IBM将其认知计算平台Watson变身为企业的新语音助手。目前,Watson Assistant结合了两个Watson服务Watson Conversation和Watson Virtual Agent,为企业提供更先进的会话体验,并且可以预先对各种意图进行训练。
IBM表示,此举旨在让Watson Assistant成为一种开箱即用的白标式服务,与Watson API相比,可以更容易地嵌入到面向消费者的产品中。
IBM全球物联网产品副总裁Bret Greenstein表示:“大家都在尝试使用这款API来打造一个助理,但仅仅通过API来打造会话智能助理确实是一件很困难的事情。我们意识到我们需要为那些消费类品牌构建托管服务。”
由于Watson Assistant是白标的,所以企业组织可以使用自己的品牌和声音提示配置系统,也可以使用自己的数据集来训练系统。如果他们没有合适的数据,IBM计划提供行业特定的训练模式,以帮助启用和运行Watson Assistant。
IBM还强调企业保留有数据的所有权。Greenstein表示:“这与面向消费者的助理不同,”这里他暗指亚马逊及其Alexa助理,但他没有具体指明。
“世界已经准备好迈向会话界面的下一步,”Greenstein这样说。
IBM Watson Assistant首先瞄准了旅游和汽车行业。IBM表示,Harman正在使用Watson Assistant作为其车载信息娱乐平台的一部分,慕尼黑机场也在其Pepper机器人内部使用Watson Assistant,为乘客提供指引。其他客户还包括Motel One、Chameleon Technology、Kaon、AirWire、苏格兰皇家银行和欧特克。
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。