Stravito是个AI(人工智能)初创公司,主打机器学习、自然语言处理(NLP)和搜索的组合,目标是帮助组织将自己拥有的市场研究报告、竞争、行业市场份额、财务分析和市场预测分析变成可搜索资料从而找到及获得更多价值。
找市场研究数据,内部网做不到
举例来说,市场研究和产品营销团队面对紧张的截止日期要做一个新产品、渠道或销售策略的市场计划,要找一个报告,他们知道曾经不止一次买过那份报告,但却找不到,最后只得放弃找的努力。截止日期越紧张,计划越重要,出现这种情况就越多。
这时候,市场研究和产品营销团队也可以赶紧给市场研究分析师打个电话,分析师有权限可以访问各种市场研究订阅,但还是找不到所需的报告,他们要么是不用这个数据继续下去,要么是再花钱买报告。
笔者职业生涯的第一年就是做市场研究分析员,根据我的经验,IBM的研究结果是准确的,典型知识工作者的一天里30%的时间花在找信息及理解其背景和原始方法上。当时我们组织的所有报告都有内部网站分发权。在内部网平台上有数百个报告,但平台的搜索功能并不好用。
为此,Thor Olof Philogene and Sarah Lee在2017年联合创建了研究机构NORM,帮助过各种公司从他们的市场研究投资中获得更高的价值。他们在NORM工作了15年,为多家跨国品牌公司服务过。最终,他们将公司卖给了IPSOS。
Anders和Andreas在NORM工作时碰到一些来自全球各地的客户,他们买了研究报告后但在公司内部找不到报告,最后只得打电话索取报告副本。据了解,Stravito初创公司现在的客户包括Carlsberg、Comcast、Colruyt Group、Danone、Electrolux、Pepsi Lipton等等。并且,公司在斯德哥尔摩(总部)、马尔姆和阿姆斯特丹设有办事处。
营销和高级管理团队如果只拥有次佳的市场和行业数据,就只能提供出色产品发布或销售活动所需的一部分见解,营销和高级管理团队需要将眼光放得长远一些。而如果能用基于AI的搜索引擎替换传统内部网站及其有限的搜索功能,将可以实时进行自动标签及构建基于内容属性的分类管理。
从这方面来看,Stravito在单一平台上将AI、机器学习、NLP和搜索组合在一起,可以针对组织使用的每个主要文件类型索引、创建简化的搜索查询分类系统。
具体来说,Stravito平台以AI为基础,具有以下优点:
▲ www.stravito.com页面
结语
总而言之,Stravito填补了传统内部网技术和目前这一代协作平台之间的空白。业界存在对更强大搜索引擎的需求及对能够不断适应新信息和文档搜索引擎的需求。
研究表明,监督机器学习可以有效地应对有关的挑战,能够创造并根据新的资料更新分类。因此,Stavito的产品策略是根据兴趣内容提供个性化建议,这是Stavito平台自然发展的结果。笔者认为,那些被数据淹没而又不能及时将报告交给决策者的组织值得去Stravito平台看看。
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。