至顶网软件频道消息: AWS表示,计划开设一个新的机器学习实验室名为“ML Solutions Lab”,将让专家与客户一起共同致力于构建新的基于人工智能的技术。此外,Amazon还表示,将会向Amazon Rekognition添加新的功能,一个基于深度学习的图像识别平台,包括实时人脸识别以及识别图像中的文字。
这些公告突出了Amazon对人工智能的重视,这可以让AWS和Amazon的零售业务受益。近几个月来,Amazon已经在该领域发布了一系列公告。例如,Amazon在10月曾表示,将会与微软公司合作开发一个名为Gluon的深度学习接口,这是一个用于培训人工智能模型的框架。
Amazon决定开设ML Solutions Lab也是很重要的,因为此举标志着更大力度地推进到业务咨询领域,这是向最大型的企业用户提供更多IT服务时候所需要的。
Amazon人工智能副总裁Swami Sivasubramanian表示:“我们不能等着开发者通过Amazon ML Solutions Lab开始他们采用机器学习的旅程。Amazon ML Solutions Lab把最优秀的机器学习科学家所具备的专业知识与Amazon内部对客户有着深度业务理解的实践者相结合,帮助客户加速机器学习,开始把机器学习融入他们企业组织内的工作中。 ”
Amazon表示,目前包括华盛顿邮报、杨森制药公司和世界银行集团在内的多加客户已经在与Amazon ML Solutions Lab合作了。
至于Rekognition,这个新的升级项展示了Amazon如何快速将人工智能用于打造可以售卖给客户、基于人工智能的新产品。
对平台具体的更新包括:检测和识别图像中的文本、对数百万人脸的实时面部识别、以及在照片中检测多达100张人脸。Amazon还表示,Rekognition在面部识别方面的准确度提升了10%。
Rekognition平台的客户包括知名的基于图像的社交网络平台Pinterest。
Pinterest首席技术官Vanja Josifovski表示:“作为一个以视觉为驱动的平台,Pinterest很大程度上依赖于图像的速度和质量,但是这些图像背后的文字同样重要,因为这些问题提供了上下文并让2亿多活跃用户能够对图像进行操作。通过使用Amazon Rekognition Text in Image,我们可以更好地、大规模地提取图像中丰富的文本内容,在Amazon S3中保存的数百万Pins都可实现较低的延迟。”
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。