刘克丽、梁钦旧金山报道将今天上午的两个主题报告中总结出IT业界技术、市场、生态、应用会发生10个转变:
CBSi中国媒体总编刘克丽试戴英特尔MICA智能手环(摄于IDF2014)
1、大数据时代的数据垃圾会越来越多,表明更多的数据变成无效;
2、除了用户的有效分析利用以外,英特尔认为用统一硬件平台、软件虚拟存储及硅光电缆传输,表明传输介质的转变;
3、宣布明年供货64位Soc架构,表明后台的转变;
4、施浩德演讲中说高档游戏平台是PC,今年达7亿用户,但DIY用户从吊丝向富二代转变;
5、用户密码从数码向刷脸转变;
6、3D模型拍照从带脚卖鞋到拍照买鞋转变;
7、飞机上从不能充电到无线充电转变;
8、景深从机械变焦向算法变焦转变;
9、从3D解码显示向编码拍摄转变;
10、英特尔产业生态将从单一IT紧偶合向所有行业松偶合转变。
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。