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
这项研究针对现代文档检索系统中的关键缺陷:独立处理文档片段导致丢失上下文信息。研究团队开发了ConTEB基准测试来评估模型利用文档级上下文的能力,并提出了InSeNT方法,结合后期分块和创新的对比学习策略。实验表明,上下文感知嵌入显著提升检索性能,尤其在处理非自包含文本片段时,同时保持计算效率,对分块策略更具鲁棒性,并且在语料库规模扩大时表现更佳。这一研究为更智能的文档检索系统铺平了道路。
这项由布朗大学和Cohere实验室研究者联合进行的研究全面分析了大型语言模型(LLM)安全研究中的语言不平等现象。通过系统回顾近300篇2020-2024年间的安全相关论文,研究发现LLM安全研究严重偏向英语,即使中文这样的高资源语言也仅获得英语十分之一的研究关注,且这一差距正在扩大。研究还揭示非英语语言很少作为独立研究对象,且英语安全研究常忽略语言覆盖文档化。为解决这一问题,研究者提出了三个未来方向:开发文化敏感的评估基准、创建多语言安全训练数据,以及深入理解跨语言安全泛化挑战。
这项研究提出了ChARM,一种创新的角色扮演AI奖励建模框架,通过行为自适应边界和自我进化策略大幅提升AI角色的真实性和一致性。研究团队创建了包含1,108个角色的RoleplayPref数据集,实验表明ChARM比传统模型提高了13%的偏好排名准确率,应用于DPO技术后在多项基准测试中达到了领先水平。这一突破将为娱乐、教育和心理健康支持等领域带来更加自然、个性化的AI互动体验。
这篇研究重新审视了循环神经网络中的双线性状态转换机制,挑战了传统观点。高通AI研究团队证明,隐藏单元不仅是被动记忆存储,更是网络计算的积极参与者。研究建立了一个从实数对角线到完全双线性的模型层级,对应不同复杂度的状态跟踪任务。实验表明,双线性RNN能有效学习各种状态跟踪任务,甚至只需极少量训练数据。研究还发现,纯乘法交互比加法交互更有利于状态跟踪,为循环网络设计提供了新视角。