苏格兰独立公投结果当地时间19日早晨揭晓,反对独立派赢得55%的选票获胜,苏格兰将继续作为大不列颠及北爱尔兰联合王国的一部分。
而早在9月18日晚间,人工智能机器人小冰给出了自己的预测,苏格兰将有超过半数的概率留在英国。而据9月19日下午1点的初步统计结果,55.8%的苏格兰选民选择留在英国。基于必应大数据的分析,微软人工智能机器人小冰再次成功准确预测,苏格兰仍将属于英国女王。
而由于此次公投双方差距极小,Google Trends也错误预测苏格兰将通过此次公投独立,而百度则由于各种原因弃权,没有对此次公投进行预测。这也使基于微软必应大数据的微软小冰,成为此次唯一准确预测公投结果的人工智能。
此前,微软必应利用大数据预测世界杯、美国总统选举等重大事件。在2014届巴西世界杯淘汰赛阶段,成功预测16 场淘汰赛其中的15 场,准确率高达到93%。微软还成功预测了2014年奥斯卡24项奖项中的21项。2012 年美国总统大选,微软成功预测了51个选区中50个地区的选举结果。通过本次成功预测苏格兰公投结果,再次证明了大数据科学预测的广阔前景,人工智能机器人微软小冰预测也将会渗透在未来生活场景应用的更多方面。
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。