【中国,广州,2024年6月25日】2024世界安防博览会于广州南丰国际会展中心隆重开幕。华为行业感知以“感知万物 点亮智能世界”为主题,携最新的明星产品以及解决方案精彩亮相,并斩获“优秀企业奖”。
6月25日上午,广东省公共安全技术防范协会会长、华为行业感知领域总裁杨曦受邀出席“2024世界安防博览会开幕式”并发表致辞。他表示安防行业发展需要提升创新能力,推进产业链和创新链深度融合,促进各类创新要素向企业集聚,为平安中国建设做出更大贡献。
▲广东省公共安全技术防范协会会长
华为行业感知领域总裁 杨曦
同期,在由广东省公共安全技术防范协会主办的2024安防行业盛典颁奖典礼上,华为行业感知荣获“优秀企业奖”。
三大展区,场景化沉浸体验
本次展会,华为行业感知展台着重打造了场景化解决方案的沉浸式、互动式体验。围绕智慧城市感知、智慧交通感知、智慧园区感知三大展区,全面展示了端到端可闭环的场景化解决方案、适销新品以及成功案例,吸引了众多现场观众参观互动。
01 智慧城市感知
从城市到智慧城市,从城市治理到城市“智”理,“智能”越来越成为城市升级的关键词和重要演进方向。在智慧城市感知展区,华为行业感知围绕城市道路、车辆违停、机非共治、城市高点、森林防火等行业应用场景,提供了全天候全彩高清、全场景智能化事件分析的智能感知方案,助力城市管理规范化、智能化、精细化,推动城市管理手段、管理模式、管理理念创新。
城市道路治安管理:低照全彩,精准感知,实现全天候、多场景、多目标全覆盖。
车辆违停治理:极致夜视,实现7x24h违停全场景150m超远距离感知。
机非共治:极简部署,精准识别,兼顾非机动车和机动车高效治理。
高点全彩感知:无光全彩,夜间态势感知最高1000m超远距离覆盖,异常事件快速预警。
森林防火管理:烟雾、火光双校验,端云协同,构建“早发现、零漏报、少误报”的立体化森林防火预警体系。
02 智慧交通感知
交通作为城市的血脉,是实现智慧城市的重要一环。在智慧交通感知展区,华为行业感知围绕道路、隧道、高速等场景,提供了多维感知、全息、高效的智慧交通感知方案。
全息路网:全域交通态势实时感知,信控优化畅通有序,通行效率提升36%。
智慧隧道:150m全域雷视拟合,全息隧道可视化,事件精准预警处置。
智慧高速:全天候精准识别车辆轨迹,交通事件快速响应。
光视联动周界防护:光视融合,双重校验,360度全天候无死角构筑安全防线。
03 智慧园区感知
园区作为城市最小的公共单元,已经变成一个承上启下的枢纽。在智慧园区感知展区,华为行业感知面向制造、校园、社区、连锁门店、医院等园区场景提供了智能安防解决方案,通过智能摄像机、智能边缘、智能视频综合管理平台等好用、易用、实用的普惠AI产品,助力园区智慧化升级。
持续创新,打造三大重点产品升级
在展会上,华为行业感知带来了魔方3.0双目全彩AI筒型摄像机、AI超微光4.0电警卡口筒型摄像机、超微光全彩球2.0三款重点升级产品。
魔方3.0双目全彩AI筒型摄像机
通过AI图像算法升级、智能能力增强、装维体验优化三个方面的升级,全面提升图像成像效果与安装部署效率,实现多目标真彩还原、精准识别、快速安装。
AI 超微光4.0电警卡口筒型摄像机
通过白天去彩纹算法升级、夜间车内目标优化、电警车牌AI暗帧叠加等技术,实现车内目标/车牌的全天候高清还原与识别率提升。
超微光全彩球2.0摄像机
通过物理光学能力升级和AI ISP深度降噪、宽动态等技术,提升极低照夜视图像能力,实现全天候全彩感知。同时支持机非人全结构化抓拍、超远距离(夜间150m、白天200m)违停感知。
当前,新质生产力正在成为全社会产业转型的核心驱动。迈向高质量发展新阶段,华为行业感知将不断突破技术、持续创新、深耕场景,以数字化手段培育新质生产力,引领产业发展。
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。