案例名称:【供应链协同平台推动专有设备行业企业上下游协同发展】
公司名称:【苏州华兴源创科技股份有限公司(688001)】
案例简述:
专用设备行业,在制造业中占据了极其重要的位置,不断增长的专用设备市场与“缺料”、“少人”的矛盾,亟需找到对策。专用设备制造业用户多样化、跨学科技术交叉多、对响应速度要求高,绝大部分为离散生产,产业链多为中小微企业,成员众多且复杂,靠企业自身单打独斗很难突破。容易重复造轮子,没有形成团体作战的集聚优势。
本案例通过对内分三期进行系统性数字化工程建设,从仓储智能化、物流智能化、站点智能化到计划智能化、生产智能化,再到产品智能化;对外作为产业中的路由器,以华兴源创为原型,自建垂直行业供应链协同平台,拉通端到端流程,实现项目协同全透明化,同时自研的轻量型行业SaaS产品,结合已接入的生态合作伙伴产品,提供用户多种专注细分行业的数字化工具。助力上下游更快、更有效、更有保障的供需匹配和能力共享,价值链上的环节以高效率的方式匹配,专业人做专业事。
扫码查看详细案例
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。