
今天亚马逊CTO Werner Vogels在AWS re:Invent 2014大会的主题演时,请其合作伙伴Splank的 CEO助阵,他说Splank是一家软件公司,是他的生产型客户、消费性客户等要求他帮助将私有云资源向AWS公有云服务上转移,如耐克、可口可乐等公司,而且很快搞定,他用了10分钟完成的说法。
音乐供应商则上台说,通过AWS平台可以搞定高清,有了AWS他们每月可以为用户增加100兆音乐的推送,这是原本用私有云不能完成的,亚马逊CTO在穿叉上述用户演讲时说,澳大利亚一公司本在私有云需要10天完成的项目,放在AWS上4小时搞定。
一位来自天气预报,每天下载1.7亿次下载的供应商说,800个数据来自于雷达等设备,15分钟为周期天气预报,只有AWS云平台可以支撑。
谷歌眼镜的开发公司也上台,为AWS的省事儿省时完成用私有云不可能完成的项目作了实例证明。
好文章,需要你的鼓励
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。
南洋理工大学与腾讯联合研究团队开发出Rolling Forcing技术,实现AI视频实时流式生成的重大突破。该技术通过滚动窗口联合去噪、注意力锚点机制和高效训练算法三项创新,解决了长视频生成中的错误累积问题,可在单GPU上以16fps速度生成多分钟高质量视频,延迟仅0.76秒,质量漂移指标从传统方法的1.66降至0.01,为交互式媒体和内容创作开辟新可能。
华中科技大学研究团队发现,通过让AI模型学习解决几何问题,能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集,使用强化学习方法训练多个AI模型。实验结果显示,几何训练在四个空间智能测试基准上都带来显著提升,其中最佳模型达到49.6%准确率,超越此前最好成绩。这项研究揭示了基础几何知识对培养AI空间智能的重要价值。