ZD至顶网软件频道消息: SAP表示已经投资了Vivanda。据我们了解,Vivanda是一家旨在使用大数据和分析进行食物数据化和个性化的企业,主要提供预测食品的个性化服务,该公司的系统能够利用算法处理研究、科学和食物选择。
SAP同Vivanda的协议是一种利用其HANA技术的方式。通过投资,Vivanda获得了一个大的合作伙伴让其API、咨询和分析服务能够接触到更多的客户产品食物。
从表面上看,SAP此举似乎是另一项帮助瞄准食品和消费品行业的投资。然而,SAP表示这笔未披露金额的投资将让该公司同Vivanda就其FlavorPrint技术进行更紧密地合作,而该技术提供个性化的食物和饮料建议,映射了食物和风味基因,16000种芳香化学品,33种口味和17种纹理以及营养和成分。
让我们看看Vivanda的FlavorPrint模型是如何工作的:
• Vivanda识别食品属性并且建立模型,匹配消费者的口味偏好、产品、菜肴、食谱和饮料。
• 然后该公司部署名为"打印"的流程,使用一种算法将FlavorPrint匹配给一个人或者食物项目。FlavorPrint就像是一个UPC代码或者指纹。
• 机器学习调整食物的口感和风味。
• 客户能够得到分析,看到口味趋势以及在不同人群中受欢迎的程度。然后企业就可以进行食物和食用体验的市场推广。
IBM的Watson已经在和大厨们合作,而Vivanda的方法旨在让大数据为大众服务更多。参看:For chefs and foodies, big data could be the new secret ingredient
也许SAP可以利用Vivanda更好地帮助HANA瞄准核心行业,但是即使天不遂人愿,食品科学和数字化味道也是有趣的投资方向。
好文章,需要你的鼓励
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。