中国上海,2021年4月15日——致力于驱动中国企业释放数据潜能并加速数字化转型的领先智能数据管理解决方案和服务供应商联想凌拓科技有限公司(以下简称“联想凌拓”)与国内灾备及数据管理领域领先的基础软件厂商上海英方软件股份有限公司(以下简称“英方软件”)在英方软件于上海举办的以“共创数据复制市场新生态”为主题,旨在携手合作伙伴,通过自主创新的数据复制技术打破传统的市场格局,助力“新基建”数字经济发展的“2021英方软件生态合作伙伴大会”上举行了战略合作协议签订仪式。联想凌拓首席执行官陆大昕,联想集团副总裁、联想企业科技集团业务销售总经理李国庆,联想凌拓产品管理与营销高级总监林佑声,英方软件董事长兼CEO胡军擎,英方软件销售副总裁臧鲁路与英方软件战略部总经理赵丽荣出席并见证了此次签约。
仪式上,联想凌拓与英方软件签订了战略合作协议,双方负责人分别就战略合作内容、产品和技术能力、用户应用场景等作了介绍和演示。深入交流后,双方表示未来将基于各自资源优势,叠加双方特色,在“新基建”、“数据安全”、“数据管理”等领域,全面提升战略合作水平,共同在数据安全、数据管理等领域展开深入合作。
联想凌拓首席执行官陆大昕表示:“‘新基建’掀开了中国数字化浪潮的新篇章,也重新定义了信息基础设施建设的高度和远景,为企业的数字化发展指明了方向。联想凌拓始终致力于为企业提供领先、简化、灵活的智能数据管理解决方案,而英方软件是一家拥有广泛全场景覆盖的备份容灾产品软件供应商,能够实时、高效处理数据的管理和安全问题。双方的合作,将借助和发挥各自的技术优势、渠道覆盖、生态圈落,共同为‘新基建’背景下的企业提供领先、完善、可靠的数据存储、灾备及管理的一揽子解决方案,帮助企业在‘新基建’时代取得先发优势。”
英方软件CEO胡军擎在发言中表示:“当前,‘新基建’、数字化进程的加快带来了数据爆炸性的增长,我们需要以更加实时、高效的方式来处理数据的管理和安全问题。英方软件是一家以数据复制技术为核心的基础软件厂商,而联想凌拓是专注于智能数据管理解决方案及服务供应商。面向未来,当秉持开放融合的心态,双方此次强强联合,将发挥各自领域优势,为用户提供多层次、多策略、全域的解决方案,以用户为中心实现领跑。”
联想凌拓与英方软件合作的包括i2CDP、i2COOPY、i2Move等一系列备份容灾产品及解决方案,凭借其灵活的部署方式、优异的网络传输性能、高可用性和超强的融合保护能力广泛适用于包括政府、教育、医疗等各个行业,其国产自主的核心技术也更适合有国产化需求、国内认证证书的企业用户。
作为专注提供数据领域解决方案的两家企业,联想凌拓与英方软件本次全面战略合作,不仅可以增强双方企业自身在数字经济领域的核心竞争力,也将对“新基建”、数字经济的发展起到促进作用,驱动社会向数字化、智慧化迈步。双方产品、技术上的深度交流,将共同服务于各行各业有数据安全、数据管理等需求的用户,助力用户业务安全、高效、持续发展,携手用户实现业务增长。
未来,联想凌拓将与英方软件优势互补,积极发挥在各自专注领域所长,扩大合作效应,发挥1+1>2的效果,驱动数字经济的高速发展,持续提供领先、可靠的数据复制、存储以及管理方案,共同推动数字世界向前发展,为“新基建”提供安全高效的数据驱动力。
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。