至顶网软件频道消息:SAP Ariba宣布与IBM合作,双方将提供采用人工智能和机器学习的认知采购解决方案。
SAP Leonardo是企业级软件巨头的数字创新策略,IBM Watson AI能力,以及SAP Ariba,将把来自采购数据的智能性与来自非结构化数据的预测洞察结合起来,旨在企业采购过程中为客户提供帮助。
IBM全球企业服务认知流程改造总经理Jesus Mantas表示:“我们已经建立了一个认知采购平台,专门针对理解采购交易、天气数据等非结构化数据、合同中的非标准零件编号、和复杂定价结构进行训练。”
SAP解释说,IBM全球企业服务将提供咨询和服务以构建、实施和采用新的产品,IBM也期待与SAP Ariba合作,将IBM的客户带到这个平台上来。
双方在本周的Sapphire Now大会上公布了这项合作,还将发布一个Cognitive Procurement中心,旨在进一步开发智能采购解决方案和服务,包括像区块链这样的新兴技术,SAP的愿景是增强各种行业和业务线。
随着Watson不断从此前的互动中学习,逐渐获得价值和知识,SAP期待合同流程变得更加智能且更全面,因为应用会自动识别相关条款以及与法律库和分类法相匹配的条件,定位类似的合同条款,并推荐定价。
SAP Ariba和IBM还将探索自动提取合同条款以及摘要以帮助符合法规,SAP解释说。
IBM在上个月宣布推出的IBM Watson Marketing Insight,旨在让营销人员进行行为分析来提高目标的、定制化的推广取得成功。
通过检查他们与企业之间的互动,评估电子邮件通信、数字媒体和社交媒体,以及存储的信息,基于云的服务将会提取业务预测因素,以提高目标营销活动取得成功。
好文章,需要你的鼓励
亚利桑那州立大学的研究团队开发了RefEdit,这是一种新型图像编辑AI系统,能够准确理解和处理指代表达(如"中间那个人"、"右边的猫")。通过创建RefEdit-Bench基准测试,研究者们证明现有模型在多物体场景中表现不佳。他们设计了一种创新的数据生成流程,仅用2万样本就训练出的RefEdit模型超越了使用数百万样本训练的大型模型。这一突破使AI图像编辑在复杂场景中更加精确和实用。
这项研究提出了Critique-GRPO,一种创新的在线强化学习框架,将自然语言批评与数字反馈相结合,克服了传统仅用数字反馈的三大局限:性能瓶颈、自我反思效果有限和顽固性失败。实验表明,该方法使大语言模型能够从错误中学习并改进,在八项数学和通用推理任务中,将Qwen2.5-7B和Qwen3-8B模型的平均通过率分别提高了约4.5%和5%,超越了包括那些引入专家示范的方法。研究还揭示,高熵探索和长回答并不总是最有效的学习方式,质量更重要。这一方法为大语言模型的自我提升能力开辟了新路径。
这篇研究介绍了"量化LLM评价者",一个创新框架,能使大型语言模型(LLM)在评估其他AI输出时更接近人类判断。由麻省理工和Adobe联合研发的这一方法,将评估过程分为两个阶段:先让LLM生成文本评价,再用轻量级机器学习模型将这些评价转化为更准确的数值评分。研究提出了四种评价者模型,适用于不同评估场景,实验表明它们不仅能显著提高评分准确性,还比传统微调方法更节省计算资源。这一框架特别适合人类反馈有限的场景,为AI评估领域开辟了高效且可解释的新路径。
这项研究由IDEA、华南理工大学和北京大学联合开发的Rex-Thinker系统,通过模仿人类的链式思考方式来解决物体指代问题。与传统直接输出边界框的方法不同,它采用规划-行动-总结的三步骤推理,使AI能像人类一样逐步分析图像中的候选物体,并在找不到匹配物体时拒绝作答。通过构建90,824样本的HumanRef-CoT数据集和两阶段训练方法,系统在精度、可解释性和泛化能力上均取得了显著进步。