至顶网软件频道消息:21世纪福克斯公司、美国职业棒球大联盟、“堡垒之夜”(目前最受欢迎的在线“大逃杀”游戏)游戏制作商Epic Games今天表示,他们正在更深度地使用AWS的服务。
很快将成为沃尔特迪斯尼旗下一个部门的福克斯公司,已经与AWS达成了一项战略合作关系,将把大部分福克斯的平台和工作负载都托管在AWS云上,同时使用AWS的机器学习和数据分析服务打造一系列数字媒体功能。
据AWS称,21世纪福克斯公司已经将其数据中心需求减少了50%,并将超过3000万资产(大约10PB的内容)转移到Amazon Glacier and Amazon Simple Storage Service(S3)上。随着战略合作伙伴关系的进一步扩展,AWS将成为福克斯、FX有线电视网、国家地理,20世纪福克斯电视、20世纪福克斯电影和福克斯体育等关键品牌按需提供超过90000个出版产品的主要平台。
对于Epic Games而言,随着“堡垒之夜”游戏继续打破增长记录而成为关注焦点,这次Epic Games通过扩大与AWS的合作伙伴关系,把整个业务都转移到AWS云上。值得注意的是,“堡垒之夜”游戏本身从一开始就是由AWS提供支持的。
AWS在一份声明中表示:“AWS的容错高性能基础设施让Epic Games能够可靠地支持全球超过1.25亿玩家,他们争相在‘堡垒之夜’游戏中夺冠。通过使用AWS,Epic Games能够扩展以满足这些玩家的需求,并在全球范围内扩展其服务。”
据说Epic Games最近在AWS那里举办了一个活动,邀请所有“堡垒之夜”游戏的玩家加入游戏,并观看仅持续几分钟的一次性全球活动。考虑到玩家们对这款游戏的狂热,流量大幅增加,但AWS能够通过Cloudfront内容交付网络和相关服务应对流量的增长。
另外,美国职业棒球大联盟长期以来一直将AWS机器学习服务用于其Statcast球员跟踪技术,并称AWS将成为其官方机器学习的提供商。
美国职业棒球大联盟将使用Amazon SageMaker开发新技术,SageMaker是一个用于创建、训练和使用机器学习模型的托管平台,用于开发“创新球迷体验”的新技术。此外,美国职业棒球大联盟还将与Amazon ML解决方案实验室合作,在比赛直播期间提供更多赛事统计数据,以及针对不同市场和地理区域量身定制的、更个性化的观看体验。
目前,美国职业棒球大联盟已经在使用SageMaker“通过评估投手、击球手、捕手来预测下一个球的类型和位置,从而测试他们能够准确预测球的程度。”他们计划使用Amazon SageMaker和自然语言处理服务Amazon Comprehend来“建立一个语言模型,以标志性的播音员音调和风格为现场游戏创建脚本,以捕捉棒球迷们熟悉的那种独特本质。”
娱乐已成为云服务提供商的一个重点市场,因为老派媒体和游戏制造商都在从传统系统转向云优先的方式。Amazon并不是唯一一个追逐娱乐市场的厂商。谷歌在6月28日直接针对好莱坞宣布增加一个洛杉矶区域,并推出一项新存储服务。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。