案例名称:【智慧港口建设助推港口数字化转型】
公司名称:【北部湾港股份有限公司(000582)】
案例简述:
随着科学技术的快速发展,信息化、智慧化已成为推动生产变革的主要手段之一,通过推动自动化码头、港口信息化建设以及码头数字化运营,加快港口信息化、智慧化建设进程。
本案例从自动化集装箱码头建设、集装箱堆场自动化改造、散货自动化堆场建设、港口信息化建设、港口数字化运营(OCC)等方面开展智慧港口建设,通过运用5G、人工智能、大数据、云计算、物联网、区块链等新技术,识别记录关键节点,实现生产经营过程中角色、职责、过程和结果可视、可追溯,支撑供应能力,对外提升客户满意度,对内提升整体运营效率,达到“提质、增效、控风险、客户满意”的目标。同时,在基础支撑平台、数据资源平台、生产作业系统、客户服务、业务管控和数字化运营平台等方面全方位开展信息化系统建设,有效推动港口数字化转型。
港口数字化转型覆盖了码头、船公司、船代、货主、货代、物流车队、铁路、高速公路、海关、海事、临港工业企业等所有港口相关业务往来单位,港口数字化转型的建设,有效降低了港口与监管单位及客户的沟通和数据交互成本,促进港口业务管理模式创新,集成汇总各类数据资源, 提升港口决策支持能力,推动港口管理、生产、运营一体化发展。
扫码查看详细案例
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。