ZDNet至顶网软件频道消息:之前曾有过对Google Now、苹果Siri和微软Cortana三大语音助手进行比较的文章和视频,但受时间和文章长度的限制,大多数比较的范围都受到一定限制。咨询公司Stone Mountain Consulting通过提问相同的逾3000个问题,对三大语音助手进行了测试。当然,这次测试主要针对语音助手的知识库,因此Google Now胜出并不让人感觉过于意外。
向用户呈现答案的方式是测试的一部分。测试中,Google Now在58%的问题中除给出了答案,还给出了其他搜索结果;Siri和Cortana的这一比例分别为29%和20%。Google Now不仅从多个信息源获取信息,还有多种呈现方式。但是,这仅仅是格式设置和上下文信息的问题,更重要的一个指标是回答问题的正确率,Google Now也远远超过Siri和Cortana。
在提问的问题中,Google Now给出了88%问题的完整答案,Siri和Cortana的这一比例分别是53%和40%。这里通过举例解释一下“完整答案”的判断标准,如果问题是“中国的长城建成多少年了?”(How old is the Great Wall of China?),只有“2220年左右”才被认为是完整答案;如果给出的答案是“长城修建于公元前206年”,则不会被认为是完整答案,下面的搜索结果中包含有答案也不会被认为是完整答案。Google Now在这一指标上胜出并不让人感到意外,但能给出88%问题的完整答案还是非常了不起的。
作为语音助手领域的新秀,Cortana在测试中表现不佳“情有可原”。但是,尽管Cortana问世时间不长,它依赖的必应(Bing)搜索引擎问世时间是2009年中。鉴于必应的“年龄”,Cortana被Siri超出令人悲哀,尤其是考虑到苹果没有自己的搜索引擎。
当然,正如我们在文章开头指出的那样,这次测试仅局限于回答“知识性”问题,不涉及三大语音助手的虚拟助手功能。如果考虑到设置提醒事项、改变手机设置、管理日程表、发送消息等功能,读者可能对三大语音助手有不同的看法。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。