IBM本周表示,将与Palantir合作将IBM的混合云和人工智能技术与Palantir的数据分析工具进行融合。
IBM称,双方合作的新产品名为Palantir for IBM Cloud Pak,旨在简化企业使用IBM Watson构建和部署AI应用。Watson应用可以对混合云环境中的数据进行访问和分析。Palantir for IBM Cloud Pak结合了Palantir Foundry(一个用于数据集成和分析的平台)和IBM Cloud Pak for Data Services(包括IBM Watson服务)。
IBM表示,这个新产品将减少数据孤岛,不需要具备AI分析所需的技术专长。换句话说,这是一个用于部署基于AI的应用的“无代码/低代码”平台,可以快速有效地处理数据,帮助企业扩展其现有系统并加速数字化转型。除了推出这个产品之外,Palantir还将采用IBM的Red Hat OpenShift平台来改善Palantir平台与混合云环境的技术兼容性。
这次推出的新产品主要瞄准了零售业、金融服务业、制造业、医疗和电信业客户。例如,零售企业可以使用Palantir for IBM Cloud Pak来分析供需趋势,医疗企业可以用来统一数据孤岛,为医疗专业人员提供更具一致性的数据集进行分析。
Palantir首席执行官Alex Karp表示,Palantir正在与IBM合作将这个联合产品交付给最需要的机构和人员,这将“有助于推动全球最重要的机构迈向一个前所未有的新数字化时代”。
这次合作的消息对于Palantir的股东来说是一个可喜的提振,今天Palantir的股价上涨了10%。
IBM Cloud Pak的Palantir将于3月正式上市。
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。