科技行者 3月6日 北京消息: 近期,民航局公布《航班正常考核指标和限制措施》(简称“新措施”)印发后第一批接受批评和处罚的名单,对部分按新措施考核条件不达标的运营单位实施停止受理加班、包机及新增航线申请。此次处罚所依据的新措施为民航局于2017年12月印发,已于2018年1月1日开始实施,新措施旨在着力构建以考核机制为核心的航班正常政府监督管理体系,激发企业内生动力,增强各单位做好航班正常工作的自觉性和主动性。
据悉,与去年相比,新措施对航司、机场、空管等相关单位提出了更为详细的量化考核标准和具体处罚条例,包括明确对旅客吞吐量3000万人次以上机场的整改和建设要求。若这些大型机场连续两月始发航班起飞正常率低于75%且排名最后,地区管理局须向民航局提出该机场始发航班结构调整方案,与此同时,新措施更将国内机场A-CDM(机场协同决策系统)建设正式纳入考核指标。文件要求,针对旅客吞吐量3000万人次以上机场若在2018年12月31日之前未完成A-CDM系统建设或者未与运行监控中心运行数据共享平台以及空管CDM(协同决策系统)实现对接的单位,民航局将停止受理该机场客运加班、包机和新增航线航班申请。而针对旅客吞吐量1000-3000万人次的机场,也应在2019年年底完成A-CDM系统建设。
据民航局数据显示,2017年,我国民航累计周转总量实现12.5%的同比增幅,全年累计旅客运输量同比增长13%。新时代民航业的迅速发展对各民航运营实体在效率上提出了更高要求,坚持“稳中求进”并全面推进航班正常化一直牵动着各方的关注。民航局局长冯正霖曾强调:“正确处理好安全与正常的关系,要体现在技术手段的有力支撑上。要进一步完善优化流程,推进运行方式、管理方式创新,要抓紧研究解决CDM系统存在的突出问题,全面铺开A-CDM系统建设。”
作为国内领先的航空数据服务商,飞常准近年积极参与到A-CDM系统的建设中,目前已与包括昆明长水、贵阳龙洞堡、上海浦东、绵阳、珠海等国内机场在内的81家国内外机场建立合作。作为年旅客吞吐量破7千万人次的枢纽机场,上海浦东国际机场基于去年的运营状况已进行了积极调整,至2018年1月放行正常率达84.89%,同比增长17.94%,2018年春节7天假期,面对攀升的客流量和冷空气、雨雪等不确定因素的挑战,上海浦东国际机场出港正常率达89.17%,同比增长15.99%(2017年同期为73.18%)。浦东机场于2017年年初与飞常准进行合作并上线“浦东准点”机场智慧协同运行系统(A-CDM),从通过与空管开展数据对接,配合华东CDM打通信息渠道,到数据融合提高航班正常率,“浦东准点”A-CDM系统已在减少预计到达误差、减少信息传递时间、优化机位冲突预警以及提高CDM时间执行率对浦东机场进行了运行优化。
在国际上,A-CDM这一被喻为“智慧机场大脑”的系统平台因其能帮助长期复杂的民航管理工作在信息通畅、协同联动以及快速处置方面提供高效赋能,已被国际民航组织(ICAO)定义为最具发展前景的机场优化解决方案之一。在新措施的引导下,未来将有越来越多的国内机场进行智能优化,而A-CDM系统也势必将为民航管理方和使用方带来更多价值。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了SPIRAL框架,通过让AI与自己对弈零和游戏来提升推理能力。实验显示,仅训练AI玩简单扑克游戏就能让其数学推理能力提升8.6%,通用推理提升8.4%,且无需任何数学题目作为训练材料。研究发现游戏中的三种推理模式能成功转移到数学解题中,为AI训练提供了新思路。
同济大学团队开发的GIGA-ToF技术通过融合多帧图像的"图结构"信息,创新性地解决了3D相机噪声问题。该技术利用图像间的不变几何关系,结合深度学习和数学优化方法,在合成数据集上实现37.9%的精度提升,并在真实设备上展现出色泛化能力,为机器人、AR和自动驾驶等领域提供更可靠的3D视觉解决方案。
伊利诺伊大学研究团队通过对比实验发现,经过强化学习训练的视觉语言模型虽然表现出"顿悟时刻"现象,但这些自我纠错行为并不能实际提升推理准确率。研究揭示了AI模型存在"生成-验证差距",即生成答案的能力强于验证答案质量的能力,且模型在自我验证时无法有效利用视觉信息,为AI多模态推理发展提供了重要启示。
MIT等顶尖机构联合提出SparseLoRA技术,通过动态稀疏性实现大语言模型训练加速1.6倍,计算成本降低2.2倍。该方法使用SVD稀疏性估计器智能选择重要计算部分,在保持模型性能的同时显著提升训练效率,已在多个任务上验证有效性。