2016年,“中国制造2025”巨轮起航,“互联网+”大潮涌动,“新经济”大幕拉开,IT技术飞速发展促发了全行业的创新,这要求IT从业者需要具备最敏锐的洞察、最新的思维、最专业的知识技能和最开阔的眼界。
在去年的微软技术大会上,微软就向我们展示了智能云Azure、语义理解智能服务LUIS、用于数据可视化处理的NUIGraph工具、微软小冰和小娜在人工智能方面的最新进展,以及可以智能分辨出视频画面对象的语义分割技术等一系列令我们眼界大开的成果,引起了不同行业、不同领域企业的广泛关注。
今年,数字化能量持续蓄力,一触即发。11月30日,2016微软技术大会也将全新开启,齐聚10000多位参会者、120多位专家讲师、1000多家企业、100多家媒体和20多个合作伙伴,精心准备了100多场专业技术课程、30多场动手体验实验室以及10多位专家面对面的机会,现场仍然是大咖云集,满满黑科技。
无法亲临现场体验?今年,足不出户大会干货同样一览无余。集齐7位大咖在线演讲直播专场,同样可以假装在现场!
马上戳直播链接并收藏,坐等观看一场“黑科技大趴”,与全球顶级技术专家探讨最前沿的数字技术,与微软一同领略数字化的无限潜力。
直播链接:https://www.microsoft.com/china/ignite/2016/?Source=6
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
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。