至顶网软件频道消息:
更新时间:美国东部时间2017年8月28日12:41
通用电气公司希望将其数十亿美元的工业软件业务推向新的一个方向。
路透社报道称,这项工作由最近任命的首席执行官John Flannery领导,他在本月初接手了这家企业。几位不愿透露姓名的高管告诉通讯社,这一举措可能导致正式名称为GE Digital的业务发生广泛的变化。
他们表示,在诸多变化之中,Flannery正在考虑重组集团,增加合作伙伴的作用。据报道,出售GE Digital的少量股权也在考虑范围之内。这一切都是为了提升集团的销售增长,它已经引起了华尔街的担忧。
据路透社报道,一些投资者和分析师担心,该业务可能会拖累GE在2020年达到120亿美元年度收入目标。GE Digital还将面临更大的开支,预计每年将达到21亿美元。大部分资金将用于建立Predix,这是GE软件行动核心的分析系统。
这个基于云的平台可以处理来自制造设备、风力涡轮机以及中间几乎所有设备的传感的数据,以找到改进操作的方法。最有希望的用例是预测性维护,包括根据历史数据预测硬件问题。但是,尽管迄今为止投资巨大,但GE一直在努力实现Predix的愿景。
Flannery的计划指出,与其他工具集成是一个特别的痛点。具体来说,它强调了公司如何将现有的数据处理算法迁移到Predix。GE还必须将通过最近几次收购获得的资产添加到产品组合中,修复错误并整理平台运行的公共云的一些后勤障碍。
据报道,这些问题最终导致在今年早些时候,Predix出现了一次为期两个月被公司称为“暂停休息”的修补。据推测,GE正在缩小其重点,以简化运营。 他们表示,该公司将具体推动提升Predix在核心市场现有客户中的使用率,即能源,航空和油气等行业。
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。