Box在星期二表示,其正在收购Butter.ai背后的团队,Butter.ai是一家创业企业,打造能够在多个商业应用程序中查找文件的软件。根据双方的协议,整个Butter.ai团队将加入Box,原来的应用程序将关闭。
在一篇博客文章中,Box表示这笔交易将能够在其平台中引入更多智能搜索功能,从而使文件搜索更具情境化、预测性和个性化。
该公司引用了企业员工每天必须应对的越来越多的内容作为交易背后的理由。
Box的首席产品官Jeetu Patel在博客中写道:“随着企业转向云计算以实现现代化并创建数字化工作场所,它正在推动前所未有的商业内容创造。”Jeetu Patel表示:“而随着数据量的不断增长,理解这一切变得越来越困难,更加耗时费力,成本也越来越高。”
Butter.ai还与Box围绕Box Skills的策略保持一致。Box Skills于10月首次发布,它提供了一个框架,将机器学习应用于Box云内容管理平台。目的是使用人工智能帮助客户从他们的Box内容中提取见解和额外价值。Butter.ai的技术为这项工作增添了另一层智慧。
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。