其实之前我们就在通信展上见过中兴的My Drive和Nuance技术,不过当时并没有引起我们的关注,现在终于发现原因了,是车不够高端大气上档次,在高帅富云集的CES2014上,中兴再次展示了这项技术,从通信展上使用的零售价1万多人民币小车换成了台土豪车之后,这个技术也一下感觉气质上去了,所以说,队友的重要性再次凸显。
My Drive技术主要是在利用手机平板,实现全面的语音控制,在驾驶汽车的时候,驾驶员不需要在分心在手机操控上,说话就可以控制一些常用操作,比如通过语音指令接听和拨打电话,收听新短信等,成功解放了驾驶者的双手;专业的离线导航软件,能让用户快捷设置导航目的地,查找周边停车场;免打扰模式让新的来电转接到语音信箱或通过拒接短信回复;而语音音乐播放控制则可随意报上歌曲的名称,就可播放手机里相应的歌曲,同时还可语音指令“上一首”、“下一首”或“随机播放”等。
My Drive技术的主要价值在于,能够帮助驾驶员将主要精力集中在路面上,而不用分心到导航或者手机上。
另外,换了台车之后,现场想要体验My Drive的观众比较多,由于现场只有一台车做演示,出于时间方面的考虑,加上中兴又是国内尝试,我们将在回国之后力求为大家带来My Drive的详细体验感受。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了SPIRAL框架,通过让AI与自己对弈零和游戏来提升推理能力。实验显示,仅训练AI玩简单扑克游戏就能让其数学推理能力提升8.6%,通用推理提升8.4%,且无需任何数学题目作为训练材料。研究发现游戏中的三种推理模式能成功转移到数学解题中,为AI训练提供了新思路。
同济大学团队开发的GIGA-ToF技术通过融合多帧图像的"图结构"信息,创新性地解决了3D相机噪声问题。该技术利用图像间的不变几何关系,结合深度学习和数学优化方法,在合成数据集上实现37.9%的精度提升,并在真实设备上展现出色泛化能力,为机器人、AR和自动驾驶等领域提供更可靠的3D视觉解决方案。
伊利诺伊大学研究团队通过对比实验发现,经过强化学习训练的视觉语言模型虽然表现出"顿悟时刻"现象,但这些自我纠错行为并不能实际提升推理准确率。研究揭示了AI模型存在"生成-验证差距",即生成答案的能力强于验证答案质量的能力,且模型在自我验证时无法有效利用视觉信息,为AI多模态推理发展提供了重要启示。
MIT等顶尖机构联合提出SparseLoRA技术,通过动态稀疏性实现大语言模型训练加速1.6倍,计算成本降低2.2倍。该方法使用SVD稀疏性估计器智能选择重要计算部分,在保持模型性能的同时显著提升训练效率,已在多个任务上验证有效性。