2024年5月11日晚,第十届全国管理案例精英赛中国政法大学校园突围赛在学院路校区图书综合楼0320教室成功举办。大赛旨在通过对实际案例的分析和解决,锻炼参赛选手的团队合作能力、创新思维和解决问题的能力。
本次比赛得到了商学院领导和教师们的大力支持,熊金武副院长、戴建华教授、巫云仙教授、张婷婷老师、顾凡老师、唱小溪老师、阚雷老师等7位老师出席并担任评委。2022级MBA王启林同学担任本次比赛主持人。比赛共计7支参赛队伍,他们经过激烈的角逐,展现了各自的实力和风采。
赛事伊始,商学院院长商文江教授以视频形式向参赛选手致以诚挚的祝福和鼓励。接着,企业案例研究中心主任、MBA中心副主任戴建华教授发表致辞,强调了本次案例精英赛的重要性,并对各位同学踊跃参与表示赞赏。他希望同学们能充分利用案例大赛这一平台,结合理论和实践,深入分析案例,不断提升自身能力。最后,他预祝大赛取得圆满成功。
图一 戴建华教授致辞
本次比赛分为赛前盲审和现场竞赛两个环节,每支队伍的得分由两个环节的成绩综合计算而成。现场竞赛环节采用大小PK制,每次上台两到三支队伍。
图二 参赛队伍小PK轮流提问环节
赛场上,七支队伍同台竞技,各展风采。针对《从传统制造到数字化智造:万事利的战略转型四级跳》案例,从案例背景、研究分析、策略深化和总结展望四方面,结合各类战略分析模型、营销策略理论等理论原理赋能案例本身,提出了独到的见解和解决方案,赢得了评委和观众的良好反馈。
图三 参赛队伍轮大PK观众提问环节
经过现场精彩比拼,鹏御天队斩获冠军,展翅千里队、少年先疯队获亚军,古希腊掌管案例大赛的神队获季军。何玉玲、薄海峰、陈羽红、李天钰等四位同学获最有价值队员奖。董茗涵、潘伟、冯明佳、彭术潇等四位同学获最佳风采奖。
图四 冠军队伍与评委老师合影
比赛结束后,评委老师针对各支队伍的表现进行了精彩的点评和鼓励。熊金武副院长对各位参赛同学表示赞扬,并结合企业史和比赛案例对各支队伍的表现进行复盘总结,同时鼓励各位同学结合学校法商融合的比较优势,进一步优化分析成果。巫云仙教授进行后续补充,强调了案例研究的核心,指出案例分析的落脚点并鼓励同学们将理论分析落地,找到案例的主线。张婷婷老师从奢侈品管理的角度就本案例给出建议,并为参赛同学抛出发人深省的问题——“高端丝绸作为具有中国特色的奢侈品怎么向全世界推广,如何做好营销管理?”阚雷老师结合自己的实务工作经验,从实操出发为同学们在案例分析中存在的问题答疑解惑。顾凡老师和唱小溪老师也针对各组参赛同学的现场表现情况以及分析深度做出点评及建议。
图九 熊金武副院长赛后总结
在校园内举行的这场精彩纷呈的赛事中,参赛同学们展现出了非凡的热情和竞技精神,比赛的激烈程度和观众的热烈反应使得活动持续时间超出预期,直至当晚23:15才宣告结束。这一盛况不仅体现了学生们对管理案例精英赛的极高热情,也反映了法大校园文化生活的丰富多彩。
法商融合,共创社会价值,以法律智慧引领商业文明的发展。以理论为基础,以实践为过程,第十届全国管理案例精英赛中国政法大学校园突围赛的成功举办不仅为中国政法大学商学院的同学们提供了一个展示自己的舞台,也体现了中国政法大学MBA实践与教学结合的人才培养理念。期待并预祝法大MBA同学能在接下来的区域赛中取得佳绩,以学促用展风采,以赛促学强本领!
图十 全场人员合照
获奖名单
文:钟薇
图:商学院新闻中心
审稿:戴建华
审核:徐庆
好文章,需要你的鼓励
在我们的日常生活中,睡眠的重要性不言而喻。一个晚上没睡好,第二天的工作效率就会大打折扣,而充足的睡眠不仅能让我们恢复精力,还能帮助大脑整理和巩固当天学到的知识。有趣的是,AI模型竟然也表现出了类似的“睡眠需求”。
DeepSeek-AI团队通过创新的软硬件协同设计,仅用2048张GPU训练出性能卓越的DeepSeek-V3大语言模型,挑战了AI训练需要海量资源的传统观念。该研究采用多头潜在注意力、专家混合架构、FP8低精度训练等技术,大幅提升内存效率和计算性能,为AI技术的民主化和可持续发展提供了新思路。
尽管模型上下文协议(MCP)自11月推出以来用户数量快速增长,但金融机构等监管行业仍保持谨慎态度。银行等金融服务公司虽然在机器学习和算法方面是先驱,但对于MCP和Agent2Agent(A2A)系统的采用较为保守。监管企业通常只使用内部代理,因为其API集成需要经过多年审查以确保合规性和安全性。专家指出,MCP缺乏基本构建块,特别是在互操作性、通信标准、身份验证和审计跟踪方面。金融机构需要确保代理能够进行"了解您的客户"验证,并具备可验证的身份识别能力。
加拿大女王大学研究团队首次系统评估了大型视频语言模型的因果推理能力,发现即使最先进的AI在理解视频中事件因果关系方面表现极差,大多数模型准确率甚至低于随机猜测。研究创建了全球首个视频因果推理基准VCRBench,并提出了识别-推理分解法(RRD),通过任务分解显著提升了AI性能,最高改善幅度达25.2%。