一周70小時的高頻工作,對于UC移動事業(yè)群CEO、阿里巴巴戰(zhàn)略決策委員會成員俞永福來說,除了源自業(yè)務(wù)驅(qū)動的初心之外,更多的是來自未來的未知和變量。
圖為UC移動事業(yè)群CEO、阿里巴巴戰(zhàn)略決策委員會成員俞永福
今日,在第二屆Tizen開發(fā)者峰會上,俞永福透露,未來互聯(lián)網(wǎng)領(lǐng)域有三件事激勵他:
第一件事是國際化。中國企業(yè)走向全球的途徑中,移動互聯(lián)網(wǎng)是個很好的門路。
第二是移動搜索。“未來5年整個移動搜索非文本輸入超過50%,移動互聯(lián)網(wǎng)帶給我們巨大想象空間。”俞永福近一步說道。
第三就是LBS。俞永福表示,也許每個人需要的移動終端服務(wù)并不多,但出行服務(wù)是卻是不可少的。
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(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。實驗顯示,僅訓練AI玩簡單撲克游戲就能讓其數(shù)學推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學題目作為訓練材料。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)學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(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)合深度學習和數(shù)學優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學習訓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際提升推理準確率。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等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓練加速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練效率,已在多個任務(wù)上驗證有效性。
關(guān)注科技創(chuàng)新、技術(shù)投資。
以文會友,左手硬核科技,右手浪漫主義。