CNET科技資訊網(wǎng) 12月22日 北京消息(文/齊豐潤): 新媒體時(shí)代下,“內(nèi)容為王”已逐漸成為主流,不論對于什么行業(yè)來說都是如此。而在汽車資訊領(lǐng)域之中,一直以來的千篇一律的文章內(nèi)容,也讓讀者逐漸感到乏味,失去興趣。那么如何讓資訊變得更有價(jià)值,優(yōu)信集團(tuán)走出了大膽的一步。
12月20日,“車伯樂(CarPro)”正式對外發(fā)布,作為一個(gè)汽車資訊互動(dòng)社區(qū)平臺,“車伯樂”將內(nèi)容與社交融合,變的更符合當(dāng)下用戶群體的口味,讓人們從身邊人了解到汽車產(chǎn)品的真實(shí)體驗(yàn),以及海量的前沿資訊。
車伯樂創(chuàng)始人兼CEO戴琨表示:“車伯樂將堅(jiān)持致力于以用戶為中心的戰(zhàn)略,無論是從產(chǎn)品功能還是從使用體驗(yàn)上,都史無前例的緊密貼合用戶的實(shí)際需求。”在戴琨看來,車伯樂的發(fā)布實(shí)際上是優(yōu)信集團(tuán)為了建立健康汽車生態(tài)的一項(xiàng)重要布局。其目的在于既讓人人都可以更自由發(fā)聲,也讓大眾得到更透明的汽車資訊。
據(jù)介紹,車伯樂利用自身大數(shù)據(jù)能力和技術(shù)手段,加強(qiáng)用戶在產(chǎn)品交互層面的體驗(yàn)感,并與其輕社交體系相結(jié)合,營造一個(gè)多元化的社交環(huán)境。據(jù)悉,車伯樂還運(yùn)用行業(yè)領(lǐng)先的機(jī)器學(xué)習(xí)算法,根據(jù)數(shù)據(jù)分析出用戶的使用習(xí)慣和興趣點(diǎn),為用戶提供精準(zhǔn)內(nèi)容推送。
而在加強(qiáng)社交化方面,車伯樂首創(chuàng)的3D全景內(nèi)容發(fā)布與瀏覽方式,可以360度全方位展示汽車細(xì)節(jié)。此外,用戶還可通過車伯樂獨(dú)家定制的汽車專用濾鏡,隨時(shí)隨地“一鍵美化”,為愛車拍出大片的既視感。
作為媒體平臺,車伯樂自然要更加專注于優(yōu)質(zhì)內(nèi)容的發(fā)掘。據(jù)介紹,目前車伯樂簽約了包括陳震,韓岳,許群,夏東在內(nèi)的眾多汽車界大咖,并聯(lián)合出品了多檔汽車類欄目。此外,戴琨還在現(xiàn)場宣布,未來將投放2億人民幣在“伯樂號”上,打造健康的內(nèi)容生態(tài)。
從進(jìn)軍媒體平臺的舉措我們不難看出,優(yōu)信集團(tuán)希望通過車伯樂,為用戶創(chuàng)造了一個(gè)獲取和分享汽車資訊優(yōu)質(zhì)平臺,并搭建一個(gè)便于二手車用戶決策的入口,同時(shí)也為優(yōu)信集團(tuán)在汽車產(chǎn)業(yè)鏈做更多的嘗試提供了可能。
好文章,需要你的鼓勵(lì)
新加坡國立大學(xué)研究團(tuán)隊(duì)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(shí)驗(yàn)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(duì)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(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視覺解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過對比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(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(dòng)態(tài)稀疏性實(shí)現(xiàn)大語言模型訓(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。