
美国当地时间9月9日,英特尔IDF 2014正式开幕,在上午的演讲中,英特尔全球CEO科再奇做了主题演讲。综合上午的演讲和我的所见所闻,我觉得本届IDF有十之最:
1、最卡通的CEO,科再奇把自已头像P成卡通并配音和小黄人对话;
2、最意外的现身,迈克尔•戴尔现身,力推戴尔8英寸6毫米厚的Venue8平板电脑,以示他重返前端的决心;
3、最惊人的数字,5年后500亿设备相联,平均每人8~10部,英特尔发了;
4、最神奇的功能,当镜头对准一物体能自动显示出这物体的长、宽、高;
5、最大的淘汰,有景深的平板拍照可能大面积淘汰机械镜头;
6、最现实的案例,爱迪生植入啤酒桶可发射酒的多少、加酒信号,放入水捅可测水质,放入公厕可发厕所使用状况以调度保洁…
7、最大的担心是电子垃圾InSide任何物品;
8、最慷概的IDF,科再奇在结束演讲之前对与会者每人一个智能耳机;
9、最意外的介入,思科的EnergyWise和IP网介入英特尔爱迪生平台的物联网;
10、最好玩的IDF,可以在展示区可以见到吹肥皂泡机、脱鞋跳舞,这是15年来最好玩的IDF。
[video]uu=dfa091e731&vu=f4960cda6d&auto_play=0&width=600&height=450[/video]
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。