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
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。