百度首席科学家吴恩达周二接受媒体采访时透露,该公司很快就将在美国测试无人驾驶汽车,希望能在2018年最终推出商用车型。
此举对百度而言是一项重大举措,该公司一直希望在无人驾驶汽车领域抢占先机,而目前则在努力借助其硅谷科技中心的资源来推进这一计划。与此同时,百度还在努力与美国政府加强合作,这也是其路测无人驾驶汽车的必要条件。
吴恩达之前曾经在斯坦福大学和谷歌开展过突破性的研究,他还是在线学习公司Coursera的联合创始人。
百度去年末公开宣布开发无人驾驶汽车。
吴恩达的实验室位于斯坦福大学,他仍是那里的助理教授,并开发了开源的ROS机器人操作系统,在全球各地广泛使用。吴恩达2014年加盟百度,他目前在加州桑尼韦尔领导着一个160人的团队,其中很多员工都专门从事无人驾驶汽车的研发。
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。