至顶网软件频道消息: 通用汽车正在使用人工智能在“大海中捞针”:从庞大的社交媒体数据中准确地分类紧急、真实、可操作的投诉,以及其他需要立即关注的反馈。
“我们获得越来越多的相关信息,在响应时间上我们要变得越来越快,”底特律通用汽车全球社交媒体专家中心经理Carolin Probst-Iyer这样说。这个负责美国社交媒体信息的团队目前有40到45人,有一些季节性的波动,是一年半前的2倍。
这是一项巨大的工程,因为通用汽车在美国的这个团队要对超过150万条消息进行整理,并且信息量还在不断增长,但响应时间的基准是一小时之内。
“所有与客户体验息息相关的——响应时间和响应质量是关键驱动因素——方面我们看到了很多改进,”她在电话采访中说道。
早期版本的社交媒体监控软件选择了像“Chevy”这样的关键词,甚至还可以设置成忽略某些关键词,如“Chevy Chase”而不是Chevrolet。
“这肯定会涉及到更多相关的对话信息,但也有不那么相关的东西进来。就这样运作了一段时间都还不错,但我们知道,我们需要更加智能的技术,“Probst-Iyer说。
她表示,通用汽车在2017年1月签约了一家新的软件供应商,总部位于波士顿的Crimson Hexagon。这让通用汽车能够更准确地对更大量的社交媒体信息进行筛选。例如,这个新系统通过机器学习可以更加准确地区分评论他们Chevy Malibu的人和评论加州Malibu的人。
“以前在机器学习早期的解决方案,使用其他已有的工具,我们要筛选和处理的数据量相对较小,但随之而来的是很多噪音。我们的顾问无法有效地利用时间。只有10%到20%的信息是他们必须处理的、有相关性的信息,”Probst-Iyer说道。
在旧系统标记为进一步关注的消息中,只有10%到20%被筛选出来。她说,今天,这个数字接近于70%。“如果我们仍然需要花费大量时间来筛选所有这些信息的话,我们就无法应对所有这些噪音,现在我们可以应对更高的信息量了。”
好文章,需要你的鼓励
Snap 推出 Lens Studio 的 iOS 应用和网页工具,让所有技能层次的用户都能通过文字提示和简单编辑,轻松创建 AR 镜头,包括生成 AI 效果和集成 Bitmoji,从而普及 AR 创作,并持续为专业应用提供支持。
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。