6月18日,2021年全国职业院校技能大赛高职组“神州数码DCN杯”信息安全管理与评估赛项开幕仪式在山东省的聊城职业技术学院盛大举行。仪式现场,按照“一省一队”原则从市赛、省赛脱颖而出的来自全国各地院校的30支参赛队伍,齐聚一堂。6月19日-20日,两天赛程期间,参赛队伍将于国赛场地同场竞技,尽显新一代网络安全人才的风采。
继5月20日-21日成功支持2021全国职业院校技能大赛中职组“网络搭建与应用”赛项后,神州数码连续第十年为高职组“信息安全管理与评估”赛项提供技术、设备、现场等多方面的支持,以专业的技术服务能力、领先的基础设施产品,助力高职学子们在实践中砥砺所学、在竞赛中成就梦想。
携手国赛十年,产教融合,打造职业人才培养标杆
作为中国职业教育的亮丽品牌,5月20日开幕的2021全国职业院校技能大赛共设置102个赛项,基本覆盖专业大类和全国绝大多数省份,赛程安排直至六月底。6月19日,高职组“信息安全与评估”赛项正式开赛。
聚焦新形势下的网络空间安全,此次高职组赛程,重点考察参赛选手安全网络组建、网络系统安全策略部署、按照等级保护要求进行系统加固与信息保护、网络安全运维管理等综合实践能力,并在传统的平台搭建、设备配置等由各队自主进行的考核内容之外,设置了对抗演练环节,由参赛队伍进行分组安全攻防,以帮助选手们在实战中检验所学、树立“行行出状元”的职业自信,为将来成长、成才打下更为坚实的基础。
这样的赛程安排,不仅对学生综合能力和知识点的考核更为全面,对赛项支持方的技术能力和技术保障也提出了更高的要求。能够十载携手该赛项提供专业支持,得益于神州数码二十年如一日,坚持“产教融合”,助力人才培养的不懈努力和丰硕积累。
多年来,神州数码立足企业自身的资源优势,不断深化校企合作,帮助校方实现更加贴合产业生态、吻合实际生产需求的技术技能课程设置;同时坚持“以赛促教”、“以赛促学”,推动“课赛证”贯通,以高规格的比赛,检验技术技能人才培养成果。2020年,“1+X”证书制度试点工作启动,神州数码成为第四批职业教育评价组织之一。2021年3月,由神州数码牵头制定的《网络系统软件应用与维护职业技能等级标准》(2021年1.0版)正式发布,为相关技术技能人才培训、职业技能等级评定,提供了标准化参考。近期,神州数码也成功上榜“国家发改委产教融合型试点企业名单”、“北京市第一批产教融合型企业建设培育试点名单”、“上海市第二批产教融合型试点企业名单”,助力产教融合培训职教人才的成果再获肯定。
开幕仪式现场,神州信创集团副总裁陶然发表了致辞。他表示,在“十四五”开局之年,习近平总书记对职业教育工作作出重要指示,从“人人出彩”到“大有可为”,对职业教育高质量发展提出新的希望;也让以神州数码为代表的、矢志推动职业教育更好更快发展的同路人,倍感使命在肩。今年是神州数码作为技术协办方为高职组“信息安全管理与评估”赛项提供支持的第十个年头。十年间,神州数码坚持“以赛促教、以赛促学”、“产教融合、校企合作”,希望能够以高规格的赛事和高标准的技术支持,帮助广大高职学子更好地在实践中检验所学,为他们毕业之后顺利就业,实现自身价值护航。
深耕职教二十年,助力教育数字化建设
在即将于19日上午,与首日赛事同期举办的职教行业论坛上,针对多样性算力时代下,职教行业数字化建设与发展,神州数码技术专家将与全国各参赛高职院校的指导教师、领队及各省教育厅大赛相关人员展开深入探讨。
在赋能教育数字化建设方面,神州数码成果颇丰。以神州数码承建的江苏信息职业技术学院实训基地为例,目前,神州数码已帮助该学院建设覆盖网络基础实训,网络组建实训、网络攻防实训三个层次的实训基地,并以虚拟化技术为基础构建一个实训平台硬件功能相匹配的安全实训系统,以课程内容为核心,集知识培训、技能训练、仿真演练、科研测试、攻防对抗、竞赛比武、管理考核于一体,满足学生从基本功训练,到综合安全技能训练、信息安全专业人才需求实训的各类需求。同时,通过相对独立的实验设备控制权限设置,每个小组可以在在不干扰其他实验小组工作的前提下,独立控制自己的实验设备,大幅提高了平台实训设施的利用效率。
同时,面对正处于发展中的多样性计算产业,神州数码以自有品牌“神州鲲泰”系列产品及解决方案,为校方开启面向多样性算力的深度布局提供参考,加快推进教育领域的“新基建”发展。
未来,神州数码将继续立足自身深厚的自主研发能力积淀、行业领先的产品及服务水平,赋能教育行业数字化转型,以扎实的行业经验、优质的产品和服务,持续为职业教育的发展贡献力量。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。