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
这项由Midjourney团队主导的研究解决了AI创意写作中的关键问题:如何让AI既能写出高质量内容,又能保持创作的多样性和趣味性。通过引入"偏差度"概念和开发DDPO、DORPO两种新训练方法,他们成功让AI学会从那些被传统方法忽视的优秀独特样本中汲取创意灵感,最终训练出的模型在保持顶级质量的同时,创作多样性接近人类水平,为AI创意写作开辟了新方向。
上海AI实验室联合多所高校开发出VisualPRM系统,这是首个专门用于多模态推理的过程奖励模型。该系统能像老师批改作业一样逐步检查AI的推理过程,显著提升了AI在视觉推理任务上的表现。研究团队构建了包含40万样本的训练数据集和专门的评估基准,实现了在七个推理基准上的全面性能提升,即使是最先进的大型模型也获得了5.9个百分点的改进。
上海AI实验室团队通过LEGO积木设计了创新评测基准LEGO-Puzzles,系统测试了20个先进多模态大语言模型的空间推理能力。研究发现即使最强AI模型准确率仅57.7%,远低于人类93.6%的表现,揭示了当前AI在三维空间理解和多步序列推理方面的重大不足,为机器人、自动驾驶等应用发展提供重要参考。
字节跳动团队突破了AI图像生成领域的三大难题:身份识别不准确、文字理解偏差和图片质量不佳。他们开发的InfiniteYou技术采用创新的InfuseNet架构和多阶段训练策略,能够根据用户照片和文字描述生成高质量个性化图像。实验显示该技术在身份相似度、文本匹配度和图像质量方面均超越现有最佳方案,并具备出色的兼容性,为个性化内容创作开辟了新道路。