ZD至顶网软件频道消息: IBM和Slack周三宣布双方展开合作,将Watson认知计算的能力添加到聊天机器人和其他Slack平台上的对话工具之中。
为了开启新的合作关系,这两家公司正在更新Slackbot:Slack的客户服务机器人与Watson Conversation。这次集成应该会提高它的精度和故障排除效率。这标志着Slack,该公司的每日活跃用户刚刚超过400万,第一次使用人工智能来支持机器人。
Slack的首席执行官Stewart Butterfield 在一份声明中表示,“随着越来越多的职能团队,从财务、客户支持和人力资源,到招聘、市场营销和销售,将其工作流整合进入Slack,我们从增强认知能力中获益的程度变得巨大。”
同时,IBM正在构建自己基于Watson的Slack聊天机器人以帮助企业团队识别并修复IT和网络操作故障。该机器人将把通信和传统云结合在一起,IT和网络操作工具将集中在一个通道内,这样用户就不必在它们之间来回切换。得益于Watson的机器学习技术,随着时间的推移,机器人将能够更好地对问题做出响应。
IBM和Slack将向开发人员们分享他们在这些工作中学到的知识,并且提供工具帮助Slack开发人员涉足Watson。例如,IBM将发布一个Botkit Watson中间件插件,并允许Watson Conversation服务同Slack及其他的消息通道进行对话。
该公司表示,很多IBM自己的团队也在涉足Slack,包括市场营销、设计和工程团队。另外,IBM也刚刚宣布它正在构建自己的Watson支持协作工具。
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。