撰文 | 栗子
编辑 | 黄当当
上一期提到元宇宙入口将以「XR 设备、芯片、场景应用」多种形态并存。本期主要围绕「场景」入口具体来说。
从字面看,入口指的是“进入的地方”。它一边连着“来处”,一边连着“去处”。所以,元宇宙的场景入口,首先必须具备「两栖」特性——更确切来说,是具有横跨于现实世界和虚拟空间的需求。
从目前来看,至少有两类场景会有这样的需求:
第一,关注用户体验的场景,希望通过元宇宙提供的沉浸式体验,提升使用感,提高用户粘性,比如游戏、社交;
第二,需要跨越空间进行交互的场景,比如远程演唱会、协同办公等等,通过进入元宇宙,即便是远程交互也能拥有亲临其境的体验。
其次,作为场景入口,还有一个重要的前提,就是拥有数据采集能力,具有一定的数据基础。在虚拟空间,所有的人、事、物都是以数据形式存在的,因此,只有现实世界这一侧的数据被有效收集,才能在虚拟空间映射和构建出一个完整的数字世界。(为什么游戏和社交被视为现阶段进入元宇宙首批场景“入口”,其中一个重要的原因就是这两个场景都拥有大规模的用户群体,并且,这些用户本身都是“数字住民”。)
此外,相关技术(如AR/VR/MR、区块链)能否很好地接入,也会在很大程度上决定某个场景能否成为元宇宙的“入口”。
虽然风口已来,但落地还需要时间。也许在未来,元宇宙的场景“入口”会完全超出我们的认知而存在。
[编者按]:《元宇宙十万个为什么》是至顶网策划的一档特别栏目,我们希望做元宇宙时代的观察者、记录者、推动者。本篇为该系列第三问。
好文章,需要你的鼓励
牛津大学研究发现,尽管大语言模型在医学考试中表现出色,但在实际应用中效果大打折扣。研究显示,LLM直接测试时能94.9%准确识别病症,但人类使用LLM诊断时准确率仅34.5%,甚至低于不使用AI的对照组。问题源于用户提供信息不完整、LLM理解偏差等人机交互问题。专家指出,仅凭非交互式基准测试评估LLM存在误导性,需要真实的人机交互测试才能准确评估AI系统的实际性能。
RMIT大学研究团队提出革命性QQSUM技术,突破传统电商问答系统只给单一答案的局限。该技术能将用户评论中的多元观点自动归纳为代表性关键点并精确量化支持度,为消费者提供全面客观的购买参考。实验显示,新系统在文本相似度和量化准确性方面分别提升2.11倍和67.12%,有望彻底改变电商平台的用户体验和决策方式。
PCI特殊兴趣小组(PCI-SIG)正式发布PCIe 7.0规范,带宽再次翻倍达到128 GTps原始传输速率,在x16通道配置下可实现高达512 GBps双向带宽。相比2022年发布的PCIe 6.0的256 GBps,性能提升一倍。该技术主要面向800 Gbps以太网适配器、高性能计算和机器学习等高吞吐量应用。同时,PCI-SIG首次推出基于光纤链路的PCIe标准,并已开始PCIe 8.0规范的前期研发工作。
北京通用人工智能研究院的研究团队开发了名为RuleReasoner的创新训练方法,成功让小型AI模型在规则推理任务上超越了OpenAI的o1等大型模型。该方法采用领域感知动态采样策略和强化学习,使8B参数模型在多个困难推理任务中领先10.4个百分点,同时显著提高了训练效率,为AI推理能力发展开辟了新路径。