2020年3月2日,中国 北京 —— 致力于医疗、商业和政府应用信息技术平台开发的全球领导者 InterSystems今日宣布,InterSystems iKnow,即InterSystems IRIS数据平台™自然语言处理(NLP)技术,现在可以通过开放源方式获得。开放源代码使现有的InterSystems合作伙伴、客户、其他组织和学者,能够以独特的、无差别的、全面的方式,充分利用由InterSystems iKnow提供的NLP技术所带来的深入洞察力。
将InterSystems iKnow引入开放领域,可更便捷地将该技术深入嵌入到基于InterSystems IRIS或者不基于InterSystems IRIS的应用和业务流程中。它允许客户从底层定制化该技术、调优和扩展语言模型,这在现有发布周期固定的专利版本中很难做到。
IDC研究总监Cynthia Burghard表示:“利用机器学习、自然语言处理和人工智能,人们可以从聚合的数据中加速获得研究成果。随着不断紧缩的企业预算,NLP的开源解决方案将是对寻求工作自动化的企业的一个具有吸引力的选择。”
InterSystems将持续支持InterSystems iKnow作为IRIS数据平台的一部分,来进行搜索和查找用户案例,并为开源项目提供长期的支持与维护。作为InterSystems IRIS数据平台一部分,InterSystems IRIS 客户将可以免费获得InterSystems iKnow技术。
InterSystems IRIS数据平台产品管理总监 Jeff Fried表示:“在如今工作场所自动化的要求下,企业正面临着持续加快创新的压力,驾驭自然语言是通过智能应用实现这一目标的关键。将InterSystems iKnow开源是我们诸多创新的一部分,旨在为我们的客户、合作伙伴和更广泛的技术社区提供必要的工具和资源,以充分发挥其潜力,并在医疗、商业、政府等领域产生持续的影响。”
您可点击如下链接了解更多有关InterSystems的开源版本:https://github.com/intersystems/iknow
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。