案例名称:【基于数智化工厂提升供应链精益管理水平】
公司名称:【北京钢研高纳科技股份有限公司(300034)】
案例简述:
通过应用工业物联网、大数据、AI (人工智能)等前沿技术,实现生产、科研、设备、供应链、市场、人力等资源要素的数字化汇聚(大数据中心)、网络化共享(工业控制互联网)和平台化协同,即“一库、一网、一平台”;以市场需求为牵引,以生产科研过程为贯穿,通过落实“一份数据”、建立“一套规则”、编织“一张网络”、搭建“一个门户”、夯实“数据中台”、实施“四大系统”、培育“七大能力”,初步实现智慧管理、智慧研发、智慧工厂、智慧互联。最终全面提升“设备物联能力”、“业务管控能力”、“生产运营能力”、“研发管理能力”、“数据整合能力”、“市场营销能力”、“风险防范能力”,助力供应链业务流程的重造,提升企业核心价值。
扫码查看详细案例
好文章,需要你的鼓励
香港中文大学与华为诺亚方舟实验室合作开发了PreMoe框架,解决了大型混合专家模型(MoE)在内存受限设备上的部署难题。研究团队发现MoE模型中的专家表现出明显的任务专业化特征,据此提出了概率专家精简(PEP)和任务自适应专家检索(TAER)两大核心技术。实验证明,DeepSeek-R1 671B模型在精简50%专家后仍保持97.2%的MATH500准确率,内存需求降至688GB;而更激进的精简方案(减少87.5%专家)也能保持72.0%的准确率。该方法适用于多种MoE架构,为强大AI系统的广泛部署铺平了道路。
SCIENCEBOARD是一项开创性研究,旨在评估多模态自主智能体在真实科学工作流中的表现。研究团队构建了一个包含169个高质量任务的基准测试,涵盖生物化学、天文学等六个科学领域,并开发了一个真实环境让智能体通过CLI或GUI接口与科学软件交互。实验评估表明,即使是最先进的模型在这些复杂科学任务上的成功率也仅为15%,远低于人类表现,揭示了当前技术的局限性并为未来科学智能体的发展提供了宝贵见解。
帝国理工学院的研究团队开发了AlphaMed,这是首个仅通过极简规则强化学习就能培养医疗推理能力的AI模型,无需依赖传统的思维链示范数据。通过分析数据信息丰富度和难度分布的影响,研究发现高信息量的医疗问答数据是推理能力的关键驱动因素。AlphaMed在六个医疗问答基准上取得了领先成绩,甚至超越了更大的封闭源模型,同时展现出自发的步骤推理能力,为医疗AI发展提供了更加开放、高效的新路径。
Alita是一种新型通用AI代理系统,采用极简设计理念,以"最小预定义,最大自我进化"为原则构建。由普林斯顿大学等多家机构研究团队开发的Alita,只配备一个核心能力和少量通用模块,能自主创建所需工具并重用为模型上下文协议(MCPs)。实验显示,Alita在GAIA基准测试上达到87.27%的通过率,超越包括OpenAI Deep Research在内的复杂系统,证明简约设计可带来卓越性能。