[中国,深圳,2022年11月8日]
今日,在深圳举行的华为全联接大会2022品质服务分论坛上,华为全面阐述了通过“品质服务”,携手伙伴打造数字化转型的核心服务能力,构筑线上与线下相协同的服务体系,助力行业客户数字化转型成功。
华为企业BG数字化与技术服务部总裁李江华发表开场致辞,对客户与伙伴长期以来对华为的支持和信任表示感谢,华为将与广大伙伴一道,从客户数字化转型成功与体验出发,持续优化数字化服务工具与平台,不断加强帮助客户解决问题的ICT服务能力,持续构筑提升客户体验的服务方案,为各行各业提供可信赖的高品质服务,释放数字生产力。
李江华 华为企业BG数字化与技术服务部总裁
企业数字化不断深入
2021年中国数字经济占GDP比重达到近40%,但各个行业处在数字化阶段各不相同,从咨询规划、集成实施、风险管控到业务创新,都是企业转型过程中需要解决的问题。
中小企业数字化场景ICT投资不断增强,特别是在客户触达及体验、ICT基础实施以及业务系统管理等领域。来自IDC 2022的报告中,64%的中小企业管理者认为数字化在短期缓解疫情冲击及长期发展中起重要作用。
品质服务不断演进
从2019年开始,华为中国政企服务致力于以“品质服务”的打造和实践,携手伙伴解决数字化过程中遇到的各类问题。四年来,“品质服务”不断升级和迭代,受到了广大客户和伙伴的认可。
华为中国政企业务副总裁李同广发表了题为“品质服务 共赢未来”的主题演讲,华为是一家高度重视服务的公司,一直把服务竞争力作为关键要素进行重点建设。在多年服务政企客户的过程中,结合客户的反馈,我们不断优化我们的服务体系,提升服务能力。2018年基于内外部环境的变化,我们提出“构建高品质服务产业联盟,提供无处不在的一致性服务体验”的全新定位,从“五大能力“、”四大行动”,到逐步构建了线上线下协同的主动式服务体系,“品质服务”持续迭代,为广大政企客户提供高品质、一致性的服务体验的初心不变。
李同广 华为中国政企业务副总裁
四个方面助力客户
华为从组织、流程、体系和能力四个方面,助力政企客户。
在流程上,华为遵循业界成功实践,从规划、实施、运维到持续运营,重塑业务流程,匹配客户不同阶段的诉求。
在组织上,在中国区各个区域设置大客户服务组织,承接和受理当地客户服务诉求。面对商业市场海量客户且分散的特点,为更好支持商业市场的业务开展,华为启动ASC(华为授权服务中心)认证计划,目前已覆盖125个地市,700多个区县,拥有近400名区县服务专员。
在能力上,打造从咨询规划、ICT集成(覆盖平台、数据和应用)、运维和辅助运营的端到端能力,特别是辅助运营能力,是帮助客户从建设好到用得好的关键,实现ICT基础设施的价值循环。在数字化转型能力构建的各个阶段,伙伴都是必可不少的组成部分,华为将持续认证有能力的伙伴,包括咨询类伙伴、服务解决方案类伙伴、集成服务类伙伴以及运营类伙伴。
在体系上,除了华为与伙伴提供的线下服务外,为了提供更加及时的服务响应,华为也提供了呼叫中心、技术支持中心、远程协作等线上服务,以中国政企客户服务中心(热线:400-822-9999)为统一入口。此外,华为通过服务装备(自主自助服务平台、服务工具市场、交付与维护专业工具平台等)的打造与优化、ASC伙伴服务能力的赋能与提升,助力伙伴在政企市场的拓展。
行业数字化转型,离不开人才。华为提供从人才咨询、人才培养到人才评估的全流程培训服务。华为认证覆盖ICT全领域,已发布23个技术方向,超过100门认证考试,累积培训HCIE专家超过20,000名。
数字化转型,时不我待。华为“品质服务”,将一如既往地携手伙伴服务政企客户,共谱业数字化转型新篇章。
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。