近日,IBM公布了一系列Watson技术,包含机器学习、数据平台、虚拟代理(Virtual Agent)的会话工具,并把Watson更多地同MobileFirst for iOS应用程序以及教育工具进行集成,以促进认知计算生态系统的发展。
目前,IBM在拉斯维加斯举办的Watson大会上发出了密集公告。IBM的首席执行官Ginny Rometty将在主题演讲中介绍Watson产品组合、生态系统和客户群。以下是具体内容
IBM的Watson Data Platform——IBM正在将Watson数据摄取引擎同云服务以及机器学习技术结合在一起。IBM的思路是将工具混合在同一个平台之内,这样机器学习就能够更容易为商业决策者们所接受。
IBM表示Watson Data Platform将支持数据专家,例如数据科学家、工程师、分析师和开发人员之间的协作,该平台能够每秒摄取高达10GB的数据,筛选并编辑信息,提供协作和拖放服务进行分析。
Watson Virtual Agent——IBM推出了虚拟代理(Virtual Agent)作为一种认知对话技术,旨在提高客户参与度。IBM通过此举在机器人领域内使用Watson。Watson虚拟代理(Virtual Agent)将允许客户用各种行业内容预先培训机器人,让机器人能够更快适应。
虚拟代理(Virtual Agent)可以针对社交媒体、SMS、移动和嵌入式技术进行部署。Staples、Autodesk和Weather Company是样板客户。在IBM的云中,可以通过Watson Conversation使用虚拟代理(Virtual Agent)功能。
针对MobileFirst for iOS应用程序的Watson——IBM表示它将把Watson同一系列MobileFirst for iOS应用程序进行集成。通过IBM与苹果的合作提供自定义应用程序。简而言之,IBM的自然语言处理、Watson Conversation和Watson API已经针对苹果的iOS语音框架进行了优化。
IBM在谈及Watson与iOS协作时提到的行业是旅游、零售和金融服务。
Watson云视频——Watson被用于数字视频之中,跟踪非结构化数据、分析信息并更好地使用内容。受众洞察、视频场景监测和实时事件分析将通过IBM Cloud完成。
IBM在推出新的Watson工具的同时,也着手围绕着认知计算开展正规化的认证和教育。此举同该公司最新推出的认证步调一致,包括:
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。