Uber即將收購微軟必應(yīng)的部分資產(chǎn),包括專注于必應(yīng)圖片收集的約100名員工。換句話說,Uber從微軟獲得了大量數(shù)據(jù)收集工程師,以加強自己的地圖服務(wù)。
微軟和Uber已確認(rèn)了這筆收購,但兩家公司都沒有透露交易條款??紤]到兩家公司的規(guī)模,這筆交易不會在財務(wù)方面帶來較大的影響,而其中的技術(shù)轉(zhuǎn)移更值得關(guān)注。
Uber的應(yīng)用本質(zhì)上是帶插件的地圖,因此Uber希望獲得這一領(lǐng)域的工程師并不出人意料。另一方面,微軟可能也希望減少非核心產(chǎn)品的研發(fā)力量。
過去多年中,微軟一直表示不會出售必應(yīng)業(yè)務(wù)。對于這筆交易,微軟表示,必應(yīng)搜索仍是微軟家族的重要一員,但必應(yīng)的其他服務(wù)并非如此。
這筆交易也反映了Uber的目標(biāo)。如果沒有特定的計劃,科技公司不可能一次性收購100名專注于同一領(lǐng)域的工程師。此前在微軟,這些工程師主要負(fù)責(zé)將圖像數(shù)據(jù)導(dǎo)入必應(yīng),給必應(yīng)地圖帶來了3D、航拍和街景圖片??梢韵胂?,Uber也將提供類似的功能。
微軟和Uber均表示,這筆交易中一些“資產(chǎn)”將會轉(zhuǎn)移。不過兩家公司拒絕透露具體是什么樣的資產(chǎn)。業(yè)內(nèi)人士猜測,微軟將把圖片集出售給Uber,但微軟仍將獲得這些圖片的授權(quán)。此外,微軟還將把部分知識產(chǎn)權(quán)出售給Uber。
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(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(jī)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。