在本屆CES上,我們看到了不少最新的高科技玩意兒。
Parrot也帶來了旗下新品,不過這次不是玩具,而是兩款智能的藍(lán)牙設(shè)備——H2O和Pot,它們的共同點就是,都為植物提供了貼心的“按需澆水服務(wù)”。
Parrot Pot:這款產(chǎn)品的外形是一個花盆,身體可容納兩升水,其內(nèi)置了傳感器,能夠測量土壤的肥沃程度、溫度、水分,并在植物缺水的時候通知你。
Parrot H2O:這款相比Parrot Pot,體積更為小巧,可以插在任意花盆的土壤中進行工作,把H2O前半部分插入土壤之后,后半部分有一個可以安裝水瓶的螺紋,其最大可以容納兩升水(與Parrot Pot相同),通過H2O設(shè)備上的軟管可以最多提供連續(xù)3周的自動澆水。
據(jù)悉,在Parrot所提供的數(shù)據(jù)庫中包含了超過8000種的植物,所以設(shè)備可以熟練掌握不同植物每次需要澆水的量,可以說Parrot H2O和Pot是你盆栽的貼身保姆。
好文章,需要你的鼓勵
新加坡國立大學(xué)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(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。
同濟大學(xué)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(xué)習(xí)和數(shù)學(xué)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(xué)研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(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(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。