亚马逊送货无人机
北京时间5月11日早间消息,据BBC报道,亚马逊上月申请了一项专利,希望无论用户身在何地,都能用送货无人机在半小时内将包裹直接送到他们手中。
在此之前,亚马逊的无人机送货计划仅局限于“送货上门”,像传统邮递员一样直接将包裹投递到用户门口。但亚马逊的这项专利申请表明,该公司还在探索新的方式,希望根据用户的智能手机判断其所在的位置,从而直接将包裹送到用户手中。
根据专利申请文件,亚马逊还专门设立了一套订单流程,用户首先通过亚马逊手机应用在线购买一些体积较小的产品,然后在配送选项中选择“送货给我”。之后,与用户距离最近的无人机系统便会执行送货任务,并将产品直接送至用户智能手机所在的位置。
一旦进入一定距离范围,无人机便可借助用户智能手机的摄像头功能实现着陆。目前还不太清楚具体实现方式,从理论上讲,客户可以自行降落无人机。不过,这一过程必须保证无人机的降落安全,避免硬着陆的情况发生。
然而,降落并非关键所在。该专利申请文件表明,无人机未必要真正接触地面即可投递货物,而是可以盘旋在用户周围,然后轻轻投下包裹。文件还现实,亚马逊希望该公司的无人机可以在空中相互交流,从而分享天气信息、地理位置、路径数据和着陆地点。
不过,亚马逊的这项无人机送货服务正式实施前仍需克服一些障碍。目前无法确保美国政府一定会批准这项专利,即使获得了专利,能否最终部署该技术也存在一些疑问。该公司还希望美国及其他国家或地区的航空管理部门允许其推广无人机送货项目,而不必非要将无人机控制在操作者的视线范围之内。
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。