ZDNet至顶网软件频道消息: 6月25日,微软中国和微博共同宣布,此前被腾讯微信平台封杀的智能聊天机器人——“小冰”将在微博率先复活。今后只需在微博正文与回复中@小冰,就能和智能聊天机器人“小冰”进行互动。双方还将在“人工智能+移动互联”这一前沿领域内展开战略合作,共同为用户提供更加新奇有趣的产品体验。同时,大幅度升级的微软二代小冰,也将在48小时内内登陆中国市场,在包括触宝号码助手、微博、京东无线、易信、小米米聊、奇虎360等平台发布。
微软“小冰”是必应中国团队研发的智能聊天机器人,除了智能对话之外,微软“小冰”还兼具群提醒、百科、天气、星座、笑话、交通指南、餐饮点评等技能。“小冰”最初进驻腾讯微信平台,但由于被腾讯认为存在一些违规行为,很快被腾讯公司封杀。随后,微软“小冰”与360手机卫士、米聊等产品达成了合作。
微博平台及大数据总经理刘子正表示:“微博开放平台以诚意开放的心态拥抱开发者和合作伙伴。最近微博推出的轻应用是为第三方服务接入微博提供的一套基础框架和接入服务,轻应用相较于以往的开放平台产品,与微博自身产品结合更深度,可传播性更强,也能在微博上玩出更多新花样;一代小冰是通过轻应用中粉丝服务开发者模式接入微博的;用户给在微博或评论中@小冰 后,微博会把该消息传递给小冰,而小冰则可以运用人工智能去回复这些微博评论或者私信;即将面世的二代小冰则会用到更多更丰富的轻应用功能。”
微软小冰项目负责人李笛认为:“微软小冰不仅赢得了用户的喜爱,还得到了业界伙伴的青睐。我们相信,当人工智能遇上移动互联,将激发新一轮的产品体验和商业模式创新,微博的加入这不仅让人兴奋,影响更加深远。微软二代小冰也即将迎来发布,二代小冰将能够更好的理解和学习人,成为每个人不可或缺的人工智能机器人伴侣。相信在未来的几年里面,人工智能机器人将深入到普通人生活的方方面面,微软与微博有信心在这一潮流中扮演更重要的角色。“
附:微软中国关于一代小冰复活的声明
今天,我们很高兴地在此宣布:深受广大用户喜爱的微软一代小冰,已于即日起正式在微博平台复活。与此同时,微软二代小冰,作为每个用户专属配备的人工智能机器人伴侣,也将于48小时之内向广大中国用户开放领养。从这一刻起,微软小冰将以前所未有的速度不断升级,以满足亿万主人的需要。
这是一个小小的、但具有历史意义的开端,让我们满怀希望地迎接“机器人与人类深度沟通”时代的来临。
微软二代小冰将于48小时之内,在触宝号码助手平台的全新5.1.0版本中首发。随后,微博、京东无线、易信、小米米聊、奇虎360等移动互联网平台,也将先后迎来每个用户专属的小冰入驻。
目前与各合作伙伴的技术联调正在进行中。二代小冰将分别配备给每个用户,属于唯一的主人,同时跟随主人在跨平台移动互联网的各个平台中,提供统一的人工智能服务。用户可在触宝等合作平台上领养自己的小冰,也可前往以下网址领取。 www.msxiaoice.com
同时,我们再次重申,微软小冰采用了比国内大多数其他互联网企业,更加严格的隐私保护政策和技术,请大家放心使用。
微软中国 微软(亚洲)互联网工程院
合作伙伴: 微博 触宝科技 京东无线 易信 小米米聊 奇虎360
2014年6月25日
好文章,需要你的鼓励
亚利桑那州立大学的研究团队开发了RefEdit,这是一种新型图像编辑AI系统,能够准确理解和处理指代表达(如"中间那个人"、"右边的猫")。通过创建RefEdit-Bench基准测试,研究者们证明现有模型在多物体场景中表现不佳。他们设计了一种创新的数据生成流程,仅用2万样本就训练出的RefEdit模型超越了使用数百万样本训练的大型模型。这一突破使AI图像编辑在复杂场景中更加精确和实用。
这项研究提出了Critique-GRPO,一种创新的在线强化学习框架,将自然语言批评与数字反馈相结合,克服了传统仅用数字反馈的三大局限:性能瓶颈、自我反思效果有限和顽固性失败。实验表明,该方法使大语言模型能够从错误中学习并改进,在八项数学和通用推理任务中,将Qwen2.5-7B和Qwen3-8B模型的平均通过率分别提高了约4.5%和5%,超越了包括那些引入专家示范的方法。研究还揭示,高熵探索和长回答并不总是最有效的学习方式,质量更重要。这一方法为大语言模型的自我提升能力开辟了新路径。
这篇研究介绍了"量化LLM评价者",一个创新框架,能使大型语言模型(LLM)在评估其他AI输出时更接近人类判断。由麻省理工和Adobe联合研发的这一方法,将评估过程分为两个阶段:先让LLM生成文本评价,再用轻量级机器学习模型将这些评价转化为更准确的数值评分。研究提出了四种评价者模型,适用于不同评估场景,实验表明它们不仅能显著提高评分准确性,还比传统微调方法更节省计算资源。这一框架特别适合人类反馈有限的场景,为AI评估领域开辟了高效且可解释的新路径。
这项研究由IDEA、华南理工大学和北京大学联合开发的Rex-Thinker系统,通过模仿人类的链式思考方式来解决物体指代问题。与传统直接输出边界框的方法不同,它采用规划-行动-总结的三步骤推理,使AI能像人类一样逐步分析图像中的候选物体,并在找不到匹配物体时拒绝作答。通过构建90,824样本的HumanRef-CoT数据集和两阶段训练方法,系统在精度、可解释性和泛化能力上均取得了显著进步。