微软已经宣布对乘坐共享服务提供商Grab进行战略投资,这是两家公司最近建立的合作伙伴关系中的首批举措之一。
Grab将采用微软Azure作为其首选云平台,希望利用Azure云和人工智能功能“扩展其平台,并增加容量和功能”。
根据这个五年协议,两家公司将合作在大数据和人工智能等领域开展一系列技术项目, Grab公司总裁Ming Maa预计此举将变革东南亚日常服务和移动解决方案的交付。
他说:“微软对Grab的投资凸显了我们作为该地区领先的本土科技公司的地位。我们期待与微软合作,为用户提供按需运输和无缝线上线下体验。”
Grab在东南亚8个国家的235个城市开展业务,并称其数字钱包GrabPay是东南亚的主流应用。
两家希望给Grab用户、驾驶员合作伙伴、商家和代理商带来变个性的体验,推出了各种专门针对乘客和驾驶员安全、欺诈保护和地图创建等的项目和计划。
Grab将与微软合作探索新的身份验证机制,例如为驾驶员和选择加入的客户提供内置AI的移动面部识别功能,而不是检查ID以匹配驾驶员与乘客。
此外两家公司还将探索图像识别功能,潜在地允许乘客拍摄他们的上车位置照片并将其翻译成实际地址给到驾驶员。
Grab还计划实施微软Azure的数据分析和欺诈检测服务,同时探索微软的自然语言处理功能以及微软聊天机器人技术,为Grab用户提供更多的互动服务。
两家补充说,微软的机器学习和人工智能功能还将用于为Grab的高级“推荐引擎”提供支持,该引擎可以分析用户数据和行为,以获得有针对性的服务和内容推荐。
Grab还计划利用机器学习来改善地图创建和质量。
根据这次的合作伙伴关系,Grab将为Outlook用户提供按需预订选项,以便他们可以在应用内预订游乐设施并通过日历提醒功能发送提醒。
两家公司还讲致力于在整个东南亚部署车载娱乐和生产力解决方案,探索将Microsoft Rewards礼品卡整合到Grab Rewards忠诚度计划中。
Grab还将在内部试水微软的Kaizala。
“我们与Grab的合作为快速发展的行业和增长领域的创新开辟了新的机会,”微软执行副总裁Peggy Johnson这样表示。
“我们很高兴能够合作来改善客户体验,为数百万依赖Grab提供安全且价格合理的运送服务、食品和包裹递送、移动支付和金融服务的用户提供数字服务。”
好文章,需要你的鼓励
这项研究介绍了VisCoder,一个经过专门微调的大语言模型,用于生成可执行的Python可视化代码。研究团队创建了包含20万样本的VisCode-200K数据集,结合了可执行代码示例和多轮修正对话。在PandasPlotBench基准测试中,VisCoder显著优于同等规模的开源模型,甚至在某些方面超越了GPT-4o-mini。研究还引入了自我调试评估模式,证明了反馈驱动学习对提高代码可执行性和视觉准确性的重要性。
这项研究提出了"适应再连续学习"(ACL)框架,一种创新的方法解决预训练模型在连续学习中的稳定性-可塑性困境。通过在学习新任务前先对模型进行适应性调整,ACL使模型既能更好地学习新知识(提高可塑性),又能保留已有知识(维持稳定性)。实验证明,该框架能显著提升各种连续学习方法的性能,为解决人工智能系统中的"灾难性遗忘"问题提供了有效途径。
这篇研究首次关注了CLIP模型文本编码器的对抗鲁棒性问题,提出了LEAF方法(Levenshtein高效对抗性微调)来增强文本编码器的稳健性。实验表明,LEAF显著提高了模型在面对文本扰动时的性能,在AG-News数据集上将对抗准确率从44.5%提升至63.3%。当集成到Stable Diffusion等文本到图像生成模型中时,LEAF显著提高了对抗噪声下的生成质量;在多模态检索任务中,它平均提高了10个百分点的召回率。此外,LEAF还增强了模型的可解释性,使文本嵌入的反演更加准确。
BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台,整合了38个基准中的30万个问题,按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差,而BenchHub通过自动分类系统和用户友好界面,让用户能根据特定需求筛选评估数据。实验证明模型在不同领域的排名差异巨大,强调了定制化评估的重要性。该平台支持多语言扩展和领域特化,为研究人员和开发者提供了灵活评估大语言模型的强大工具。