2021年7月7日,上海数字治理“最小管理单元”二期创新成果发布会在上海数字治理研究院成功召开,当日下午,浦江秀-城市数字化全国伙伴沙龙也如期举办。华为云副总裁、华为云全球生态部部长康宁,华为中国云业务部应用使能CTO付春杰,上海市黄浦区打浦桥街道办事处副主任、田子坊管理办主任周健,上海市黄浦区五里桥街道龙华居民区党总支部书记张丞俊,泰瑞集团资深技术专家黄栋,睿呈时代产品解决方案专家杨高飞共同出席了本次沙龙。
会上,华为云副总裁、华为云全球生态部部长康宁在致辞中表示,从中国的整个社会治理来看,每个城市都是数字治理的演进,也在不断发展为一个个小的生态。我们看到上海黄浦区乃至整个上海市的实践就是生态的再进化过程。华为希望在上海这个舞台上,能够跟伙伴一起更加深入地合作,更加深入地践行开放和共赢的理念,更好地为政府、为市民、为所有的市场主体提供更多的服务。
华为云副总裁、华为云全球生态部部长康宁
华为中国云业务部应用使能CTO付春杰为大家分享了城市数字治理市场化运营探索与实践,他认为,通过数字治理的最小管理单元理念,我们催生出城市治理产业新的模式,华为和各个生态伙伴基于政府的需求打造出最符合城市需求的解决方案。通过这种模式催生出来整个产业之后,会对我们的数字经济和数字生活起带动作用。只有大家共同参与进来,老百姓才真正能够有幸福感、获得感、安全感,真正实现从市场主体到华为到所有的生态伙伴共赢。
华为中国云业务部应用使能CTO付春杰
上海市黄浦区打浦桥街道办事处副主任、田子坊管理办主任周健以《政府引导,不断提升市场主体安全主体责任意识》为主题,向大家介绍了田子坊的数治模式。他说到:在数字化转型过程中,田子坊基于城市最小管理单元的治理理念深入探索“一网统管”建设工作,坚持任务驱动,优先以事关园区安全底线和重大活动保障的项目为抓手,率先在疫情常态化工作,大客流安全、消防安全、用电安全、房屋安全等方面应用物联网技术、数字化手段,积极探索智慧精准预警、预判、预防各类安全风险隐患,初步形成智能管理、高效组织的安全防控体系。
上海市黄浦区打浦桥街道办事处副主任、田子坊管理办主任周健
上海市黄浦区五里桥街道龙华居民区党总支部书记张丞俊则为大家介绍了居民区自治共治在城市治理当中的积极作用。他强调,坚持“人民中心”理念,充分发挥了党组织在社区治理中的主体作用,聚集各方力量,秉持自治、共治、德治、法治“四治一体”的工作理念,坚持依法依规、民主协商、社会协同、公众参与的工作方针,通过“三会制度”倾听居民意见,共同促进民生工程真正成为惠民工程,让城市最小单位更有温度。
上海市黄浦区五里桥街道龙华居民区党总支部书记张丞俊
泰瑞集团资深技术专家黄栋就数字孪生技术发表了看法,他指出:我们和华为合作通过数字孪生底座构建一个城市里最小的空间智能体,用来进行精细化的动态监测和事件的发现,甚至可以做更好的预测性维护的工作,进而实现城市运营自主决策自主优化。
泰瑞集团资深技术专家黄栋
睿呈时代产品解决方案专家杨高飞在《一网统管应用实践分享》主题演讲中表示:“一网统管”建设核心是要实现城市治理一格共治,琐事不出格、小事不出社区、难事不出街镇、大事区镇联动,依托市级、区级、街镇三级城运中心的能力,实现四级循环、五级响应的组织机制的保障。
睿呈时代产品解决方案专家杨高飞
人民城市人民建,人民城市为人民。作为超大城市,在城市治理实践上,上海在不断地探索中积累了丰富且有效的经验,将治理的触角延伸到城市的每一个角落,打造精细极致、富有温度的超大城市精细化治理新模式;在数字技术应用上,上海经历了从量变到质变的过程,正在推动“经济、生活、治理”全面数字化转型。最小管理单元的成功实践,走出了一条城市治理数字化转型的新路径,也为全国其他城市推进治理数字化转型提供了样板示范。
让现代治理引领城市未来,上海正全面提升城市软实力,正在承担起开路先锋、示范引领、突破攻坚的使命。城市治理现代化水平全面提升,城市韧性全面增强,上海正成为全面展现社会主义现代化国家新气象的重要窗口,以及中国链接、影响世界的重要纽带。
好文章,需要你的鼓励
这项研究介绍了VisCoder,一个经过专门微调的大语言模型,用于生成可执行的Python可视化代码。研究团队创建了包含20万样本的VisCode-200K数据集,结合了可执行代码示例和多轮修正对话。在PandasPlotBench基准测试中,VisCoder显著优于同等规模的开源模型,甚至在某些方面超越了GPT-4o-mini。研究还引入了自我调试评估模式,证明了反馈驱动学习对提高代码可执行性和视觉准确性的重要性。
这项研究提出了"适应再连续学习"(ACL)框架,一种创新的方法解决预训练模型在连续学习中的稳定性-可塑性困境。通过在学习新任务前先对模型进行适应性调整,ACL使模型既能更好地学习新知识(提高可塑性),又能保留已有知识(维持稳定性)。实验证明,该框架能显著提升各种连续学习方法的性能,为解决人工智能系统中的"灾难性遗忘"问题提供了有效途径。
这篇研究首次关注了CLIP模型文本编码器的对抗鲁棒性问题,提出了LEAF方法(Levenshtein高效对抗性微调)来增强文本编码器的稳健性。实验表明,LEAF显著提高了模型在面对文本扰动时的性能,在AG-News数据集上将对抗准确率从44.5%提升至63.3%。当集成到Stable Diffusion等文本到图像生成模型中时,LEAF显著提高了对抗噪声下的生成质量;在多模态检索任务中,它平均提高了10个百分点的召回率。此外,LEAF还增强了模型的可解释性,使文本嵌入的反演更加准确。
BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台,整合了38个基准中的30万个问题,按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差,而BenchHub通过自动分类系统和用户友好界面,让用户能根据特定需求筛选评估数据。实验证明模型在不同领域的排名差异巨大,强调了定制化评估的重要性。该平台支持多语言扩展和领域特化,为研究人员和开发者提供了灵活评估大语言模型的强大工具。