CNET科技资讯网 3月7日 北京消息(文/周雅):昨天下午,5家来自法国数字领域的创新型企业代表在北京中关村大街开始路演,这标志着法国商务投资署(Business France)和法国国家投资银行(Bpifrance)一起举办的2017年度“中法创新加速器Impact China”项目开始启动了。
这是继去年“中法创新发现之旅French Tech Tour China”之后,中法两国创新型初创企业的又一年切磋。
自2015年以来,“中法创新发现之旅French Tech Tour China”和“中法创新加速器Impact China”系列活动一直受到北京中关村管委会的支持:
2015年11月,中关村创业大街就和法国商务投资署在“中法创新加速器”活动中合作;2016年10月, 中关村创业大街大企业开放创新联盟成立,法国电信、法国电力成为首批会员;2016年10月底,中关村创业大街作为北京唯一创新创业服务机构受邀参加中法地方政府高层合作论坛;2016年11月2号,中关村创业大街和法国巴黎大区企业发展局共同举办了中法科技创新合作交流会;2016年11月4日, 法国商务投资署、法国国家投资银行在北京中关村创业大街联合举办“中法创新发现之旅”,法国11家创新型初创企业现场进行了创新路演。
每年的这个时候,在创业大街,越来越多法国初创企业和合作伙伴、中国资本家、中国企业坐在一起,给业界传递出一个信号:这片与西方商业模式有着很大不同的中国市场,给西方企业一个良好的创业环境。
再看此次“中法创新加速器Impact China” 项目,是面向“法国科创la French Tech”中的数字创新公司,尤其针对那些发展已趋于成熟、优先考虑在中国市场发展的创新型企业。
“此次项目不同于往届,这些企业不会仅限于通过在华做市场调研而摸索入驻中国的可能性,而是多次、中长期停留,以求真正进入中国市场。”法国驻华大使馆商务投资参赞、法国商务投资署中国区主任白幻德 (Philippe Bardol)强调。
该项目第一阶段启动仪式在盛景国际创新孵化器举行,由新加入的合作伙伴“盛景网联”协助路演。从3月6日开始,这5家公司将跟随项目来到北京、上海、深圳/广州和香港,进行为期5周、3个阶段的密集型“加速”之旅,频繁并深入接触当地企业、投资人、合作伙伴等。
在整个过程中,法国商务投资署和法国国家投资银行的专业团队会根据每一家企业对中国市场的需求,为其量身打造专属项目计划,让他们更加精准地定位中国市场,以中国市场和中国资本能够理解的方式,向中国企业和潜在合作伙伴传递项目价值。在中国,该项目则能够依托法国商务投资署分布在中国7个城市的专业团队得到进一步开展。
此次入选的5家企业此前都已不同程度地接触过中国市场,它们的专有技术涉及多气体分析、近距离交互、高度智能软件开发等,可应用领域覆盖工业、环境、航空、酒店、文化场所等。
这5家分别为:智能软件工具开发商A2iA公司、企业级软件解决方案提供商Antidot公司、开发和制造新一代微型多气体分析仪的APIX Analytics公司、软件开发商OpenAirlines公司、软硬件提供商Ubudu公司。曾获得盛景全球创新大奖的中国SaaS公司EventBank捷会易也加入路演展示。
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。