CNET科技資訊網(wǎng) 11月15日 北京消息:11月15日北上廣的地鐵、航班、順風(fēng)車丟下了10000本書,你會(huì)撿到哪本?這些書會(huì)遭遇什么?這是新世相發(fā)起在北京、上海、廣州三地的“丟書大作戰(zhàn)”。
新世相將準(zhǔn)備3000本書,分別“丟”到北上廣三城的滴滴順風(fēng)車中。讀者可以免費(fèi)閱讀它。讀完后,再放回滴滴順風(fēng)車或其它交通工具上,讓更多人遇見(jiàn)它。“分享,讓知識(shí)在順風(fēng)行程中流動(dòng)。”這是一場(chǎng)會(huì)持續(xù)進(jìn)行的讀書分享活動(dòng)。
分享的每本書都經(jīng)過(guò)特別加工:封面上貼有“丟書大作戰(zhàn)”的醒目書貼及活動(dòng)簡(jiǎn)單說(shuō)明; 扉頁(yè)貼有每本書專屬的獨(dú)立二維碼,掃碼可進(jìn)入該書對(duì)應(yīng)的專屬漂流軌跡,每一個(gè)讀到這本書的讀者都可以查看漂流軌跡和前續(xù)讀者的留言。
“丟書大作戰(zhàn)”源于英國(guó)倫敦的公益組織Books On The Underground。而讓這個(gè)圖書分享活動(dòng)火爆的真正原因是《哈利·波特》中扮演的女神學(xué)霸赫敏的英國(guó)女演員艾瑪·沃特森(Emma Watson)。艾瑪·沃特森在今年成立的婦女權(quán)益讀書會(huì)聯(lián)合Books On The Underground發(fā)起讀書分享活動(dòng)。希望大家利用通勤的時(shí)間讀會(huì)兒書,為了激起大家的讀書欲望,她就把書籍藏在了地鐵里,還在書中附上親自手寫的紙條,讓大家像玩游戲般自己去尋找。作為學(xué)霸的艾瑪成為Books On Th e Underground最佳代言人,10年時(shí)間,她不僅拍了8部《哈利·波特》,學(xué)習(xí)成績(jī)更是一騎絕塵。在英國(guó)普通中等教育證書考試中,她拿到8個(gè)A+和2個(gè)A。2009年又同時(shí)被劍橋大學(xué)圣三一學(xué)院、牛津大學(xué)和布朗大學(xué)錄取。
丟書活動(dòng)從倫敦蔓延到紐約,現(xiàn)在又蔓延到中國(guó)。在中國(guó)不少作家、名人都加入到“丟書大作戰(zhàn)”中。蔡崇達(dá)、李銀河、樂(lè)嘉、辛夷塢、安意如、顧西爵、張曉晗等作家都紛紛分享了自己的愛(ài)書。
滴滴順風(fēng)車事業(yè)部總經(jīng)理黃潔莉表示,我們希望借助書的分享,重新找回讀書的樂(lè)趣和激情,讓更多的人感受分享是一件如此美好的事情。
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。