CNET科技资讯网 4月28日 北京消息(文/齐丰润): 今日,GMIC 2016正式在北京开幕,开幕仪式上,中关村发展集团总经理周云帆作了致辞演讲,他表示,“据统计2015年仅在这一年里面,中关村新创办的科技型企业达到了2.1万余家,很大一部分都是“互联网+”的企业。中关村的建设目标是到2020年要建设成为具有全球影响力的科技创新中心。”
尊敬的刘印春副秘书长,王灏区长,各位领导、各位来宾,女士们、先生们,大家上午好,非常高兴作为大会的致词单位参加今天的北京GMIC全球移动互联网大会,互联网是人类最伟大的发明之一,中关村作为我国最早和最大的科技园区,在中国互联网和移动互联网的版图上占据着重要位置。
习近平总书记指出中关村已经成为中国创新发展的一面旗帜,据统计2015年仅在这一年里面,中关村新创办的科技型企业达到了2.1万余家,很大一部分都是“互联网+”的企业,截止到去年年底,中关村有2500多家企业年收入超过一亿元人民币,有境内外上市公司281家,其中很重要一部分就是以百度,包括小米、滴滴、美团等领军的互联网企业为代表的企业。此外,中关村还拥有软件园、上地信息产业基地等,快速增长的互联网企业实力和完善的产业聚集,为中关村示范区的建设和互联网领域的创新提供了精彩的典范。
中关村的建设目标是到2020年要建设成为具有全球影响力的科技创新中心,这就要求中关村用发展和世界的眼光来谋划创新发展新格局。我所在的中关村发展集团是北京市国企,也是北京市市委市政府推动中关村发展、市场化配置资源的主体平台。集团不仅是建设具有全球影响力的科技创新中心的实施者,更是主力军,在坚持打造高精尖扶植中小微企业重任的同时,集团也实现快速发展。
自2010年成立以来,经过五年的努力,中关村发展集团实现三个千亿的目标,总投资的规模达到1018亿,我们投了1100多个科技型的企业,创业企业提供的融资达到了1263亿,可以说发展集团五年的建设和发展在中关村发展史上写下了浓墨重彩的篇章。
展望下一个五年,在“十三五”规划建设中,我们将紧紧围绕首都科技建设中心,中关村具有影响力的科技创新钟表,按照三项标准、四大贡献的战略要求,既坚持北京市推动中关村发展的市场化配置资源的主体平台的战略地位,坚持示范区和集团同步发展的双维战略目标,坚持以推动中关村的领军企业,成为世界级的大企业,推动中关村产生世界水平的科技创新成果,以及推动中关村成为世界一流的创业创新中心三项标准。
努力为首都构建高精尖经济结构,构建一核多中心的平台,助力京津冀协同发展和推动大众创业、万众创新做出重要贡献。
其中面对席卷世界的创新创业浪潮,早在2012年发展集团就开始了海外布局,我们在美国硅谷建立了7000多平米的中关村硅谷创新中心,为中关村的企业全球化布局和孵化硅谷一流的空间,我们和知名教授张首晟联合成立了丹华基金,其中在过去两年的时间里投了30多个项目,很大程度是跟移动互联网有关的。我们在全力推动中关村的国际化。
作为发源北京的全球移动互联网大会近几年来已经成为了国际性的平台,为国内企业走出去,国际先进的企业引进来架建了畅通的渠道,我们支持保持硅谷站在内的移动互联网大会,我们希望在我们的共同努力下,能够充分发挥中关村移动互联网产业的优势,积极打造中关村的创新、创业生态,从而推动中关村的创新事业继续向前迈进。为中关村建设成为具有全球影响力的科技创新中心贡献我们的力量。
谢谢大家!
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。