IBM与索菲亚家居股份有限公司(以下简称:索菲亚)今日联合宣布,索菲亚在Oracle EBS生产系统中成功应用了IBM FlashSystem 840全闪存阵列,使其整体数据库效率提高约26倍,大幅节省了前端操作条码扫描响应时间与EBS月结成本报表时间,明显提升了综合产能,进一步巩固了自身定制衣柜行业领导者的市场地位。
对于此次与IBM的成功合作,索菲亚家居股份有限公司相关负责人表示:“作为中国定制衣柜领军企业,索菲亚是最早引进ERP信息化系统的家居企业之一。通过采用IBM FlashSystem 840,索菲亚EBS生产系统/CRM系统的数据存储性能得以大幅提高,信息化系统效率提升明显,为公司生产效率和竞争力的提高奠定了坚实的基础。”
衣柜定制信息化倒逼存储系统升级
索菲亚家居股份有限公司设立于2003年,是一家主要经营定制衣柜及其配套定制家具的研发、生产和销售的港澳台企业投资股份有限公司。2011年在深圳证券交易所成功挂牌上市,是定制衣柜行业内首家A股上市公司。截至2014年6月30日,公司拥有员工2000多人,经销商800余家,专卖店约1400家。公司的资产总额从2008年末的12,196.06万元增加到2011年12月31日的154,013.03万元,增长1162.81%。
作为最早引入信息技术定制衣柜的企业,索菲亚从企业信息化中充分尝到了甜头,公司业务的快速增长也无不得益于此。随着公司规模的进一步扩大,消费者对于定制企业的服务和供应的要求也在相应提升,企业的效率和竞争力也越来越依赖信息系统的水平、性能和稳定性。
按订单的定制化生产和销售对于生产系统的响应有着极高的要求。在原有的系统环境下,索菲亚生产系统前端条码扫描操作响应时间需要5分钟,严重影响生产效率,而EBS系统月结成本报表性能也太慢,每月初都会影响生产效率,现有的IT系统存在明显的性能瓶颈,无法满足生产要求。系统升级刻不容缓。
IBM FlashSystem 840纾解存储性能瓶颈
针对索菲亚EBS系统呈现出来的问题,IBM技术团队最终决定采用IBM Power Systems S824服务器和IBM FlashSystem 840对索菲亚的原有系统进行升级。
新升级系统通过采用Flash技术降低了关键数据库负载的I/O等待时间,提供极低的读写延时,从而加速了EBS/CRM数据库负载处理。IBM FlashSystem为索菲亚EBS数据库I/O整体性能带来了10倍以上的提升。其中,生产系统Oracle数据库CPU利用率提升4倍,从实施前的11%升至43%;I/O平均时延提升21倍,从实施前的5.47ms 缩短为0.26ms;等待时间占比提升16倍,从实施前的64.35%降低至4.48%。数据库效率(处理:IO等待) 提升26倍,从实施前的1:2升至13:1。
从更加直观的数据来看,生产线前端操作条码扫描响应时间从5分钟缩短到了30秒,EBS月结成本报表时间从8小时缩短到了4小时,极大地提升了索菲亚的业务生产效率。
IBM副总裁、大中华区硬件系统部总经理郭仁声先生表示:“激烈的市场竞争让企业面临着构建高效IT系统,以及实现业务价值的巨大压力。凭借业界领先的技术与最佳实践,IBM FlashSystem正在被越来越多的企业用以克服存储瓶颈、提升系统性能、提高生产效率。同时,IBM也一直致力于帮助用户通过技术创新实现业务创新,从而推动企业的快速成长与转型。”
好文章,需要你的鼓励
韩国科学技术院研究团队提出"分叉-合并解码"方法,无需额外训练即可改善音视频大语言模型的多模态理解能力。通过先独立处理音频和视频(分叉阶段),再融合结果(合并阶段),该方法有效缓解了模型过度依赖单一模态的问题,在AVQA、MUSIC-AVQA和AVHBench三个基准测试中均取得显著性能提升,特别是在需要平衡音视频理解的任务上表现突出。
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。