案例名称:【氯化法钛白粉智能工厂】
公司名称:【龙佰集团股份有限公司( 002601)】
案例简述:
我国钛白粉企业多以硫酸法工艺为主,生产过程产生大量的废酸和废渣,因此钛白粉行业在我国属于高能耗、高污染行业。近年来,许多产业政策中明确鼓励新建氯化法钛白粉线,限制硫酸法钛白粉产能。
公司根据钛白粉行业特点,成立研发团队,从智能设计、智能生产和智能运营三个方面开展技术研究,有效利用人工智能技术,大幅度改善现有企业的运行现状,为企业增加切实可行的智能化决策方案,实现技术快速转型。
实现了经营管理过程物流、资金流、信息流的进行全面一体化管理,通过从生产到检验到销售再到产品交付全流程数据记录、汇总和分析。实现数据纵向集成、横向集成和价值链集成,形成数据驱动的智能化决策,提高公司技术水平、生产效率和管理能力,达到提质增效降本的智能化改造目的。通过信息化和智能化的先进应用显著提升了公司在国内外钛白粉行业的综合竞争力。
扫码查看详细案例
好文章,需要你的鼓励
首尔国立大学研究团队提出了"多模态对抗组合性"(MAC)基准测试,评估预训练多模态表示(如CLIP)在理解文本与图像、视频、音频关系时的组合性弱点。研究使用大语言模型生成欺骗性文本,通过样本成功率和多样性双重指标进行评估。团队创新性地提出了多样性促进自训练方法,即使使用较小的Llama-3.1-8B模型,也能显著提高攻击成功率和多样性。实验在COCO、MSRVTT和AudioCaps数据集上验证,该方法优于现有技术,并展示了良好的跨模型迁移性,为构建更可靠的多模态系统提供了重要见解。
SridBench是首个评估人工智能模型科研插图绘制能力的基准测试,由中国科学技术大学等机构研究团队创建。该测试包含1,120个来自自然科学和计算机科学13个学科的高质量样本,并设计了六维评估标准。实验结果显示,即使是目前表现最佳的GPT-4o-image模型也仅达到基本合格水平,文本信息缺失、视觉元素不完整和科学错误是主要瓶颈。这项研究揭示了AI科研绘图能力的现状,为未来技术发展提供了方向。
ChartLens是马里兰大学与Adobe研究院合作开发的创新技术,专门解决多模态大型语言模型在图表理解中的"幻觉"问题。这项研究提出了"后验细粒度视觉归因"方法,能够将AI对图表的分析结果与图表中的具体视觉元素(如特定柱形或数据点)精确关联起来,使AI的回答变得可验证。研究团队还创建了ChartVA-Eval基准测试集,并证明他们的方法比现有技术提高了26-66%的归因准确率,为金融分析、政策制定和科学研究等领域提供了更可靠的图表理解工具。
这篇论文介绍了一个名为"CrEval"的创新框架,用于跨领域评估文本创造力。研究团队构建了"CreataSet"数据集,包含超过10万条人类水平和100多万条合成创意文本,涵盖87个领域。基于此训练的CrEval评估器在与人类判断的一致性上显著优于现有方法,包括GPT-4o。研究发现,结合人类创建的数据和合成数据对训练有效评估器至关重要,且CrEval不仅能评估创造力,还能提升AI模型生成更有创意内容的能力,为创造力评估和提升开辟了新方向。