3月28日,国双举办“数据力”2018年报告发布会,正式发布了《2017年中国政府网站发展数据报告》。通过国双大数据的深度挖掘和分析能力,并结合在政府事务领域的专业洞察,该报告全面呈现了在过去一年中,各级政府网站在服务能力上的显著提升,社交媒体应用的影响力不断深化、以及用户对办事服务需求的逐渐重视。
本次报告通过国双的政务网站智能分析系统(GWD)汇集了3000多家国内政府网站,从中随机抽取了具有代表性的150家网站作为研究对象,从政府网站建设发展的政策指引、政府网站的访问概览、访问来源、访问特征、网民搜索需求、移动设备访问这6个方面,描述了全国政府网站的总体发展方向和状况,为国家电子政务发展决策提供有力数据支持,持续促进“互联网+政务服务”的建设发展,推动政府职能转型。
报告显示,2017年政府各级网站用户的访问质量和用户忠诚度已达到近6年最高水平,
用户平均访问时长有所增长,展现了我国政府对于持续提升网站服务能力的努力和决心。从访问来源和渠道设备等数据分析显示,通过搜索引擎和社交媒体来源用户访问比重分别增长了40.68%和475%,移动设备用户的占比达23.28%,印证了政府网站在搜索引擎和社交媒体平台上的影响力正在不断提升。从网民需求来看,对“办事服务”的搜索比重增幅已达89% 位居第一,民生热点话题的热度也大幅上升,充分体现了政府“互联网+政务服务”总方针的深入影响和落实。此外,本次报告还增加了国际影响力对比的维度,虽然国内用户仍为主流,但政府门户网站的国际影响力已在明显提升。
此外,该报告也从2017年国务院办公厅发布的《政府网站发展指引》中解析了包括“定制服务”、“开放式架构”等政策热门关键词,分析了在指引中提到的“在线政务服务平台”、大数据支撑的“个性化服务”等的发展现状,并据此对于政府网站如何呼应政策目标优化提出了方向性的积极建议。
政府职能转型 “互联网+政务”先行
提到政策层面,在今年两会李克强总理接受中外记者提问时,针对关于“放管服”改革话题,就中国目前的制度性成本还是很高、办事还是比较难的问题,提出了在放宽市场准入方面的六个“一”目标,其中一个“一”就是“政务服务一网办通”,通过转变政府职能推动简政放权、放管结合、优化服务。
纵观过去一年,国家在简政和优化服务方面的改革已显成效。其中一个重要原因就是大数据、物联网等互联网技术的深入应用,使得“互联网+政务”建设得以在全国推动。数据显示,截至去年年底,全国正在运行的政府网站24820家,微信公众平台全面覆盖了从中央部委到省区市、从地县到乡镇的所有行政级别。
同时,在今年两会的政府工作报告也提出,在2018年要深入推进“互联网+政务服务”,加快政府信息系统互联互通,打通信息孤岛。作为“互联网+政务”最直接的体现,各级政府的官方网站以及部门网站的优化升级工作,也顺应时代成为推进政务改革重要的一环。
借力大数据 提升互联网服务效能
然而,全国政府网站仍存在部分网站建设管理不规范、互动交流不通畅、安全保障不到位等一系列问题,而且政府网站还面临数量锐减的现状。根据国务院办公厅政府信息与政务公开办公室近期对全国政府网站的抽查结果显示,全国累计整合迁移无力维护的网站减幅已达46%,县级以下基层政府网站更是减少了1.8万,减幅达88%。
在这种现状之下,借力大数据的分析挖掘技术,让政府网站优化效果和服务能力水平全面地得到展现,从而进一步用数据成果支持国家相关部门对政府网站的监管,将更加优质和高效的政府互动服务带给普通百姓。
作为一家科技驱动型公司,国双凭借深耕多领域的大数据和人工智能技术优势,持续关注电子政务领域的发展,已为全国上千家政府网站提供了智能优化和数据分析解决方案。自2012年起,国双与国家信息中心合作成立的“国家信息中心网络政府研究中心”组织专业团队,连续6年编写《中国政府网站发展数据报告》,旨在从政府网站建设发展的政策要求、政府网站用户实际需求和用户体验的角度,建立一套政府网站服务和管理的行为数据标准,为建设和管理好各级政府网站提供数据参照体系。
好文章,需要你的鼓励
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。