。
估計就更少了,例如科學界的女性、非洲的女性和亞洲的女性等。
。
這些女性人物卻被忽視,或是被以不成比例的方式在維基百科上呈現(xiàn)。”
”
”人工智能模型,該模型可以自動研究并創(chuàng)建一些重要人物的高質(zhì)量傳記文章。
,附上引證信息的來源。最終達到涵蓋維基百科傳記所需要的所有元素,如傳記人物的早期生活、教育和職業(yè)。
,也就是非事實的內(nèi)容;此外在語義方面,AI的連貫性和邏輯也有些力不從心。
橘色文本則表示幻覺,是由模型腦補,無法被驗證的資訊。
,人類研究員或作家可以根據(jù)這些信息迅速上手并完成這篇文章。
跨性別和二元性別人物的傳記,往往長度更長,但是大部分章節(jié)都是描寫個人生活,而非個人成就。
為了改進該模型,Meta還發(fā)布了一個數(shù)據(jù)集,數(shù)據(jù)集可用于評估該模型基于1527份來自“邊緣化群體”的女性傳記中的表現(xiàn)。Meta表示,這些數(shù)據(jù)可用于訓練該模型的迭代并評估模型的性能。
撰文 | 海外來電
海外來電
來源 | SiliconANGLE
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(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,僅訓練AI玩簡單撲克游戲就能讓其數(shù)學推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學題目作為訓練材料。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)學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(fā)的GIGA-ToF技術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。該技術利用圖像間的不變幾何關系,結(jié)合深度學習和數(shù)學優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領域提供更可靠的3D視覺解決方案。
伊利諾伊大學研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學習訓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,通過動態(tài)稀疏性實現(xiàn)大語言模型訓練加速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練效率,已在多個任務上驗證有效性。
科技行者旗下編譯團隊,聚焦海外新技術、新觀點、新風向。