6月18日,紫光股份旗下新华三集团的新一代商用终端产品——H3C X5-020系列商用台式机电脑以及H3C M4-241F显示器正式上市。自此,新华三在今年“领航者峰会”上重磅发布的三大类商用终端产品已全面进入市场。依托三十余年服务企业级市场的深厚实力,新华三以严苛标准打造出了商用终端的匠心之作,为不同的企业业务场景提供更全面、更具创新价值的解决方案,全力加速企业的数字化重塑。
新华三商用终端产品全面上市
全新产品登场,定义终端品质新标准
自宣布全面进军商用终端市场以来,新华三集团致力以强大的实力、完善的布局、企业级的出色品质,助力企业应用场景化转型的多元需求,通过产品的强大性能、高效联接以及丰富的端口,赋能使用者高效创作、在线协作,实现未来企业运营和管理的全方位重塑。
新华三集团打造的H3C X5-020系列台式机配备了英特尔第11代酷睿处理器,H3C X5-020t最高可选配RTX 3080独立显卡,立足强大的应用处理能力和图像性能,为平面设计、视频剪辑、IT研发、财务分析等高负载工作提供了强大的平台和工具。同时,丰富接口能够全面应对多种工作场景,更拥有高达2.4Gb/S的Wi-Fi 6传输能力,让用户以更加灵活的方式时刻保持在线、实现高效协同。
作为本次上市的另一款重磅新品,新华三集团H3C M4-241F系列显示器采用了窄边框的主流设计,屏幕选用IPS面板并支持低蓝光模式+DC无闪烁背光技术。颜值与技术融合的新华三显示器将为企业办公、金融服务等场景提供更具品质的视觉体验,让更锐利的画面、更逼真的色彩成为日常办公环境的“加分项”。
此外,于今年5月正式上市的H3C Z6-410笔记本电脑也是新华三集团在商用终端领域的扛鼎之作,极具视觉冲击力的航空级铝合金机身,配备了全高清高色域、高亮度、防眩光的16:10屏幕,提升约5.6%的可视面积,同时具备丰富的接口,灵活拓展各种设备,显著提升工作效率。基于在性能、续航、便携上的优势,新华三笔记本将广泛应用于远程会议、视频直播以及建筑、医疗、银行等场景,将成为企业提升效率的有力选择。
以企业级实力,重新构想未来工作空间
在商用终端领域,新华三集团秉承“将产品做到极致”的理念,依托超过35年服务政企客户的深厚积累,将企业级市场在性能、可靠、稳定、安全、品质等方面的严苛标准,应用于商用终端产品的设计、研发、制造过程,打造出了真正能够满足企业级用户期待的匠心之作。
以商用PC为平台,新华三集团正在构建全场景的数字赋能链路,不止为企业的转型打造持续迭代的数字化终端平台,更将配合H3C MagicHub云屏、WorkSpace数字工作空间等解决方案,让终端硬件设备成为联接云端的高效入口,让云端算力赋能终端设备,塑造无处不在、无所不能的数字工作空间,重构未来工作体验。
作为数字化解决方案领导者,新华三集团在今年确立了进军中国商用终端市场TOP3的目标。面向未来,新华三将继续聚焦本土研发,推出兼具强悍实力和卓越品质的终端设备,以高效一致的品牌体验和服务打造H3C商用终端的差异化优势,服务“云智原生”战略,带给用户“芯云网边端”全面融合的极致体验,打造更加完整的终端生态体系和产业链,赋能数字经济加速发展。
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。