当地时间本周三,有媒体报道称,欧盟委员会针对Google Android展开调查,审查Google是否利用Android优势,通过不公正手段扩大其服务。
这次审查凸显了欧洲对Google扩大影响的担忧。针对Android的调查将审核Google在同竞争对手的竞争中,是否利用该软件优势通过不公正手段扩大其服务范围。Google免费向厂商提供的Android软件已登陆全球近80%的智能手机。相比之下,苹果iOS所占比例略高于17%。
这次问卷调查内容较2013年的问卷调查更加详细,问及Google是否禁止厂商在其设备上预装与Google服务竞争的应用,如搜索或地图应用。
据消息人士称,尽管Android软件免费,但企业希望使用最新版Android软件时,必须签订一份协议,要求企业预装一定数量的Google服务。
今年2月份,Google调查与其自有产品相关的搜索结果后,同欧盟达成暂定和解协议,同意在显示自有服务搜索结果和竞争对手产品的搜索结果时,采用同一方式,但没有支付罚款。
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。