案例名称:【化纤行业工业互联网平台】
公司名称:【桐昆集团股份有限公司(601233)】
案例简述:
随着人工智能、大数据、物联网、新一代移动通信、区块链等新兴技术与制造业的不断融合,世界各主要制造大国纷纷大力发展工业互联网模数字化转型式。更多企业在数据化运营过程中聚焦企业内、行业内的数据采集及贯通问题,希望提高生产效率,降低生产成本,提升上下游企业的协同能力。
本案例面向化纤行业,以桐昆集团为核心,搭建集工业物联网、工业大数据、工业智能与微服务为一身的化纤行业工业互联网平台,实现了工业设备的互联互通,OT设备数据与IT系统数据的融合以及工业APP的开发和推广;探索建立化纤行业工业模型组件与工业APP资源平台,实现行业内与企业内的业务系统与数据贯通,促进跨地域、跨企业的数字化资产的使用、共享和创新;实现化纤行业工业设备管理能力、环境支撑能力、应用开发能力以及服务用户能力的全面提升。为产业转型升级、繁荣发展提供有力支撑。
扫码查看详细案例
好文章,需要你的鼓励
这项研究提出了R1-Searcher++框架,通过两阶段训练策略使大语言模型能像人类一样灵活利用内部知识和外部信息。该方法创新性地采用强化学习激励模型优先使用内部知识,并引入记忆机制将检索到的信息转化为内部知识,实现动态知识获取。实验表明,R1-Searcher++不仅在多步问答任务上表现优异,还大幅减少了检索次数,显著提高了推理效率。
这项研究提出了AutoRefine,一种革新性的强化学习框架,为大语言模型引入了"边思考边搜索和完善"的全新范式。与传统方法不同,AutoRefine在连续搜索调用之间添加知识完善步骤,让模型能够有效过滤和组织信息。通过结合答案正确性和检索质量双重奖励,该方法在七项问答基准测试中平均提升6.9%的准确率,特别在复杂多跳推理场景中表现突出,解决了现有检索增强推理的核心局限性。
这项研究揭示了一种新型网络安全威胁:利用普通网络广告攻击AI网页代理。中科院研究团队开发的AdInject攻击无需特殊权限,仅通过精心设计的广告内容就能误导AI代理点击恶意链接,成功率高达90%以上。研究使用严格的黑盒模型,更符合现实场景,暴露了当前AI代理面临的实际安全漏洞。实验还表明,即使添加专门的防御提示,这类攻击仍能成功率超过50%,凸显了设计更强大防御机制的紧迫性。
东北大学与快手科技联合研发的UNITE系统为多模态信息检索带来突破性进展。这项发表于2025年5月的研究首次系统分析了模态特定数据如何影响检索性能,并提出创新的模态感知掩码对比学习技术,有效解决不同模态间的竞争关系。UNITE能同时处理文本、图像、视频及其组合,在40多项测试中超越现有方法,即使与参数规模更大的模型相比也表现出色。研究发现视频-文本对在通用检索中表现优异,而文本-文本和文本-图像对对指令遵循任务至关重要,为未来多模态系统研究提供了宝贵指南。