ZDNet至顶网软件频道消息(文/蒋湘辉): 7月9日凌晨,连续四届杀入半决赛的德国队以7:1大胜巴西队率先进入2014年世界杯决赛并创造了多项历史。回首德国队进入决赛的的整个历程,小组赛4-0大胜葡萄牙、2-2战平加纳、1-0小胜美国。1/8决赛加时赛2-1击败阿尔及利亚,1/4决赛1-0小胜法国,半决赛7-1横扫巴西。而德国队的顺利晋级不仅来自自身的实力,基于SAP HANA平台Match Insights足球解决方案也为德国国家队帮了忙。
在上海举办的SAP论坛的“科技足球”展区,工作人员介绍了用Match Insights足球解决方案分析2013年底德国队和意大利队比赛的详细数据分析的方式。“Match Insight不仅能够实时追踪了所有场上球员的信息,每名选手和整体团队的移动数据、控球百分比等数据,还可以分析双方在比赛中的实时阵型变化、防守范围和防守空挡,使足球专家和球迷都能通过数据看懂比赛。”工作人员还表示,“在本届世界杯上,德国队主教练勒夫在每场比赛之后能够在Match Insights中看到更详细的数据。”
图注:SAP论坛的工作人员在“科技足球”展区介绍以HANA平台搭建的SAP Match Insights足球解决方案(蒋湘辉 摄)
图注:SAP Match Insights足球解决方案演示防守队员形成的空挡,扇形阴影区以外的区域即为空挡区。
图注:SAP Match Insights足球解决方案演示德国队在和意大利比赛中的实时阵型变化。
图注:SAP Match Insights足球解决方案实时显示球员传递和进攻衔接的范围。
上海SAP论坛展区中的足球宝贝。(蒋湘辉摄)
图注:7月在上海举办的SAP论坛中的科技足球展区全景。(蒋湘辉 摄)
好文章,需要你的鼓励
这项研究由德累斯顿工业大学等机构的研究团队完成,旨在解决主动学习未被广泛应用的问题。研究者构建了包含460万种超参数组合的实验网格,系统分析了各参数对主动学习性能的影响。研究发现,不同策略实现间存在显著差异,基于边缘的不确定性策略整体表现最佳,随机选择约4000个超参数组合即可获得可靠结果。这些发现为设计可重现、可信赖的主动学习实验提供了明确指导,有助于降低入门门槛,促进技术在实际应用中的普及。
这项由英国爱丁堡大学和上海人工智能实验室研究者共同完成的工作提出了LongBioBench,一种用于评估长文本语言模型的新型基准测试框架。通过使用人工生成的虚构人物传记作为测试环境,该框架在保持可控性的同时,提供了更真实的评估场景。研究对18个长文本模型的测试表明,即使最先进的模型在检索、推理和可信任性方面仍存在显著挑战,特别是上下文长度增加时。研究还揭示了现有合成基准测试的设计缺陷和长上下文预训练的局限性,为未来模型开发提供了重要指导。
SuperWriter是一项来自新加坡科技设计大学和清华大学的突破性研究,通过模仿人类"先思考后写作"的过程,彻底改良了AI长文生成能力。该研究团队开发的框架包含三个关键阶段:规划、写作和修改,使AI能像专业作家一样进行结构化思考。实验结果表明,经过训练的SuperWriter-LM模型不仅超越同等规模的所有AI模型,甚至在某些领域表现优于规模更大的顶级模型,为AI辅助写作开创了新的可能性。
香港大学与阿里巴巴达摩院合作开发的LayerFlow是一种突破性的层级视频生成技术,能同时生成透明前景、完整背景和混合场景视频。该技术通过创新的框架设计将不同视频层级作为子片段连接,并引入层级嵌入使模型区分各层级。面对高质量训练数据稀缺的挑战,研究团队设计了三阶段训练策略,结合Motion LoRA和Content LoRA,实现了图像和视频数据的联合训练。LayerFlow不仅支持多层视频生成,还能实现视频分解和条件层生成,为视频创作领域带来革命性变革。