
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
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。