对于云从轻舟平台的落地效应,云从科技高级副总裁杨桦表示充满信心,它基于云从人机协同的理念,使顶尖专家能力能够快速复制与扩大,从根本上提升各行业的质量与效率,能让AI真正促进整个社会的转型升级。
三大中台开拓AI无限可能
在AI落地应用过程中,一方面在平台层面行业要卖你对不同的使用者,他们有着不同视角与使用诉求,而单一的中台产品难以满足多样化需求;另一方面,在同一场景中常常存在着来自不同厂商的设备与应用,如何将多样的设备与应用快速、高效地接入平台,也是落地应用的一大难点所在。
云从科技从搭建轻舟生态入手,破解行业应用难题。在整体架构设计上,轻舟面向三大中台:不仅是数据中台,同时是业务应用和业务能力的中台,也是一个AI能力的中台。
基于云从CWOS基础能力,云从轻舟平台搭建三位一体的松耦合技术架构,无论是生态硬件合作,还是业务合作伙伴,都可以在数据、算法、能力引擎、标准应用级等四个层面,基于轻舟平台进行自由组合,完成对应的方案合作开发与生态搭建,最终形成更具有落地价值的云、边、端一体协同的解决方案。
云从科技创新智慧物联总经理项迪铭表示,轻舟希望搭建的是一个自上而下、横向纵向都可以无限集连的、有无限想象空间的生态:“小到一个基本场景的小平台,大到一个企业从总部到分部、多点部署式的混合构架,再大到某一个行业、某一个集团为全国性、全球性部署所需要的一整个应用和数据中台,都可以基于轻舟生态进行横向、纵向的扩展,开拓AI的无限可能性。”
构建内外一体协同的共创生态
云从轻舟平台能够兼容和融合多种不同行业视角和场景诉求的数据、应用和设备,面向不同类型使用者的多样需求,赋能构建内外一体协同的共创生态。开创性的优势,可真正带来业务价值的场景和使用方式的落地,同时随业务模式转变而迭代。
行业领先的开放能力平台
提供人脸、人体、活体、OCR、聚类、分布式调度等几十款云从标准AI能力引擎,及定制AI训练平台直通市场,真正给出行业应用使用价值上的AI能力,可满足各场景的AI业务需求。
所不智的多场景适配
适用于通行、客流、刷脸认证、政府机构、大型企业等多场景应用,在大中型园区安防、购物中心等商业场所、人机协同城市大脑、人机协同行业大脑等方面都适配。
灵活配置的标准应用集
自带功能完备的应用集,零行代码,一键部署,即插即用,全链路数据管理。端对端灵活配置,典型场景可直接交付使用。
横向纵向无限扩展
横向:可并行建设独立部署的子平台和主平台;
纵向:以场景为主线,建设自上到下的一整套智慧场景。
云从科技还发布了“千帆”合作伙伴计划,旨在携手更多跨行业跨地区的合作伙伴与客户,共同打造具备行业知识、具备行业洞察、具备行业能力、嵌入行业业务流和场景的价值生态。
云从轻舟平台的发布,是云从科技人机协同战略落地的又一重要举措:将人类智慧与机器智能融合、重构与共创,实现顶级智慧资源的复制与迭代,推动社会效率与质量的升级,让AI真正造福于人。
好文章,需要你的鼓励
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。