北京时间6月24日上午消息,谷歌周二宣布了一场名为“狂欢作乐”(Paint the Town)的比赛,邀请艺术家们绘制画作,获胜作品不仅会展示在谷歌无人驾驶汽车的原型产品和谷歌网站上,还将在下月举行的社区活动上展出。
谷歌将选出10幅优胜作品展示在原型车上。所有胜出的艺术家还有机会乘坐这些无人驾驶汽车原型产品。
根据谷歌的比赛要求,参赛者至少要年满13周岁,而且要在7月11日至8月30日之间提交实体和数字格式的作品。他们还必须用不到100个单词解释自己的作品,而且要符合谷歌的主题:“我们的社区,我们的邻居。”不过,作品本身不能包含文字。
谷歌将于7月11日在加州山景城音乐和艺术社区学校举行社区活动。
谷歌2009年启动无人驾驶汽车项目,最早在加州的高速公路上测试丰田普锐斯。2012年,该公司开始使用雷克萨斯RX 450h SUV车型测试。谷歌本月早些时候宣布,该公司的无人驾驶汽车已经自主行驶了100多万英里。
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。