至顶网软件频道消息:
在现在这个阶段,Google的量子计算机不过是一个科学项目,但大众汽车(Volkswagen)公司却决定搭乘这个顺风车。
在欧洲举行的一个会议期间,大众汽车宣布与Google达成协议,两家公司将在交通管理和电池开发中的量子应用方面展开合作。
Google从2015年推出D-Wave量子计算机的时候就进入这个领域了,是量子计算的狂热分子。今年年初,Google宣布开始测试一个名为“可变量子本征求解”的内部项目,并在10月公布了一个用于解决量子问题的编译器。
两家公司合作并不意外,因为开发量子计算机是一个非常复杂的工程。大众汽车已经通过一个研究基金会资助了很多科学项目,而Google的母公司也已经涉足很多科学项目。
对于大众汽车来说,这看起来像是一个长期的赌注,因为大中企业在声明中提到,量子计算机还没有为现实世界中的使用做好准备,而且可能还需要很长一段时间。量子计算适合的发展领域包括“交通优化、探索新材料结构,特别是电动汽车的高性能电池,以及采用机器学习新流程的人工智能项目”。
大众汽车旧金山和慕尼黑的IT专家将“与Google专家共同开发算法、模拟和优化”。
大众汽车对量子计算的兴趣至少要追溯到3月,当时大众汽车展示了与D-Wave合作在交通流量优化方面所做的努力。
这是D-Wave最适合的问题类型:它是专用的、而不是通用的量子计算机,其解决方案呈现了量子可能实现最低的能耗状态。Google的目标更为雄心勃勃,正如Google在编译器方面所做的工作那样。
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。