2021年11月8日,上海 ——由闵行区人民政府发起的,使用微软云技术的微软“虹桥数字贸易产业创新赋能中心”于今日正式揭牌。该中心位于虹桥国际中央商务区核心区域,将由闵行区南虹桥管理委员会办公室运营,将通过加速数字技术、服务和贸易的融合,促进传统贸易企业数字化转型,激发数字服务贸易企业创新。闵行区委常委、副区长赵亮、闵行区经济委员会主任李慧、闵行区南虹桥管理委员会办公室副主任任巍、微软大中华区副总裁兼市场营销及运营总经理康容、微软大中华区副总裁公共事业部总经理滕文等领导出席揭牌仪式并见证。活动现场,部分企业代表也与虹桥数字贸易产业创新赋能中心签署了入驻企业协议。
闵行区委常委、副区长赵亮(右)与微软大中华区副总裁兼市场营销及运营总经理康容(左)共同出席“虹桥数字贸易产业创新赋能中心”揭牌仪式
闵行区委常委、副区长赵亮表示:“闵行区作为上海建设具有全球影响力的科技创新中心和虹桥国际开放枢纽的重要承载区,是上海的科创引擎、开放枢纽、产业高地,在服务上海乃至全国构建新发展格局中地位重要。目前,新一轮科技革命和产业变革正处于重要关口,以数字化、网络化、智能化为特征的数字经济新时代来临,数字技术与实体经济深度融合,新模式新业态不断涌现。相信闵行区人民政府和微软中国双方将紧密合作,顺应数字经济发展潮流,结合虹桥数字贸易产业发展需求,借助全球领先的微软科技赋能平台,加速数字技术、服务和贸易的融合,促进传统贸易企业数字化转型,激发数字贸易企业创新,打造世界一流的国际中央商务区。”
闵行区委常委、副区长赵亮
微软大中华区副总裁兼市场营销及运营总经理康容表示:“感谢上海市、闵行区各位领导对于‘虹桥数字贸易产业创新赋能中心’的大力支持。让我们感受到上海全力推进创新发展、以数字技术促进贸易企业数字化转型、激发数字经济创新活力的决心和态度。微软将不遗余力地为创新赋能中心提供国际领先的技术服务,积极分享实践经验和市场资源,协助虹桥数字贸易产业创新赋能中心助力海内外贸易企业加速开展‘出海入华’业务,同时为入驻中心的创新创业企业和团队赋能,为加速数字化转型提供有力支持。”
微软大中华区副总裁兼市场营销及运营总经理康容
今年9月28日,“虹桥数字贸易产业创新赋能中心”宣布落地虹桥国际中央商务区,计划以自身的生态汇聚作用,促进当地传统贸易企业数字化转型,激发数字服务贸易企业创新。创新赋能中心将充分借助微软在品牌、技术、平台等方面的号召力,同时将微软在科技创新和企业数字化转型领域的成功经验引入闵行,结合闵行区政府提供的各项扶持和培育政策,打造闵行的数字贸易产业聚集氛围。
根据闵行区人民政府和微软(中国)有限公司战略合作备忘录的合作意向,“虹桥数字贸易产业创新赋能中心”将提供四大方向服务:
? 出海入华服务:针对有意进入中国市场的海外数字贸易企业,和瞄准海外业务增长的国内外贸出口企业,创新赋能中心将提供专业精准对接、全球客户及供应商高效协同、出海入华安全合规服务,支持虹桥“买全球、卖全球”战略
? 技术赋能服务:发挥虹桥商务区在数字服务贸易中的领头雁效应,为当地传统外贸企业提供企业数字化转型咨询服务,并借助微软在云计算、大数据、物联网和人工智能领域的先进技术,帮助企业把握数字化转型优势
? 创新孵化服务:创新赋能中心将面向企业新设研发机构、创新创业企业和团队,提供创新创业资源扶持、技术导入、产业对接、资本对接、市场对接服务
? 人才招引服务:虹桥当地的数字贸易企业也将获得来自创新赋能中心的人才大数据分析、全球人才招引,虹桥地区推介服务,吸引全球数字贸易专业人才汇聚虹桥,为数字贸易产业发展提供本地化人才
在闵行区政府的大力支持下,创新赋能中心从宣布落地到正式投入运营,仅用了一个多月的时间。揭牌仪式当日,首批入驻企业代表与虹桥数字贸易产业创新赋能中心签署了相关协议。入驻企业将享受到虹桥数字贸易产业创新赋能中心与微软在软件资源、硬件设施、生态系统以及市场资源等各方面的支持。
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。