
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
论文提出CAST框架,通过多智能体系统把任务成败的粗略反馈转化为逐步动作的详细批评理由,训练出更懂节制的批评模型,再用它优化执行策略,让8B小模型在可靠性指标上反超120B大模型,提升智能体在真实动态环境中的稳定表现。
论文提出NavMCP框架,用意图、观察、记忆三条通道把VLM推理与导航基础模型NFM结合,解决具身问答中长距离探索问题,在多个基准和真实机器狗测试中均取得最优效果。
研究发现教师模型批改学生生成内容时噪声率高达50%,但学生依然能进步。作者发现真正起作用的是压制学生自己低概率词,据此提出无需外部监督的OPSA方法,在AIME24等数学测试上带来最高307%的提升。
PaperGym提出一套把科研论文转化为AI训练环境的方法,解决科研计划生成缺乏可验证奖励的难题,通过问题答案分离降低评分标准泄露,结合自蒸馏与强化学习两阶段训练,让小模型在多个基准上超越更大规模的商业模型。