2015年12月29日 近日,由IEEE(电气和电子工程师协会)的年度报告——2015专利实力评鉴(Patent Power Scorecards)出炉。在计算机综合(计算机软件、计算机系统、计算机外设和存储)类别中,EMC获得4837的高分,位居榜首。
IEEE专利实力评鉴是一年一度的综合分析,通过对全球范围内6000多家领先的商业企业、学术机构、非营利性组织和政府机构专利组合的基准测试,IEEE给出其“Pipeline Power”得分,评估谁拥有最宝贵的专利组合。衡量标准包括组织专利组合的大小,最近一整年获得专利授予的数量,基于一系列反映增长、影响、独创性等指标判断的专利分量,以及组织专利组合的通用性等。
在计算机软件、计算机系统、计算机外设和存储三大类别综合中,EMC排名第一,排名第二至第五的分别是IBM、Microsoft、Western Digital和VMware。
当把所有行业类别都考虑进来时,EMC仍高居全球第五,前四位分别是Google(通信/互联网服务)、Apple(电子)、Facebook(通信/互联网服务)和Qualcomm(通信/互联网设备)。
目前,EMC拥有近5900个美国专利商标局(USPTO)发表的专利,EMC信息基础设施(EMC II)拥有近5000个。此外,EMC还有近4500个美国专利应用待批。
2003-2014的12年间,EMC在研发和收购上的投入高达420亿美元,不断通过领先的技术,助力客户的数字化转型之旅,通向混合云。公司上下对创新投入不变的关注,也直接吸引了市场上最优秀的、最具竞争力的人才。IEEE最新的2015专利记分卡排名,从另一个侧面印证了EMC创新引擎的活力。
相关资源
Patent Power 2015
http://spectrum.ieee.org/static/interactive-patent-power-2015
EMC Earns Top Marks On Patent Power 2015
http://v.qq.com/page/x/e/8/x0178uez6e8.html
关于IEEE专利实力评鉴(Patent Power Scorecards)
专利实力评鉴由《IEEE SPECTRUM》杂志自2007年开始每年发布一次,到2015年11月30日共发布了9期榜单。专利实力评鉴的评选对象是全球范围内的公司、大学、研究机构和政府机构等组织。专利实力评鉴完全按照组织所在的行业来进行分类评比,每次发布17个榜单:航空航天和国防、汽车及零部件、生物医药、化学、通信/网络设备、通信/网络服务、计算机设备和存储、计算机软件、计算机系统、电子产品、医疗器械、科学仪器、半导体设备制造、半导体制造、综合型企业、政府机构、大学/教育/培训。
专利实力评鉴各榜单上的组织是根据专利综合实力进行排名的,其综合考量了专利组合的数量和技术价值,由于采用了技术加权后的专利组合规模作为衡量依据,专利实力评鉴可以较全面准确地评价某个组织的技术实力。
专利综合实力是对专利数量及专利成长性、技术影响力、技术原创性和技术通用性进行组合运算后的综合性指数,其计算公式为:专利综合实力(Pipeline Power)=上一年度授权专利数量(Number of Last Year’s Patents)×专利增长指数(Pipeline Growth Index)×校正后的技术影响指数(Adjusted Pipeline Impact)×技术原创指数(Pipeline Originality)×技术通用指数(Pipeline Generality)。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。