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
清华团队开发DKT模型,利用视频扩散AI技术成功解决透明物体深度估计难题。该研究创建了首个透明物体视频数据集TransPhy3D,通过改造预训练视频生成模型,实现了准确的透明物体深度和法向量估计。在机器人抓取实验中,DKT将成功率提升至73%,为智能系统处理复杂视觉场景开辟新路径。
R语言在Tiobe 12月编程语言流行度指数中重返前十,排名第10位,占比1.96%。作为统计计算专用语言,R语言凭借在统计分析和大规模数据可视化方面的优势重新获得关注。尽管传统软件工程师对其语法和扩展性存在质疑,但R语言在大学和研究驱动行业中仍表现出色,在快速实验、统计建模和探索性数据分析领域具有独特优势。
字节跳动研究团队提出了专家-路由器耦合损失方法,解决混合专家模型中路由器无法准确理解专家能力的问题。该方法通过让每个专家对其代表性任务产生最强响应,同时确保代表性任务在对应专家处获得最佳处理,建立了专家与路由器的紧密联系。实验表明该方法显著提升了从30亿到150亿参数模型的性能,训练开销仅增加0.2%-0.8%,为混合专家模型优化提供了高效实用的解决方案。