至顶网软件频道消息: 人工智能模型首次在斯坦福大学(Stanford University)的阅读测试中超越人类,该阅读测试被用于衡量神经网络认知能力。
中国网络巨头阿里巴巴集团(Group Holding Ltd.)周一宣布,该公司研发部门开发的人工智能(AI)获得了82.44分的高分,这是创纪录的里程碑。与之相比较,人类参与者的成绩是82.304。在阿里巴巴的测试成绩最终确认后的第二天,微软公司用一个深度学习模型重复了这一壮举,并且获得了略微更高一点的成绩——82.65。
这个被称为斯坦福问答数据集(Stanford Question Answering Dataset)的测试包含了从500篇维基百科的文章中提取的超过10万个问题和答案。测试中所有的文字内容都是用自然语言写成,而不是使用了计算机更容易理解的结构化格式。因此,人工智能模型现在可以获得比人类更好的分数代表了一项重大的技术成就。
一个能够以类似于人类的准确程度理解书面材料的深度学习模型有很多潜在的应用。阿里巴巴研究团队的自然语言处理首席科学家司罗(音译:Luo Si)将客户服务和医疗保健列为该技术可能会被证明是特别有用的两大领域。
科技行业也正在其他方面努力地推进人工智能。8月份,微软的研究人员透露,他们已经开发了一个能够抄录文本的语音识别系统,错误率仅为5.1%,与人类的平均水平相当。
与此同时,阿里巴巴正在积极争取在人工智能军备竞赛中获得超越同行的优势。三个月前,该公司宣布计划在未来三年投资150亿美元用于工程技术。这项工作将特别重视深度学习等对其长期发展计划非常重要的技术。
好文章,需要你的鼓励
DDN推出Infinia对象存储系统,采用键值存储架构和Beta Epsilon树数据结构,实现读写性能平衡。系统在对象列表性能上比AWS快100倍,延迟降至毫秒级,支持多租户和SLA管理。通过与英伟达合作优化RAG管道,在AWS上实现22倍性能提升并降低60%成本。
大连理工大学和浙江大学研究团队提出MoR(Mixture of Reasoning)方法,通过将多种推理策略嵌入AI模型参数中,让AI能自主选择最适合的思考方式,无需人工设计专门提示词。该方法包含思维生成和数据集构建两阶段,实验显示MoR150模型性能显著提升,比基线模型提高2.2%-13.5%,为AI推理能力发展开辟新路径。
Alpine Linux核心开发者Ariadne Conill推出了Wayback项目,这是一个实验性的X兼容层,允许使用Wayland组件运行完整的X桌面环境。该项目本质上是一个提供足够Wayland功能来托管rootful Xwayland服务器的存根合成器。与现有的XWayland不同,Wayback旨在创建一个类似X11风格的基于Wayland的显示服务器,让用户能够继续使用传统的X11窗口管理器和桌面环境,而无需重写或替换这些熟悉的工具。
剑桥大学研究团队开发了FreNBRDF技术,通过引入频率修正机制显著提升了计算机材质建模的精度。该技术采用球面谐波分析提取材质频率信息,结合自动编码器架构实现高质量材质重建与编辑。实验表明,FreNBRDF在多项指标上超越现有方法,特别在频率一致性方面改善近30倍,为游戏开发、影视制作、电商预览等领域提供了重要技术支撑。