近日,浪潮存储成功中标安徽省六安市政务云数据中心扩容建设项目。浪潮高端存储AS18000、软件定义存储AS13000承载六安市政务云平台的业务数据,实现网上办理事项超过85%,推动六安市政府的"互联网+政务服务"建设。
升级云数据中心,打造政务服务一张网
安徽六安市政府开展"互联网+政务服务"建设。其核心是推进实体政务大厅向网上办事大厅延伸,打造政务服务一张网,实现对企业和群众办事实行一口受理、全程服务,让企业和群众办事更方便、快捷。
要实现建设互联网政务的目标,六安市政府需要进行政务云平台与数据中心扩容。原因在于,近年来六安市各政务部门快速推进政务信息化建设,政务信息化规模和复杂程度大幅提升,使得原有IT系统迫切需要升级。
比如,原有IT系统各类政务应用分散建设问题比较突出。六安市各部门政务信息化建设此前主要基于传统烟囱式架构,互联互通、信息共享难度大;同时横向扩展难度大、成本高;新业务上线部署响应慢,无法适应政务信息化快速推进的工作需要;另外,管理运营成本高,由于硬件环境分散建设,基础环境管理和运营维护所需的人员和费用也比较高。
针对以上问题,六安市政府开始推动政务云升级中心扩容建设项目,经招标和多方比较,选择基于浪潮高端多控存储AS18000、软件定义存储AS13000等产品的存储解决方案全面升级现有的云数据中心。
六安市政务云:高端、双活存储资源池
浪潮提供的解决方案中,基于2套AS18000系统构建2个动态、可伸缩生产中心双活存储资源池,能满足当前业务资源共享需求,又能够快速无缝扩展。此外,六安市政务云还实现了数据中心的存储双活,在保证业务连续性的同时,使得新业务也得以快速上线。六安市政务云投入使用后,可承载政务云数据共享交换平台的各类数据库关键数据。
同时,基于一套浪潮软件定义存储AS13000,六安市政务云实现了数据共享交换平台的公文/图片数据、大数据分析数据的存储。
浪潮高端存储系统AS18000
浪潮高端存储AS18000,可跨越存储设备、硬件驱动、数据层、服务层四个层次构建全方位的安全保障,提供7个9的方案级可靠性,每年宕机时间不超过3秒,满足了六安市政务云平台核心业务连续不间断运行要求。同时,AS18000的性能高、可扩展性强,可以扩展到数百万级IOPS、60PB存储容量,满足了六安市政府未来5-10年的性能要求。
推进"13550"行动,网上政务服务事项超85%
此次浪潮高端存储和软件定义存储,给六安市建成市级网上政务服务平台夯实了基础。六安市运用云计算、大数据、人工智能等现代信息技术,以全覆盖、全联通、全方位、全天候、全过程的"五全服务"为引领,基于市政府权力清单运行平台、社会服务管理信息化平台以及市政务云数据支撑平台等基础环境,建成了全市统一的网上政务服务平台。
截止2017年12月,六安市政务基于浪潮存储方案建成市级网上政务服务平台,向下延伸到基层,向上与省级平台实现互联互通,政务服务事项全部纳入平台运行,网上办理事项超过85%。六安市政府推进"13550"行动,基本实现了群众和企业办事"最多跑一次",努力做到本级公共服务事项1个工作日、企业开办3个工作日、不动产登记证5个工作日、工业建设项目施工许可证50个工作日内完成审批手续。
以高端存储AS18000为核心的六安市政务云平台,实现了互联网与政务服务深度融合,助力六安市政务推行"智慧审批",让企业和群众办事更加方便、快捷,服务型政府深入民心。
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。