人工智能被证明是一个热门的趋势,很多初创企业在被更大的公司收购之前几乎是寸步难行。Halli Labs就是这样一个例子,这家印度的公司专注于人工智能、机器学习和神经语言程序设计,其也刚刚被谷歌收入囊中。
Halli Labs今年五月份才刚刚结束隐身模式,就首先公布消息称,表示将于星期二加入谷歌的“Next Billion Users”(下一个十亿用户)计划。该计划的重点是通过解决诸如发展中国家的低带宽和连通性等问题,来获得互联网的下一个十亿用户。
该公司的一篇博客文章称,其加入谷歌的目标是“帮助世界上更多的人获得更多的技术和信息。”谷歌的产品管理副总裁Caesar Sengupta后来通过推特确认了这次收购,但是没有披露收购的价格:
欢迎@Pankaj和@halli_labs的团队加入谷歌。期待我们在一起能够创建一些很酷的东西。 https://t.co/wiBP1aQxE9
——Caesar Sengupta(@caesars)2017年7月12日
关于Halli Labs最有趣的事情可能是其创始人Pankaj Gupta,他是一位数据科学家,曾在推特负责推荐和个性化,并曾在印度Airbnb Airbnb公司的竞争对手Stayzilla担任首席技术官,这家公司现在已经不在了。
尚不清楚Halli Labs到底在做什么,但是当它在五月份结束隐身模式的时候,表示正在使用人工智能和机器学习来解决“老问题”。
然而,该公司的名字可能透露了一点线索。正如公司在第一次发布的博客文章中所解释的那样,“Halli”这个词就是埃纳德语中的“村庄”,这是印度当地的一种语言。这可能是一个暗示,它正在处理诸如提供卫生和洁净水等问题,这在这个次大陆的农村里仍然是一些很大的问题。
好文章,需要你的鼓励
韩国科学技术院研究团队提出"分叉-合并解码"方法,无需额外训练即可改善音视频大语言模型的多模态理解能力。通过先独立处理音频和视频(分叉阶段),再融合结果(合并阶段),该方法有效缓解了模型过度依赖单一模态的问题,在AVQA、MUSIC-AVQA和AVHBench三个基准测试中均取得显著性能提升,特别是在需要平衡音视频理解的任务上表现突出。
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。