国篇”为蓝本,对中国城市数字经济指数体系进行了全新升级,推出了城市数字化发展指数,对242个城市进行了细致、全面的评估,覆盖全国31个省市自治区、30个区域城市群,涵盖了全国95%以上的经济体量和90%以上的人口规模,为未来城市整体数字化发展提供了充分的参照。
调研结果表明,2021年城市数字化转型持续推进,城市数字化发展越发全面,北京、上海等数字化一线城市继续引领,数字化新一线、二线城市成为区域的新增长极,“一轴三带”格局持续推进,各大城市群聚力一体化发展,形成内生发展动能,领先城市群的数字化外溢效应也越来越显著。同时,城市数字化要通过数字化转型重构价值体系,来满足经济、社会和政府等价值需求的变化,以数字化为驱动城市高质量发展的核心引擎,全面强化城市的经济韧性、社会韧性、治理韧性和环境韧性,为城市变革带来最大的确定性。
多元维度审视,为城市变革全面筑基
经历多年的创新探索和落地实践之后,城市数字化已经惠及了城市各个层面的高质量发展,真正打造出了能感知、会思考、有温度、可进化的未来城市。在报告中,新华三集团也在城市数字化的基建、兴业、惠民、优政、生态等层面进行了针对性的研究,从不同的维度和侧面描绘出了城市数字化变革的实践模式。
● 在基建层面,城市因地制宜、循序渐进,在全面落地中形成了差异化发展路线,“东数西算”战略更以全国一体化的算力网络贯通数字中国的要素资源,推动着统筹布局、多轮驱动、共建共享的数字基建新模式正在全国逐步铺开。
● 在兴业层面,城市发展一方面锚定“专精特新”,以数字化激发企业创新活力,一方面产业新物种不断涌现,数字产业化和产业数字化加速融合。此外,数字化产业园区更成为了未来产业集群发展新风向,为城市发展增添了新的动力。
● 在惠民层面,更有包容性的数字化将激发高质量加速度,推动实现共同富裕,数字社会将有助于破解人口新发展阶段难题,“强大脑+微服务”的模式,构建起了成长型城市数字化发展的新路径。
● 在优政层面,数字政府正迈向“一网通办、一网统管、一网同用”全面融合的“一”时代,并在疫情精准高效防控等方面展现出了无可替代的价值。随着政务服务走向普惠均等、便民高效、智能精准的整体服务阶段,数字化治理体验优化时代将全面来临。
● 在生态层面,随着相关制度机制框架的确立,数据要素全国统一大市场正加速布局,规范有序的数字经济发展格局日渐清晰。而数据安全政策体系的健全,更将多管齐下夯实数字化发展基础。
建言献策,共绘城市发展的美好蓝图
如今,“数字中国”战略的城市落地,已经逐步进入到数字全方位赋能生产、生活和治理,以实现经济、社会和政府的整体性转型和颠覆性变革的新阶段,数字化发展已经成为数字中国建设最重要的特征。在这一阶段,新华三集团也为城市发展提出了三点具体建议:一是要以数字政府建设为引领,加速城市全面推进数字化转型;二是要大力发展数字经济,强化城市经济韧性发展水平;三是紧抓数字人口新红利,打造共同富裕新标杆。
迈进“十四五”,数字化对于提升城市整体竞争力,实现城市高质量发展、高品质生活、高效能治理的阶段性跃升具有重要意义。作为数字化解决方案领导者,新华三集团也将持续深化“云智原生”战略,推动“数字大脑”在城市发展中的场景化落地,与“无界生态”合作伙伴一道,在“数实融合”中绘制城市变革的美好蓝图。
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。