当地时间本周二,美国专利商标局(US Patent and Trademark Office)批准苹果“根据检测到的停车情况做出路线选择”专利(Routing based on detected stops),为众包导航概念向前推进一步。
图:苹果最新专利显示,导航系统能够根据红灯、停车标志和沿途障碍物数量进行导航。
当前众包导航产品如Waze整合大量司机提供的交通数据,为用户到达目的地提供捷径。大众信息较通过标准导航应用如Google Maps和苹果Maps应用获得的信息更准确、及时,但目前众包系统仅仅是考虑用户沿途上可能存在的造成停车或减速的各个事件,能够真正找到最佳路线的更智能系统将是每位司机的福音。
在苹果专利中,该智能导航系统通过用户移动设备上的GPS收集检测到的汽车停车次数,判断每次停车持续时间。我们甚至能够通过分析信息甄别出红灯与停车标志。数据本身被发送至一台远程服务器上,然后交通工具通过Google Maps或苹果Maps常规导航应用接入该系统后,实现共享。
司机利用导航信息判定到达目的地的最快路线,还能够根据数据准确估算行程时间,甚至在不迟到的情况下决定出行的最佳时间。
随着时间推移,服务器还能够收集并整理数据,根据红灯位置、每日时间段及其他因素预测出明确的交通模式。
一般情况下,即使是一项获准专利也不意味着该技术能够进入现实生活,但司机对新专利充满期待。
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。