今日,微软人工智能和物联网实验室发起的零售创新加速营项目TECH TAGS正式启动,并招募科技初创企业,有三家国际零售巨头作为首批合作伙伴入营,包括全球顶尖奢侈品集团、全球啤酒饮料巨头、全球最大的综合体育用品集团。TECH TAGS 旨在对接合作伙伴与科技初创企业,通过微软AI及IoT技术赋能,加速创新零售解决方案的落地,助推合作伙伴的数字化进程,以拥抱后疫情时代以科技为驱动的更广阔的市场。
TECH TAGS 目标加速各类应用场景中的创新解决方案,为合作伙伴赋能计划输送候选企业。首批加速的创新解决方案将涵盖消费者体验、物流效率、智慧门店等领域,并重点为以下细分挑战找到能落地的解决方案:
1. 消费者体验
- 裸眼 3D、可互动货柜等展示技术;
- 感官体验技术(除视觉外);
- 元宇宙融合的多元零售科技;
- 定制化赠礼信息及数字化互动;
2. 物流效率
- 物流规划及预定(尤其在空载率、车队管理方面);
- 零售合作伙伴资源管理系统;
3. 智慧门店
- AGV 机器人货架陈列巡检视觉解决方案 (不含 AGV 机器人本身);
- 商品陈列标签的智能识别(基于视觉技术)
- 智能能耗控制和优化系统。
入选初创企业的优势
1. 能够获得与此次入营的三家国际零售巨头直接对接方案的商用计划;
2. 入驻微软人工智能和物联网实验室,获得微软的技术赋能;
3. 有机会获得在微软人工智能和物联网实验室内展示其解决方案的空间;
4. 加入微软人工智能和物联网实验室的生态网络,与微软联合销售,探索更多商机;
5. 成功入驻微软人工智能和物联网实验室的初创企业,将享受张江政府的特别政策扶持,融资渠道对 接等福利。
入选标准
初创企业或团队位于中国大陆范围内;
能够与微软人工智能和物联网实验室一起为国际零售巨头推进方案并落地 PoC;
解决方案以AI或IoT驱动为佳;
解决方案具备商业化落地的成熟度,有相关行业客户案例为佳。
初选申请
截止时间:即日起至 2022 年 6 月 30 日
申请方式:有意向的初创企业可透过微软人工智能和物联网实验室的官网 https://aiotlabs.microsoft.com/en/events/microsoft-techtags-program-2022-05 递交企业基本信 息、商业计划书、联系人信息等。
好文章,需要你的鼓励
这项研究探索了如何通过"LLM情境调节"和"持续工作流程提示"技术来提高大型语言模型在验证化学分子式时的准确性。研究者发现,普通提示方法往往不可靠,因为LLM倾向于自动"纠正"错误而非指出它们。然而,通过精心设计的情境调节提示,研究成功引导Gemini 2.5 Pro不仅识别出文本中的错误,还发现了之前人工审阅未察觉的图像中的分子式错误。这一概念验证研究表明,即使不修改模型本身,也能通过适当的提示策略显著提高LLM在科学技术文档细节验证中的表现。
复旦大学研究团队开发的uLLSAM模型成功将多模态大语言模型(MLLMs)与分割一切模型(SAM)结合,解决了显微镜图像分析的跨域泛化难题。通过创新的视觉-语言语义对齐模块(VLSA)和语义边界正则化(SBR)技术,该模型在9个领域内数据集上提升了7.71%的分割准确度,在10个从未见过的数据集上也展现了10.08%的性能提升。这一统一框架能同时处理光学和电子显微镜图像,大大提高了生物医学图像分析的效率和准确性,为科研人员提供了强大的自动化分析工具。
斯坦福大学等机构研究团队利用强化学习训练大语言模型,使其能够优化汇编代码性能。研究构建了8,072个程序的数据集,并通过近端策略优化(PPO)训练模型生成既正确又高效的汇编代码。实验表明,训练后的Qwen2.5-Coder-7B-PPO模型实现了96.0%的测试通过率和1.47倍平均加速比,超越包括Claude-3.7-sonnet在内的所有其他模型。研究发现模型能识别编译器忽略的优化机会,如用单一指令替代整个循环,为性能敏感应用提供了有价值的优化途径。
这项研究提出了一种改进的声乐效果风格迁移方法,通过在推理时间优化过程中引入高斯先验知识,解决了传统ST-ITO方法忽视参数合理性的问题。研究团队基于DiffVox数据集构建了专业效果器参数分布模型,将风格迁移转化为最大后验概率估计问题。实验结果表明,该方法显著优于基准方法,参数均方误差降低了33%,并在主观听感测试中获得最高评分。这一创新为音频处理领域融合数据驱动和专业知识提供了新思路。