案例名称:【供应链数字化协同项目】
公司名称:【澳柯玛股份有限公司(600336)】
案例简述:
随着传统制造业的数字化转型和互联网的快速发展,企业供应链的发展不再局限于传统采购和优化再造,而是战略和体系的系统化变革,同时互联网技术也为供应链内外部资源整合、供应链数字化转型提供了强有利的手段。实现供应商全生命周期管理、打通内外部跨组织协同成为供应链数 、字化建设的重要举措。澳柯玛供应链数字化协同项目对供应链体系进行空间、时间、功能、结构、流程等重组重构,在现有供应链模式基础上实现了数字化协同创新。
澳柯玛供应链数字化协同项目致力于供应商门户系统平台、生态圈及采购合同电子化的建设。供应商门户系统平台实现了供应商全生命周期管理、招投标管理、采购合同、价格管理、采购订单协同等业务的流程优化和规范化管理,减少了人为干预因素,建立了公平透明的配额管理机制和公平的报价机制,有效降低了采购成本的支出;生态圈的建设打通企业上游生态壁垒,实现了疫情情况下供应商轻松在线协同,通过生态圈一次登录处理所有业务需求,协同交流,提高信息传递的协同效率和安全性;采购合同电子化则大大提升了双方的业务效率。澳柯玛供应链数字化协同项目打通了数据链条,将上游釆购管理的全部业务互联互通,打造了“一体两翼”式业务生态,实现内外生态与业务协同一体化,内部智能协同办公与外部生态协同两端无边界交互。同时协同采购、实时跟踪、快速交付、信息交互等环节实现线上线下联动协同,从而带动供应商管理、招投标管理、财务对账等多方面效率的大幅提升,可节约30%的交易时间,大大提高了企业的运营效率。澳柯玛供应链数字化协同项目构建起真正意义的以采购协同和跨组织协同为核心的供应链数字化协同平台,是坚定不移的推进澳柯玛“互联网+全冷链”战略落地的重要举措,也是澳柯玛数字化转型的关键一步。
扫码查看详细案例
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。