微软LinkedIn部门正在为LinkedIn新闻文章推出一项新的翻译功能,该功能依赖微软的一些核心人工智能技术。
鉴于超过一半的LinkedIn用户不在美国,LinkedIn官员认为需要简化新闻Feed中的跨语言交流。该公司的官员们表示,翻译会员发表的帖子是LinkedIn最为需要的功能之一。
尽管LinkedIn在开发新的动态翻译功能——被称为“参见翻译”( See Translation)——时大量使用了自己的技术和资源,但LinkedIn的官员指出,他们确实与微软的一些团队进行了合作并使用对方的一些技术。
“参见翻译”( See Translation)使用了微软的Azure文本分析程序接口,它可以检测多达120种语言,还使用了微软的翻译文本(Microsoft Translator Text)程序接口,这是微软另一项认知服务(Cognitive Services)。LinkedIn在6月28日发布的消息称,翻译文本API可以为特定域提供定制化翻译模板的功能,例如新闻Feed。
LinkedIn的官员们表示,“参见翻译”( See Translation)功能还建立在LinkedIn最初开发的各种开放源代码框架之上,包括Kafka、Samza和Rest.li,用于内容语言检测和标记。
LinkedIn工程团队撰写了一篇博客文章,扼要介绍了“参见翻译”( See Translation)功能是如何开发出来的。
LinkedIn官员们还于6月28日宣布在全球推出全新的LinkedIn QR号码功能,该功能允许用户快速查找他们刚刚遇到的人,以代替交换名片或电话号码。LinkedIn QR号码功能可在全球LinkedIn iOS和安卓版应用程序中使用。
微软在2016年收购了LinkedIn,并允许该业务在很多方面继续保持独立运营。微软和LinkedIn已经在各种产品和服务之间进行了一些整合,但LinkedIn在使用自己的数据中心和自己开发工具来构建其产品和服务。
好文章,需要你的鼓励
牛津大学提出PHYSIFORMER,一种扩散变换器模型,通过三维网格顶点轨迹直接在世界坐标空间预测刚性与弹性物体的物理运动,一次性生成全序列轨迹,超越自回归基线。
随着医疗数据数字化与互操作性的进步,跨机构纵向患者数据的研究应用成为可能。本研究通过对20位领域专家的访谈,识别出8种数据收集方法,涵盖智能手机应用、结构化数据导出、区域/全国研究查询及聚合数据源等。研究发现,各方法均有其优缺点,无单一最优方案。参与者中介交换方式可绕过复杂治理安排,但存在数据缺口;全国性网络尚不支持研究查询。公共政策的持续推进将对该领域发展起关键作用。
研究发现主流奖励模型对同等质量答案给出差异悬殊的分数,并提出"奖励聚类"算法通过蒙特卡洛随机失活将连续分数离散化,在不重训模型的前提下有效减少AI训练中的奖励作弊现象。