ZDNet至顶网软件频道消息:《华尔街日报》10月7日报道称,微软已经签署了意向书希望收购以色列文本分析厂商Equivio。
《华尔街日报》表示,微软可能会为这家初创公司支付2亿美元。
Equivio从2006年开始支持微软技术,包括Windows XP、SQL Server以及SharePoint Server。该公司开发针对法律和法规遵从电子发现任务的文本分析产品。它的主要产品是Zoom,一款“法院批准的、面向法律领域的机器学习平台”。
“Zoom以有意义的方式组织收集来的文档,同时量化和可视化决策空间。因此你可以缩小以有更大的视角。或者放大只查看你需要的。”
根据Equivio的网站显示,该公司的用户包括美国司法部、联邦贸易委员会、毕马威、德勤和数百家律师事务所和企业。Equivio有一个超过80家“电子发现服务提供商”的网络。
鉴于微软在机器学习、公司内部文档搜索以及管理/合规领域的努力,Equivio似乎是一个不错的选择。因为位于海外,所以收购Equivio会符合微软收购美国之外的公司以利用海外现金的战略。
微软官方拒绝对收购发表评论。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。