1月5日,云链服务提供商白山云科技宣布完成3.3亿元C轮融资。本轮融资由阿尔法资本和春珈资本领投,新增两家战略投资机构跟投。资本的青睐表明对白山业务模式和云后市场的看好,以及对白山高速成长和持续盈利能力的认可。
2015年4月成立以来,白山每年推出一条产品线,先后提供云分发、云存储和云聚合服务。在云分发领域,白山发展迅猛,网络规模已跃居专业服务提供商第二;在云存储领域,白山定制化的冷热分级存储解决方案,提高行业的海量数据存储效率;在云聚合领域,白山推出多款围绕数据消费和治理的产品,助力政府和企业数字化转型。白山的业务表现强劲,2017年营收规模达到上年度的300%以上,连续两年实现规模化盈利。
白山称,本轮融资将主要用于技术研发与产品创新,继续发力云后市场。“从诞生之初,白山就一直强调‘回归服务的本质’,通过扎实的技术和稳定的服务,不断赢得客户的信任。”白山CEO霍涛表示,“面向未来,我们将为客户提供更为优质的数据全生命周期服务。”
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。