近日,Amazon在旧金山召开的AWS(Amazon Web Services)峰会宣布,在其云服务家族中加入一项Machine Learning,为没有机器学习背景的开发者提供分析和预测工具。该应用基础版目前有一年的免费期,只限美国东部地区。
在此之前,很多公司如Netflix和维权网站Change.org都在使用Amazon的AWS工具,来对用户行为和数据进行分析和推断。但通过原有工具实现机器学习的任务对技术人员要求较高,Amazon这次希望搭建一个门槛更低的平台,更好地为企业用户服务。
Amazon 内部使用机器学习已经很多年,而这些企业用户对这项技术也垂涎已久。坐拥大量数据的开发者越来越多地需要从这些数据中挖掘价值,比如电商可以根据分析用户 行为关联,选择性地投放广告。这些对数据分析、建模的要求很高,同时用户需求很大。使用Amazon的新工具,只需要大致三步:首先使用Amazon S3或Redshift建模,然后对模型进行验证和优化,最后使用它来进行预测。
在这个领域,目前也是存在竞争的。如微软旗下专注云服务的Azure在二月推出了自己的机器学习工具,而IBM上个月收购AlchemyAPI后,将把AlchemyAPI的深度学习技术整合到Watson核心平台,增强Watson挖掘非结构化数据并识别出它们之间联系的能力。
除 了机器学习工具,Amazon这次一口气推出了另外两个企业服务,一个是云存储服务,叫作“亚马逊弹性文件系统”(Amazon Elastic File System),用以处理容量超过1PB(相当于1024TB)的庞大数据,这么说可能有些抽象,举个例子,1PB存储空间可以是连续十多年拍摄的高清视 频。
另一个是第三方软件交易平台,可能颠覆以往的软件采购模式。像正在席卷的订阅大潮一样,企业客户不再需要签订多年的订购合同,而是可以通过这个平台按月租用软件,并通过Workspaces服务在亚马逊提供的虚拟PC上运行,灵活性增强。
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。