亞馬遜獲得的一份題為“預(yù)期發(fā)貨的系統(tǒng)和方法”專利文件顯示,未來亞馬遜將通過大數(shù)據(jù)對用戶購買行為進(jìn)行分析,實(shí)現(xiàn)在他們購物尚未下單前,提前發(fā)出包裹,以節(jié)約網(wǎng)購時間。
此前,亞馬遜曾暗示,公司將很快利用無人機(jī)向用戶發(fā)送網(wǎng)購家居用品。而目前亞馬遜最新專利暗示的技術(shù)則更為離奇:在用戶為購買之前,亞馬遜將根據(jù)數(shù)據(jù)分析、熟悉用戶偏好,提前將物品運(yùn)往離你不遠(yuǎn)的貨運(yùn)中心。一旦用戶下單、購買,亞馬遜將在最短時間內(nèi)將訂購物品送達(dá)。
亞馬遜在專利文檔中表示,從下單到收貨之間的時間延遲可能會降低人們的購物意愿,進(jìn)一步阻礙了用戶的網(wǎng)上購物活動。
亞馬遜利用大數(shù)據(jù),從用戶之前的購買行為中,分析并預(yù)測用戶接下來會覬覦什么電子產(chǎn)品或美容產(chǎn)品,而后在他們實(shí)際購物前,將包裹發(fā)出,而這些包裹通常會暫存在離用戶不遠(yuǎn)的大倉庫里。但亞馬遜并在專利中,并未透露這項新技術(shù)可能縮短的配送時間。
該專利甚至建議,亞馬遜可能向用戶免費(fèi)送出一些小禮品,即使用戶沒有點(diǎn)擊購買。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團(tuán)隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實(shí)驗顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團(tuán)隊通過對比實(shí)驗發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強(qiáng)于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實(shí)現(xiàn)大語言模型訓(xùn)練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗證有效性。