
。
估计就更少了,例如科学界的女性、非洲的女性和亚洲的女性等。
。
这些女性人物却被忽视,或是被以不成比例的方式在维基百科上呈现。”
”
”人工智能模型,该模型可以自动研究并创建一些重要人物的高质量传记文章。
,附上引证信息的来源。最终达到涵盖维基百科传记所需要的所有元素,如传记人物的早期生活、教育和职业。
,也就是非事实的内容;此外在语义方面,AI的连贯性和逻辑也有些力不从心。
橘色文本则表示幻觉,是由模型脑补,无法被验证的资讯。
,人类研究员或作家可以根据这些信息迅速上手并完成这篇文章。
跨性别和二元性别人物的传记,往往长度更长,但是大部分章节都是描写个人生活,而非个人成就。
为了改进该模型,Meta还发布了一个数据集,数据集可用于评估该模型基于1527份来自“边缘化群体”的女性传记中的表现。Meta表示,这些数据可用于训练该模型的迭代并评估模型的性能。
撰文 | 海外来电
海外来电
来源 | SiliconANGLE
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。