
最近,索尼人工智能团队和韩国高丽大学联合开发了一种名为FlavorGraph的人工智能映射工具,该工具可以推荐互补的配料,帮助厨师们烹饪菜肴。
索尼人工智能团队表示,FlavorGraph使用人工智能技术预测两种成分的匹配程度,FlavorGraph可以将从不同成分中发现的1,561种风味分子里提取的信息同以往数百万种食谱对这些配料的使用情况结合起来。
索尼人工智能战略和合作伙伴经理Fred Gifford和韩国高丽大学博士后研究生Donghyeon Park在一篇博客文章中写道:“以往从未有人探索过食品成分与风味化合物之间的关系,而FlavorGraph的研究将为某一种或者多种成分与其他成分的搭配提供更大的灵活性。”
“随着科学的发展,我们对食物的了解越来越深入,我们应该发现越来越多有趣的配料搭配,以及那些不健康或者不可持续配料的、新的替代品。”
FlavorGraph是索尼人工智能团队美食旗舰项目的首批项目之一。这家日本科技巨头于去年年底建立了自己的机器学习和人工智能研发部门,该团队称该项目的重点将落在三个关键的领域:可以创建新食谱的人工智能应用程序、可以在厨房为厨师提供帮助的机器人解决方案及社区共同创造活动。
索尼人工智能团队表示他们将使用数据源开发食谱创建应用程序,这些数据包括食谱和成分数据,例如味道、香气、风味、分子结构和营养成分,据此,该程序有望能够帮助厨师设计食谱和菜单。
还有其他一些关于索尼的新闻,该公司的半导体业务宣布其绰号为“Fab 5”的新工厂已经在长崎技术中心开业。索尼表示,这间新工厂将被用于批量生产用于智能手机的CMOS图像传感器。
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。