案例名称:【数字技术助力客户服务管理转型】
公司名称:【贵州燃气集团股份有限公司(600903)】
案例简述:
随着科学技术的不断发展,数字化转型已经成为企业发展的重要方式,无论是哪方面的管理工作,都需要依赖于信息化技术才能完成。想要更好地适应时代的变化以及服务更广阔的客户群体, 企业数字化转型将成为一条必经途径。
客户服务管理作为城镇燃气企业主要核心业务之一,燃气客户的有效管理至关重要。2016年贵州燃气组织召开了第一届信息化大会,邀请了国内同行领导、专家以及各大IT行业厂商,围绕云计算等新兴技术,结合燃气工程、客服领域进行研讨,为贵州燃气数字化建设指明了方向,从此正式向数字化管理阶段迈进。经过3年多的信息化建设,围绕客户服务方面,集团构建数字客服计费系统,实现全省公司68项业务标准统一;结合移动客服APP的使用,外勤人员上门作业迎来无纸化时代;搭配物联智能采集(IOT平台)系统及LoRa物联网表的使用,彻底改变传统人工抄表的模式,每月实时抄表率、及时率提高到98%以上;通过采用云计算服务,进一步强化了基础架构的计算、存储、运维管理能力。在信息化建设的过程中,我们对燃气行业数字化转型的现状及问题进行了梳理,同时也总结了转型过程中需要考虑的几个因素,尽可能的降低企业数字化转型的风险。
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。