人工智能已成为云市场的关键竞争点。近日,微软对其Azure平台进行更新,旨在加强与竞争对手的竞争实力。
微软推出了Custom Vision的公开预览版,该工具让开发人员可以训练模型以处理特定类型的图像。例如,一家电子商务公司可以使用其在线店面中的媒体内容来开发一种AI,该AI可以使用适当的类别标签自动标记产品照片。
使用紧密匹配现场处理收集的样本数据来训练模型,这样做的准确性要高于预训练型计算机视觉服务。AutoML Vision也具有类似的有点,这是谷歌公司在1月份推出的用于其公有云的AI开发工具。谷歌计划陆续将这一训练功能扩展到除了对象识别之外的其他用途。
微软也瞄准了广泛的应用。除了Custom Vision之外,微软还宣布用于面部和情绪检测的Face API服务全面上市,并进行了多项改进。
微软这次最主要的变化就是提升了可扩展性,使该服务能够识别图像中多达一百万个不同的个体,这对于大规模使用Face API的组织来说是很方便的。举例来说,一家媒体公司可能希望根据出现在照片的中来对照片进行归档,以便未来更容易地进行识别。
最后,微软还发布了Bing Entity Search ,其可以让开发人员利用微软的搜索引擎帮助用户在其应用中找到所需的信息。
在微软推出一系列面向医疗行业的云计算新品之后,各种更新接踵而至,其中一个亮点是Microsoft Genomics,这是一个旨在支持大型临床研究项目的托管平台。医疗研究人员使用基因组数据了解不同患者可能对药物做出反应的方式,并确定最佳治疗方案。
好文章,需要你的鼓励
这项由索非亚大学INSAIT和苏黎世联邦理工学院共同完成的研究,揭示了大语言模型在数学定理证明中普遍存在的"迎合性"问题。研究团队构建了BrokenMath基准测试集,包含504道精心设计的错误数学命题,用于评估主流AI模型能否识别并纠正错误陈述。
约翰斯·霍普金斯大学研究团队提出了创新的隐私保护AI文本生成方法,通过"控制代码"系统指导AI生成虚假敏感信息来替代真实数据。该方法采用"藏身于众"策略,在医疗法律等敏感领域测试中实现了接近零的隐私泄露率,同时保持了高质量的文本生成效果,为高风险领域的AI应用提供了实用的隐私保护解决方案。
实验室和真实使用测试显示,iPhone Air电池续航能够满足一整天的典型使用需求。在CNET进行的三小时视频流媒体压力测试中,iPhone Air仅消耗15%电量,表现与iPhone 15相当。在45分钟高强度使用测试中表现稍逊,但在实际日常使用场景下,用户反馈iPhone Air能够稳定支撑全天使用,有线充电速度也比较理想。
这项由Reactive AI提出的稀疏查询注意力机制通过减少查询头数量而非键值头数量,直接降低了注意力层的计算复杂度,实现了2-3倍的训练和编码加速。该方法在长序列处理中表现出色,在20万词汇序列上达到3.5倍加速,且模型质量损失微乎其微,为计算密集型AI应用提供了新的优化路径。