
前几年兴起的3D电视等一些看上去很有创新性的产品,尤其是便携式的投影仪现在已经无踪影,不能不说是一种遗憾。这是微软公司全球资深副总裁张亚勤博士在美国CES接受记者视频采访时发出的感叹。
[video]uu=dfa091e731&vu=5ddac0c6c0&auto_play=0&width=600&height=450[/video]
张亚勤博士接受刘克丽总编视频专访
张亚勤博士认为智能、互联、可穿戴是本届CES的三大趋势,当然他也强调,CES更多代表着未来3-5年的技术发展趋势,倒并非发布新品的地方。虽然谈及遗憾,但他依旧认为本届CES也有一些惊喜,比如高清显示技术、曲面技术堪称颠覆。
在访谈中张亚勤博士回忆起90年代Computex的辉煌时说,1999年的Computex有35万人参观,是PC的辉煌时代,现在CES无法相比,原因可能是受美国经济和大厂商不来参展的影响。
他说与之形成对比的是汽车厂商非常积极,汽车才是时刻移动的终端。而微软从WCE(Windows Credentials Editor)开始就已经与很多汽车厂商开展合作,例如与福特公司的合作,另外微软还与十几家汽车厂商合作在Windows建立云计算系统,将导航、安全、保险等信息实时放在云中调用、应急。
在回答记者关于如何看待英特尔在此次CES上发布的物联网战略和爱迪生芯片时,张亚勤认表示,有人的地方就有电,有电的地方就有计算,有计算的万物就应互联。但是万物互联生态环境的建立非常重要并需要中长期的形成,一旦形成,将能给产业升级、消费者带来机会和不止万种应用,但是5年内很难看到这种生态的形成和应用的爆发。
当记者借此机会问及关于当前非结构化数据无法用传统的关系型数据库进行管理的问题时,张亚勤说,所以大数据来了。大数据不仅仅只是指数据量的多少,还指其非结构性,传统的结构化数据提供的是确定的结果,而非结构化数据则提供不明确的多种结果。
好文章,需要你的鼓励
RGPO用"临时脚手架"破解大模型强化学习的奖励稀疏难题:先让模型独立解题,失败则分段放出标准解法引导重写,仅采纳经验证更优的答案。难题测试准确率从0跃至99.5%,语言模型平均分高出最强基线5.0分。
论文提出用MoE模型的路由器输出作为跨语言对齐目标,通过持续预训练对翻译句对施加路由KL散度损失,在不改变分词和架构的前提下让隐藏表示更接近,并在四个开源MoE模型、七种语言上验证了下游任务性能的一致提升。
DiffGate提出难度门控的教师指导机制,让验证器决定何时需要教师介入,仅对失败且困难的轨迹提供有界教师指导,结合GRPO强化学习,在数学与代码任务上显著提升解题覆盖率与跨领域迁移能力。
研究者用固定不变的16位二进制编码替代传统可训练词嵌入表,在17亿参数规模模型上训练1000亿token,证明模型仍可获得实质语言能力,揭示输入表并非必需,但性能略逊于可学习方案。