新加坡物流公司圣淘沙物流 (ST Logistics) 与联想展开合作,通过新的仓库执行系统和人工智能算法,实现仓储设施关键流程的自动化。
该仓库执行系统旨在优化仓库内货物流动,自动规划最快捷、最安全的货物运输路线,以加快订单履行速度。
此外,联想的高性能计算系统 (包括 ThinkSystem 服务器) 将为人工智能算法提供算力支持,这些算法用于优化货物存储,优先处理可立即发货的商品,提高其可访问性。
ST Logistics 国土安全运营副总经理 Lance Ong 表示:"通过会议和实地考察,联想清楚地了解了我们的目标,并提供了远超硬件和软件的解决方案。他们的支持和生态系统带来了切实的成果,我们始终可以信赖他们。这种坚实的基础支撑着我们成功的合作关系。"
除了技术实施外,该合作还将致力于提升 ST Logistics 员工的技能水平,确保员工具备操作新仓库执行系统所需的技能,突显了即使在高度自动化的环境中,人工监督和互动的重要性。
鉴于制造业对新加坡 GDP 的巨大贡献,这项计划尤为重要。作为第二大贡献者,制造业在国家经济韧性和人才发展中发挥着重要作用。
联想表示,与 ST Logistics 的合作也符合新加坡经济 2030 愿景,该愿景优先考虑贸易、企业、制造业和服务业。通过创建更高效、可持续的供应链生态系统,这项合作有望在区域范围内提升新加坡的竞争力。
联想新加坡总经理 Nigel Lee 表示:"与 ST Logistics 的合作对联想来说是一个关键时刻。我们一直走在人工智能技术的前沿,通过将我们的解决方案整合到 ST Logistics 的供应链流程中,我们不仅是在优化物流,更是在开创智能和可持续供应链的新时代。"
好文章,需要你的鼓励
北京交通大学与西蒙弗雷泽大学联合研发的混合神经-MPM方法实现了实时交互式流体模拟。该方法巧妙结合神经物理学与传统数值求解器,在低时空分辨率下运行神经网络并设置保障机制自动切换到MPM,显著降低计算延迟同时保持高保真度。团队还设计了基于扩散模型的控制器,支持用户通过简单草图直观控制流体行为,为游戏、VR和设计领域提供了实用解决方案。
这项研究介绍了EgoZero,一种创新的机器人学习系统,能够仅通过Project Aria智能眼镜捕获的人类示范数据,训练出零样本迁移的机器人操作策略。研究团队提出了一种形态无关的状态-动作表示方法,使用点集来统一人类和机器人数据,并开发了从原始视觉输入中提取准确3D表示的技术。在没有任何机器人训练数据的情况下,EgoZero在7种真实世界操作任务上实现了70%的成功率,展示了强大的泛化能力,为解决机器人学习中的数据瓶颈问题提供了新思路。
FLAME-MoE是卡内基梅隆大学团队开发的首个全透明混合专家语言模型研究平台,包含7个规模从3800万到17亿活跃参数的模型。它采用每层64位专家、top-8选择和2位共享专家的架构,公开所有训练数据、代码和检查点。实验显示,FLAME-MoE比相同计算量的密集模型提升3.4个百分点,并揭示了三个关键发现:专家逐渐专注于特定词汇子集,专家协同激活保持稀疏多样,路由行为在训练早期就趋于稳定。这一平台为MoE模型的系统研究提供了前所未有的开放基础。
这篇论文介绍了ModernGBERT,一个由维尔茨堡大学研究团队开发的高性能德语编码器模型家族(1.34亿和10亿参数版本)。研究将ModernBERT的创新架构应用于德语,同时通过LLM2Vec方法将德语解码器模型转换为编码器以进行对比研究。在SuperGLEBer和MTEB等基准测试中,ModernGBERT 10亿参数模型不仅超越了之前最先进的德语编码器,还在性能和参数效率方面优于转换后的编码器。研究团队还证明了更大模型能有效利用大规模单语语料库,为德语自然语言处理提供了全透明、高性能的资源。