北京時(shí)間2月3日消息,據(jù)國(guó)外科技網(wǎng)站The Verge報(bào)道,美國(guó)打車應(yīng)用Uber周二啟用了新Logo:原來(lái)由字符“U”組成的黑白相間Logo不見(jiàn)了,取而代之的是一個(gè)采用柔和顏色的環(huán)裝圖案,而且Uber的新Logo因地區(qū)不同,顏色上存在差異。
Uber新Logo
在Uber官方網(wǎng)站發(fā)布的視頻中,公司將新Logo上的正方形圖案正中視為一個(gè)“圓點(diǎn)”,而且這個(gè)“圓點(diǎn)”貫穿Uber整個(gè)Logo更新視頻介紹。Uber打算關(guān)注中間的這個(gè)“圓點(diǎn)”,意即隨著時(shí)間的推移,Uber能夠很輕松地將其他服務(wù)添加到當(dāng)前的產(chǎn)品上。當(dāng)前Uber正在打車臨近服務(wù)領(lǐng)域大肆拓展,比如進(jìn)軍外賣快遞服務(wù)領(lǐng)域,而Uber啟用新Logo,似乎更好地詮釋了其服務(wù)延伸意圖。
Uber CEO特拉維斯·卡蘭尼克(Travis Kalanick)對(duì)此表示,新Logo看上去更接地氣,更加嚴(yán)肅;而且新Logo有助于用戶從遠(yuǎn)處辨識(shí),特別是在一些小地方;此外,新Logo看上去很大氣,讓人感覺(jué)Uber已經(jīng)是一家成熟的公司。新Logo擯棄了原來(lái)單一的黑白色彩元素,取而代之采用了柔和顏色,而且新Logo的顏色會(huì)因地區(qū)不同而存在差異。卡蘭尼克還稱,采用新的品牌策略“是為了祝福我們的技術(shù),以及我們所服務(wù)的城市”。
原Uber Logo
為了創(chuàng)作新Logo,“Uber團(tuán)隊(duì)花費(fèi)數(shù)月時(shí)間,對(duì)我們所開(kāi)展運(yùn)營(yíng)國(guó)家(中國(guó)、愛(ài)爾蘭、墨西哥、愛(ài)爾蘭、格魯吉亞、尼日利亞以及其他一些國(guó)家)的建筑結(jié)構(gòu)、紡織面料、風(fēng)景、藝術(shù)、時(shí)尚、人物進(jìn)行了研究,從而使新Logo風(fēng)格更符合當(dāng)?shù)赜脩衾砟睿?rdquo;卡蘭尼克補(bǔ)充說(shuō)。
好文章,需要你的鼓勵(lì)
新加坡國(guó)立大學(xué)研究團(tuán)隊(duì)開(kāi)發(fā)了SPIRAL框架,通過(guò)讓AI與自己對(duì)弈零和游戲來(lái)提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡(jiǎn)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(wú)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(duì)開(kāi)發(fā)的GIGA-ToF技術(shù)通過(guò)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(wèn)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(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺(jué)解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過(guò)對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過(guò)強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺(jué)語(yǔ)言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)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(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無(wú)法有效利用視覺(jué)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(guò)動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語(yǔ)言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。