至顶网软件频道消息:演员小罗伯特-唐尼公布了一项名为“足迹联盟”(The Footprint Coalition)的新项目。该项目于本周二晚在拉斯维加斯召开的MARS大会上发布,计划利用先进技术清理地球环境。
他表示,“凭借机器人与纳米技术,我们也许能够在未来十年内实现显著的环境清理效果,甚至有望带来彻底改善。”
根据《福布斯》的估算,唐尼的净资产高达8100万美元。而唐尼参与环境清理项目的想法,则来自他与一群专家进行的一场晚餐谈话。
就目前而言,该项目的具体细节还不明确——只有一个简陋的网站与唐尼的公开声明。但唐尼介绍称,他计划在2020年4月前正式启动该项目。
他表示,“在接下来的几个月当中,我会把这些正确的元素组合在一起,在身边聚集起一群真正聪明的参与者。”联合国最近发布的一份报告发现,人类正在给全球的生物多样性产生前所未有的破坏性影响。研究人员发现,细小的塑料碎片已经污染了空气、海洋与土壤。
唐尼补充道,“现在我已经65岁了。11年以来,正是由于我们对于未来的巨大威胁以及留下的混乱书面没能做出应有的补救,我才会放弃安逸的退休生活,回来参加这场疯狂的派对。”
作为亚马逊公司首次面向公众开放的人工智能、机器人以及太空会议,MARS大会成为公布上述消息的绝佳平台。事实上,亚马逊公司本身长期因为环境与气候变化相关政策而受到抨击。
近8000名员工签署了一封公开信,支持其最近股东大会提出的提案,其中要求董事会针对“气候变化造成的破坏”制定公开计划,并承诺减少对化石燃料的依赖。亚马逊公司做出环保承诺,目标是到2030年将净碳排放能源占比提升到50%。员工们表示这些努力还不够,而且这项提案本身最终也被否决。
亚马逊公司并没有立即回应其是否将在唐尼提出的项目中进行财务或者技术投资。
小罗伯特-唐尼在本届于拉斯维加斯召开的亚马逊MARS大会上公布了“足迹联盟”项目。
除了公布足迹联盟之外,唐尼还以玩笑的形式谈论了好莱坞与科技行业多元化发展的重要性,以及人工智能的快速推进。虽然他并没有提到关于实现足迹联盟项目目标的任何细节,但研究人员与企业家长期以来一直在研究如何利用AI技术缓解各类环境问题。
此次大会的演示室将一直运行到本周五,其中包括多个面向环境改善的机器人与人工智能项目。例如,RSE是iRobot公司的一个非营利性组织,其创造出一款海底机器人以捕捉入侵特种,并正在研究从海洋中清理塑料的解决方案。
会议中的第一个主题演讲来自亚马逊公司设备与服务高级副总裁Dave Limp,他谈到了该公司如何将AI整合至其所有产品当中。波士顿动力公司CEO Marc Raibert则展示了该公司的狗式Spot机器人。沃尔特-迪士尼公司幻想工程部门的Morgan Pope与Tony Dohi则谈到了他们创作特技表演机器人的尝试。
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。