至顶网软件与服务频道消息: 新冠肺炎爆发后,疫情排查防护工作日益严峻。鉴于疫情排查的范围广、人员多,不仅需要消耗大量的人力物力,且很难准确全面的统计疫情状况,同时面对面的访问调查还会增加交叉感染风险。
苏宁科技紧急响应,利用自研人工智能技术,开发了智能语音机器人,通过人机对话模式,提高了疫情筛查统计的效率和精准度。苏宁表示该产品不仅可实现在企业内部使用,并且可开放给社会各级政府、企事业单位、街道、社区等,提供疫情统计电话和疫情问题在线问答服务。
“科技”已成为当前防控、遏制疫情蔓延的重要力量之一。苏宁科技相关技术人员表示,疫情防控智能语音机器人是通过利用语音识别、自然语言理解、语音合成等核心技术以及多轮对话管理、VOIP、知识图谱、大数据等技术研发而成。通过智能语音机器人提问可以来收集和核实个人身份信息、健康状况、行踪以及接触人群信息等,可实现1分钟近百个电话访问,工作效率远高于人工呼叫。
通过智能语音机器人自动呼叫目标人群的电话,收集和确认信息,可与目标人员进行多轮交互式会话,信息确认完后,会自动对收集到的信息进行分类、统计和汇总。
“您好,我是苏宁疫情防控中心的小苏,本次通话将对您目前的身体状况做一个简单的回访。”“请问您今天的体温有没有超过三十七点三度?”“请问您的家人朋友或接触过的人,今天有没有发烧,咳嗽,气促的症状?”…面对语音机器人的问题,受访人群可以选择“有的或没有”进行回答,系统会自动记录,并根据受访者不同情况进行智能判断、分类提问。
当前,处于返程高峰期,更是新冠肺炎疫情防控的关键期。如何对返程复工人员进行全面、高效、精准的健康状况筛查,已成为企事业单位、社会机构等面临的一大难题。苏宁语音机器人 “以一顶百”, 提高了疫情筛查的效率与精准度,成为了疫情防控的有利助手,以科技创新助力打赢抗疫战。
好文章,需要你的鼓励
这项来自苹果公司的研究揭示了视频大语言模型评测的两大关键问题:许多测试问题不看视频就能回答正确,且打乱视频帧顺序后模型表现几乎不变。研究提出VBenchComp框架,将视频问题分为四类:语言模型可回答型、语义型、时序型和其他类型,发现在主流评测中高达70%的问题实际上未测试真正的视频理解能力。通过重新评估现有模型,研究团队证明单一总分可能掩盖关键能力差距,并提出了更高效的评测方法,为未来视频AI评测提供了新方向。
大模型时代,玛丽·米克尔(Mary Meeker)的名字可能大家不一定熟悉,但是在互联网时代,这位被可被誉为“互联网女皇”的。她是美国风险投资家和前华尔街证券分析师,专注于互联网及新兴技术领域。玛丽·米克尔(Mary Meeker)发了一份340页的《人工智能趋势报告》,粗粗看了一下,并没有非常轰动的观点,但是数据比较全面
这篇来自KAIST AI研究团队的论文提出了"差分信息分布"(DID)这一创新概念,为理解直接偏好优化(DPO)提供全新视角。研究证明,当偏好数据编码了从参考策略到目标策略所需的差分信息时,DPO中的对数比率奖励形式是唯一最优的。通过分析DID熵,研究解释了对数似然位移现象,并发现高熵DID有利于通用指令跟随,而低熵DID适合知识密集型问答。这一框架统一了对DPO目标、偏好数据结构和策略行为的理解,为语言模型对齐提供理论支持。