
Uber即将收购微软必应的部分资产,包括专注于必应图片收集的约100名员工。换句话说,Uber从微软获得了大量数据收集工程师,以加强自己的地图服务。
微软和Uber已确认了这笔收购,但两家公司都没有透露交易条款。考虑到两家公司的规模,这笔交易不会在财务方面带来较大的影响,而其中的技术转移更值得关注。
Uber的应用本质上是带插件的地图,因此Uber希望获得这一领域的工程师并不出人意料。另一方面,微软可能也希望减少非核心产品的研发力量。
过去多年中,微软一直表示不会出售必应业务。对于这笔交易,微软表示,必应搜索仍是微软家族的重要一员,但必应的其他服务并非如此。
这笔交易也反映了Uber的目标。如果没有特定的计划,科技公司不可能一次性收购100名专注于同一领域的工程师。此前在微软,这些工程师主要负责将图像数据导入必应,给必应地图带来了3D、航拍和街景图片。可以想象,Uber也将提供类似的功能。
微软和Uber均表示,这笔交易中一些“资产”将会转移。不过两家公司拒绝透露具体是什么样的资产。业内人士猜测,微软将把图片集出售给Uber,但微软仍将获得这些图片的授权。此外,微软还将把部分知识产权出售给Uber。
好文章,需要你的鼓励
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。
南洋理工大学与腾讯联合研究团队开发出Rolling Forcing技术,实现AI视频实时流式生成的重大突破。该技术通过滚动窗口联合去噪、注意力锚点机制和高效训练算法三项创新,解决了长视频生成中的错误累积问题,可在单GPU上以16fps速度生成多分钟高质量视频,延迟仅0.76秒,质量漂移指标从传统方法的1.66降至0.01,为交互式媒体和内容创作开辟新可能。
华中科技大学研究团队发现,通过让AI模型学习解决几何问题,能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集,使用强化学习方法训练多个AI模型。实验结果显示,几何训练在四个空间智能测试基准上都带来显著提升,其中最佳模型达到49.6%准确率,超越此前最好成绩。这项研究揭示了基础几何知识对培养AI空间智能的重要价值。