
谷歌于当地时间本周二表示,该公司将发布iOS版Photo Sphere应用,此前该应用仅可在Android操作系统上使用。
Photo Sphere应用允许用户对某一景象360度全景抓拍,并自动将图片合成为一张全景图,用户可向左、向右、向上、向下全方位地欣赏其全景照片。此外用户还可以将这些照片分享到他们的社交网络或谷歌地图中。而且当用户在谷歌地图上浏览这些照片时,该公司将自动为用户挑选一些与当地相匹配的照片。
谷歌地图和全景照片产品经理伊凡·兰普波特(Evan Rapoport)曾在一份声明中表示,将该照片应用与地图一体化的目标之一是帮助人们“探索世界。”
对谷歌来说,推出iOS版Photo Sphere照片应用这种小拓展的效果是双重的。它有助于增建该公司的地图应用,争取更多用户,帮助他们标记下每一个独特的地方。同时这也符合谷歌要确保其照片产品得以最大推广的愿望——即使这意味着这款应用将登陆其竞争对手的移动平台。
本月早些时候,有新闻报道称谷歌正计划解除其广受欢迎的照片功能与其羽翼未丰的Google +社交网络之间的绑定。此外,谷歌还在去年10月份对这项功能进行了改进,其中包括一些新的算法,它们能够使用户在大量存储的照片中更容易地进行搜索,更好地备份照片文件。该公司还推出了一项名为Auto Awesome Movie的视频直播版照片编辑功能,方便用户通过拼接影片片段来快速构建电影,同时这款软件还添有背景音乐和滤声器。
当时担任Google+负责人的维克·古多塔(Vic Gundotra)现已离开了谷歌,过去他曾表示,这款Photo Sphere服务正“试图改变摄影界”。
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。