
Facebook正在开发一款名为DeepFace的人工智能软件,能对图片中的人脸进行匹配,精度可与人媲美。
DeepFace使用一种3D建模技术探测人脸,并对它们进行修正,使图片中的人脸成为“正视图”。
DeepFace目前正在测试中,是一款人脸验证系统,不同于人脸识别系统,其目的是确定人的身份。DeepFace能对数百万张图片进行扫描,找到所有相同的人脸。
DeepFace系统中包含4000人的逾400万张人脸图片。Facebook在最近发表的一篇文章中称,DeepFace的准确率可以达到97.25%。尽管仍然在研发阶段,DeepFace能将当前人脸匹配技术的错误率降低逾25%。
好文章,需要你的鼓励
论文提出CAST框架,通过多智能体系统把任务成败的粗略反馈转化为逐步动作的详细批评理由,训练出更懂节制的批评模型,再用它优化执行策略,让8B小模型在可靠性指标上反超120B大模型,提升智能体在真实动态环境中的稳定表现。
论文提出NavMCP框架,用意图、观察、记忆三条通道把VLM推理与导航基础模型NFM结合,解决具身问答中长距离探索问题,在多个基准和真实机器狗测试中均取得最优效果。
研究发现教师模型批改学生生成内容时噪声率高达50%,但学生依然能进步。作者发现真正起作用的是压制学生自己低概率词,据此提出无需外部监督的OPSA方法,在AIME24等数学测试上带来最高307%的提升。
PaperGym提出一套把科研论文转化为AI训练环境的方法,解决科研计划生成缺乏可验证奖励的难题,通过问题答案分离降低评分标准泄露,结合自蒸馏与强化学习两阶段训练,让小模型在多个基准上超越更大规模的商业模型。