12月15日,“智慧上海·进而有为”上海城市峰会2020成功举办。在此次峰会上,来自政府、企业、组织机构的嘉宾分别从不懂角度就上海的智慧城市建设问题分享了自己的观点,可谓精彩纷呈、干货满满。其中,上海市大数据中心副主任刘迎风向大家介绍了数据作为新时代生产要素,在城市数字化转型中发挥的巨大作用。
上海市大数据中心副主任刘迎风
刘迎风在演讲中提到,在疫情防控常态化的当下,如何能够融合城市的数据资源和城市资源,能够加强政民协同,推动城市快速反应,已经变成城市数字化治理和服务能力必选项。他指出,未来的城市将不只是若干功能的简单叠加,而是一个智能的生命体,它需要以数据要素为核心,通过城市的“感、传、知、用”全要素的覆盖,能够让城市更加顺畅的运行、实现自我优化和生生不息的动态发展。
同时,刘迎风还认为,推进城市数字化转型有三大关键词,“新基建”是围绕城市数据采集、传输、存储、计算而开展的核心基础能力建设,打造城市数字化转型的基座;“大数据”关键是城市数据资源、数据治理和分析应用的能力建设,将成为城市数字化转型过程中的核心要素;“强体系”需要构建数据安全制度、技术和运营三道防火墙,建立完善数据运营机制和数据标准体系,为城市数字化转型做好保障。
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。