至顶网个人商用频道 03月28日 北京消息(文/陶婧婕)数据是企业最为重要的资产,被誉为新世纪的矿产和石油,也是推动企业创新发展的新动力。但是,很多企业并没有好好利用“数据”,其价值也长期被淹没。
去年9月,Adobe、微软和SAP这三家全球最大的软件公司联手推出了“开放数据计划”,共同宣布三家公司将彼此开放数据研究,为客户提供更好的数据连接和AI服务。这三家公司的用户遍布世界各地,很多企业都在使用Adobe、微软和SAP的软件和服务来运行其产品开发、运营、财务、营销、销售和人力资源等。也是因为三家公司都有着海量的数据储备,才会对企业数据的价值没能发挥最大作用而感到惋惜。
据了解,三方合作伙伴为客户初步制定了该计划的方法及资源,力图帮助客户在已有的孤立数据孤岛中建立联系,更加无缝地获取信息,依靠对客户互动情况更加深入的了解来更好地为品牌提供服务。
半年过去了,开放数据计划进展如何?近日,在Adobe 2019数字体验峰会上,Adobe首席执行官Shantanu Narayen携手微软首席执行官Satya Nadella公布了关于开放数据计划的更多详细信息。
优化流程乃至实现自动化 更快速准确的获取数据中尽可能多的价值
其实,三方合作最核心的原则就是希望客户能够从他们的数据中获得尽可能多的价值。
从一开始,开放数据计划就致力于通过通用数据模型将数据存储在共同的数据湖当中,从而提高三家企业的应用和平台的互操作能力。这样统一的数据存储方式能够允许客户自主选择开发工具和应用来构建和部署服务。
为优化流程乃至实现自动化,三家公司计划在未来几个月推出一种新的方法,从Adobe Experience Platform发布、丰富和收取原始数据,并通过Adobe Experience Cloud、Microsoft Dynamics 365和Office 365, 以及SAP C/4HANA进行激活,直接导入客户的数据湖。这将会使人工智能和机器学习的丰富程度迈向新的高度,将更加丰富的海量数据回传至三家企业现有的应用和服务平台上,以收集更多洞察,更好地为客户服务。
循序渐进 继续引入更多的合作伙伴
联合利华是Adobe、微软和SAP共同的客户,也是最早对开放数据计划表示支持的全球品牌之一。联合利华也在Adobe数字体验峰会上宣布,希望能够在这些互联数据的帮助下,简化过去复杂的商业结果。
峰会期间,联合利华还展示了他们是如何将分散的客户、产品和资源数据进行整合,并使用人工智能驱动的洞察力帮助他们减少塑料包装的使用并鼓励消费者回收再利用。通过消除数据孤岛,联合利华将能够将存储和回收塑料的数据与Adobe的数据整合,以增加客户的参与度,提升客户体验。
为加速该计划的发展,Adobe、微软与SAP还宣布计划成立一个由十几个合作伙伴组成的合作伙伴咨询委员会,包括埃森哲、高知特、安永、德勤、凯捷、Hootsuite、Amadeus、Sprinklr、InMobi、Change Healthcare、思科、Genesys、Finastra、尼尔森和WPP。
这些跨行业和客户群体的企业也都相信开放数据计划能够为他们带来更多的机会,为客户创造更多的新价值。
好文章,需要你的鼓励
这篇研究介绍了KVzip,一种创新的查询无关KV缓存压缩方法,通过上下文重建机制为大型语言模型提供高效存储解决方案。该技术能将KV缓存大小减少394倍,同时提高解码速度约2倍,在各种任务上性能几乎不受影响。不同于传统查询相关的压缩方法,KVzip创建可在多种查询场景下重用的通用压缩缓存,特别适合个性化AI助手和企业信息检索系统。研究在LLaMA3.1-8B、Qwen2.5-14B和Gemma3-12B等多种模型上进行了验证,处理长度高达17万词元的文本,并能与KV缓存量化等其他优化技术无缝集成。
腾讯与上海交通大学联合推出的DeepTheorem研究突破了大型语言模型在数学定理证明领域的限制。该项目创建了包含12.1万个IMO级别非形式化定理的大规模数据集,开发了专门的RL-Zero强化学习策略,并设计了全面的评估框架。研究表明,通过使用自然语言而非传统形式化系统,即使是7B参数的模型也能在复杂定理证明上取得显著成果,超越许多更大的专业模型。这一成果为AI数学推理开辟了新途径,使语言模型能够像人类数学家一样思考和证明。
MAGREF是字节跳动智能创作团队开发的多主体视频生成框架,能从多张参考图像和文本提示生成高质量视频。该技术引入了区域感知动态遮罩机制,使单一模型灵活处理人物、物体和背景,无需架构变化;并采用像素级通道拼接机制,在通道维度上运作以更好地保留外观特征。实验表明,MAGREF在身份一致性和视觉质量方面优于现有技术,能将单主体训练泛化到复杂多主体场景,为内容创作者提供了强大而便捷的视频生成工具。
这项研究揭示了大型语言模型(LLMs)偏好决策的内在机制。以色列理工学院和IBM研究院的团队开发了一种自动化方法,不需人工预设即可发现和解释影响AI判断的关键概念。研究横跨八个领域(从一般问答到安全评估),分析了12种偏好机制,发现人类评判者重视权威性和清晰度,而AI评判更关注事实准确性。他们提出的层次多领域回归模型不仅能准确预测偏好,还能清晰解释判断过程,为构建更透明、更符合人类价值观的AI系统提供了新途径。