
在本届CES上,我们看到了不少最新的高科技玩意儿。
Parrot也带来了旗下新品,不过这次不是玩具,而是两款智能的蓝牙设备——H2O和Pot,它们的共同点就是,都为植物提供了贴心的“按需浇水服务”。
Parrot Pot:这款产品的外形是一个花盆,身体可容纳两升水,其内置了传感器,能够测量土壤的肥沃程度、温度、水分,并在植物缺水的时候通知你。
Parrot H2O:这款相比Parrot Pot,体积更为小巧,可以插在任意花盆的土壤中进行工作,把H2O前半部分插入土壤之后,后半部分有一个可以安装水瓶的螺纹,其最大可以容纳两升水(与Parrot Pot相同),通过H2O设备上的软管可以最多提供连续3周的自动浇水。
据悉,在Parrot所提供的数据库中包含了超过8000种的植物,所以设备可以熟练掌握不同植物每次需要浇水的量,可以说Parrot H2O和Pot是你盆栽的贴身保姆。
好文章,需要你的鼓励
RGPO用"临时脚手架"破解大模型强化学习的奖励稀疏难题:先让模型独立解题,失败则分段放出标准解法引导重写,仅采纳经验证更优的答案。难题测试准确率从0跃至99.5%,语言模型平均分高出最强基线5.0分。
论文提出用MoE模型的路由器输出作为跨语言对齐目标,通过持续预训练对翻译句对施加路由KL散度损失,在不改变分词和架构的前提下让隐藏表示更接近,并在四个开源MoE模型、七种语言上验证了下游任务性能的一致提升。
DiffGate提出难度门控的教师指导机制,让验证器决定何时需要教师介入,仅对失败且困难的轨迹提供有界教师指导,结合GRPO强化学习,在数学与代码任务上显著提升解题覆盖率与跨领域迁移能力。
研究者用固定不变的16位二进制编码替代传统可训练词嵌入表,在17亿参数规模模型上训练1000亿token,证明模型仍可获得实质语言能力,揭示输入表并非必需,但性能略逊于可学习方案。