北京时间5月12日消息,据国外科技网站techcrunch报道,谷歌今日推出Chrome浏览器用户体验调查扩展(Chrome User Experience Surveys extension),这是该公司首次推出此类扩展。当用户的Chrome浏览器出现不寻常状况时,该扩展程序将间或出现,向用户简短调查该状况。调查的形式可以是一则提醒或恶意软件警告。谷歌表示将利用用户的反馈来改进Chrome的用户体验。
谷歌称,为避免打扰用户,该调查每天不会出现超过两次,每周不会超过四次。用户回答调查所用时间每次为约两分钟。
谷歌深知,一些用户可能会不愿安装此扩展,因为担心谷歌追踪其浏览习惯。对此,谷歌表示不会利用该扩展监控用户的浏览历史。(但如果你已参加过谷歌的一些计划,那该公司很明显已对你的搜索及浏览习惯有足够了解)。谷歌称,“只有当不频发的状况发生且用户回应调查时,该扩展才会向谷歌传送数据”。所有的反馈都将会是匿名状态。
谷歌并未推出激励措施以鼓励用户参与该调查计划,但若用户希望试用该扩展——或能够使浏览器使用体验更好更便捷——可以到Chrome网络应用商店下载。
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。