8月12日,山东省工业和信息化厅公布了“2024年山东省级智能工厂、数字化车间、智能制造场景和系统解决方案供应商名单”,浪潮计算机济南智能工厂入选了“2024年山东省级智能工厂”。据了解,该工厂是浪潮计算机创新技术服务器和电脑终端的重要生产基地。
浪潮计算机济南智能工厂集领先的制造工艺与智能技术为一体,通过搭建浪潮创新技术产品工业互联网智能制造平台,利用人工智能、大数据、移动互联网等新一代信息技术,协同完成智能制造任务。工厂业务涵盖智能接单、集成研发、智能排产、智能制造、智能测试、智能仓储、智能物流以及智慧服务等8大模块,通过数据的链接,各个模块实现了智联互通的全场景运行,形成了从市场接单到最终产品售后服务的全流程“智”造“智”联。
浪潮计算机依托深厚的生产经验及人才资源量身定制智能制造设备和系统,研发设计的“整机柔性智能装配线”“主板自动锁螺丝装备”“硬盘自动热插拔装备”等系统和装备均已达到行业领先水平。以散热器的安装为例,以往散热器与主板对接这道生产工序依靠人工完成,但由于散热器螺钉头仅有小米粒大小,再加上人工扭螺丝的力度不均匀,很容易造成主板线路划伤。工厂通过智能机器人及视觉识别、数据耦合、人工智能等技术,实现了核心器件的精准装配,20秒即可组装好一个散热器,效率提升30%,误差可以控制在0.06毫米以内。负责服务器产品生产的一线工人表示,智能化的制造设备使工人由单纯的产品制造者演变为产品的监管者,无论是生产的速度还是产品的质量都有了大幅提升。
一台整机产品制作完成后,依托条码识别、视觉检测、激光传感器等全方位智能控制技术的AGV智能小车承担起了产品搬运与数据传递的职责,它将组装工序的数据传递给测试系统,免去了全流程的人工扫描步骤。在AGV智能小车将整机搬运至压力测试线后,工作人员只要连接线路,数据后台就能够向相应产品发出测试指令,对其实施6到48小时的高负载运行,以此检验产品的合格率,剔除异常设备器件。相较以往,在AGV智能小车与智能装配机器人、智能分拣机器人、智能锁附机器人与智能巡检机器人的数字化协同作用下,工厂的质量诊断准确率提升了18%。
通过从顶层设计到生产与检验过程的全流程数智化改造,浪潮计算机智能工厂实现了生产的“高科技、高效能、高质量”。正因如此,浪潮计算机智能工厂与整机产品也获得了“省级智能制造创新创业大赛一等奖”、省级“质量标杆”、“绿色工厂”等官方认可。浪潮计算机副总经理于亮在接受媒体采访时表示,“未来,在智能工厂的基础上,浪潮计算机还将利用最新的数字孪生可视化平台,5G+VR等技术,持续地探索创新应用场景,发挥好标杆示范作用,助力山东省制造业高质量发展。”
好文章,需要你的鼓励
这篇研究论文介绍了"Speechless",一种创新方法,可以在不使用实际语音数据的情况下训练语音指令模型,特别适用于越南语等低资源语言。研究团队通过将文本指令转换为语义表示,绕过了对高质量文本转语音(TTS)系统的依赖。该方法分三个阶段:首先训练量化器将语音转为语义标记;然后训练Speechless模型将文本转为这些标记;最后用生成的合成数据微调大型语言模型。实验表明,该方法在越南语ASR任务中表现出色,为低资源语言的语音助手开发提供了经济高效的解决方案。
《Transformer Copilot》论文提出了一种革命性的大语言模型微调框架,通过系统记录和利用模型训练过程中的"错误日志"来提升推理性能。研究团队受人类学习者记录和反思错误的启发,设计了一个"副驾驶"模型来辅助原始"驾驶员"模型,通过学习错误模式并在推理时校正输出。这一方法在12个基准测试上使模型性能提升高达34.5%,同时保持计算开销最小,展现了强大的可扩展性和可迁移性,为大语言模型的优化提供了全新思路。
德克萨斯大学Austin分校的研究团队提出了RIPT-VLA,一种创新的视觉-语言-动作模型后训练范式。该方法通过让AI模型与环境互动并仅接收简单的成功/失败反馈来学习,无需复杂的奖励函数或价值模型。实验证明,RIPT-VLA能显著提升现有模型性能,在轻量级QueST模型上平均提升21.2%,将大型OpenVLA-OFT模型推至97.5%的前所未有成功率。最令人惊叹的是,仅用一个示范样本,它就能将几乎不可用的模型在15次迭代内从4%提升至97%的成功率,展现出卓越的数据效率和适应能力。
北京大学与华为诺亚方舟实验室研究团队共同开发了TIME基准,这是首个专为评估大语言模型在真实世界场景中的时间推理能力而设计的多层级基准。该研究提出了三个层级的时间推理框架,包含11个细粒度任务,并构建了涵盖38,522个问答对的数据集,针对知识密集型信息、快速变化的事件动态和社交互动中的复杂时间依赖性三大现实挑战。实验结果表明,即使是先进模型在构建时间线和理解复杂时间关系方面仍面临显著挑战,而测试时扩展技术可明显提升时间逻辑推理能力。