微软在日前发布的一则关于智能语音助手——Cortana的广告中再度贬低Siri。
微软在广告中称,作为一款语音助手产品,应当能够根据交通状况信息提示用户出行时间,否则毫无用途。在该广告中,微软采用拟人化表现手法,让Cortana和苹果Siri进行了对话。
微软Cortana对苹果Siri表示,自苹果发布屏幕尺寸更大的iPhone 6以来,Siri需要更多的功能。但Cortana认为,如果智能语音助手不能根据来电或短信向用户做出提醒,那它就不是一款名副其实的“助手”产品。
而这则最新广告,只是微软近来发布的一系列贬低Siri广告之一。很显然,在这一系列广告中,微软瞧不起Siri,这一略显丑陋的灰姑娘。
这则广告体现了微软爽朗的一面,但同时透露出微软“精神分裂”的一面,因为微软开始接受其他硬件产品,试图将自己打造成一个所谓的“生产力”平台。比如,微软在一则关于Sway应用的广告中重点突出了iPad。
在此一天前,微软还在自己的Facebook页面上展示了一张图片和一条通过MacBook使用Skype的视频链接,但坚称这不是一条广告。
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。