提及这个话题,汤彤妹说到,曾经入选Gartner Cool Vendor的很多企业不仅获得了成功,其中一些佼佼者更是被大公司收购或是已经上市成为市场领军企业,她半开玩笑的表示,如果想要投资IT领域的初创企业,“去翻翻Gartner 过去几年的Cool Vendor还是有一定用处的。”
事实上,投资人与投行正是Cool Vendor的诸多目标读者中的一部分,Gartner的这一名单,能够帮助他们找到IT领域里面具有投资价值的企业,“甚至促成投资和并购”,特别是Cool Vendor每年的寻找方向和领域,往往都是Gartner每年的热门趋势性话题,比如今年的商业智能、IoT、成本优化和云计算等等,“在热门趋势话题里面找到最新鲜、最创新、最热门的企业”,当然是投资者们趋之若鹜的目标。当然,作为潜在收购者的大公司也是投资者中的一份子。
不过,Cool Vendor的主要目标人群还是最终用户,那些身处零售、能源、金融、制造等等不同领域企业的业务决策者、CIO或是IT管理者,Gartner希望帮助他们通过Cool Vendor,“(在某种程度上)找到目前解决不了的问题的解决方案,因为很可能有些能力其他的公司都不能提供。”
所以,Gartner特别在报告里列了一部分叫做“Who Should Care”的内容,这项内容为读者更加细致的指明“为什么要关注这家Cool Vendor”,比如在百分点的下面有一段是这么写的:如果CEO、COO、CIO等C Level决策层希望通过大数据来支持商业决策,创新商业模式,实现业务扩张,百分点的大数据全生命周期产品和一站式服务将能够提供全面的帮助与支持。
报告中对另一个Cool Vendor对于LeCloud(乐视云)的评价是这样的:正在寻找以云为基础的内容管理和分发解决方案的媒体内容提供商,如果想要让内容触及全球;或是正在寻找正确的内容、广告和CDN服务的数字渠道商,也应该考虑乐视云——如果我是一个相关领域的从业者,读过Gartner的Cool Vendor报告后去试一下乐视云,为什么不呢?
最后,我们要来回答一个有关Gartner的Cool Vendor报告中最令人感到好奇的问题:为什么叫Cool Vendor?Cool这个词是从何而来的呢?
汤彤妹说,这并没有一个官方的、标准的说法,但在IT业界,确实有一些企业利用Cool来形容技术、产品或是企业本身,类似的词语还很多,用Cool当然是一个大家都容易理解的词语。
但就从前述所提到的百分点、APICloud、乐视云、EasyStack等今年入选名单的企业来看,“Cool”难道不是适用于他们的最佳形容词么?
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。