AI软件从航拍影像中检测到20000多处隐蔽的私人泳池,帮助法国税务官员额外征收约1000万欧元的资产税。
根据欧元区国家的规定,增建阁楼、开挖泳池等有助于提升房产价值的家庭装修项目,会增加房主所应承担的税款数额。例如,一处30平米的游泳池每年就对应额外200欧元税款。但由于以往仅要求主动申报,所以很多业主会保持沉默以躲避这笔开支。
为了追查逃税者,法国税务局下辖的九个部门测试了机器学习软件,尝试自动从航拍照片中找到未申报的泳池。该软件分析了航拍图像,可扫描出存在泳池的迹象——例如后院位置的蓝色矩形轮廓。官员们会借此识别那些拥有泳池的房屋、确定所在位置,并比对数据库以检查业主是否已经正常申报。
截至目前,该软件已经发现20356处隐蔽泳池,帮助法国当局收取高达1000万欧元的额外税款。此项计划未来将在全国范围内部署,搜寻更多未申报泳池,由此带来的财产税贡献预计将达到4000万欧元之巨。
该软件由谷歌和凯捷共同开发,今年4月的报道称其错误率为30%。例如,这款计算机视觉软件可能被太阳能电池板阵列所误导,造成错误标记;另外,如果泳池被阴影或树木覆盖,也可能发生漏检的问题。法国财政部表示,工程师们正在努力扩展这款应用程序,希望能适应不同类型的家居改造场景。
公共财政副总干事Antoine Magnant在采访中表示,“我们会特别关注阳台这类房屋扩建项目,但同时要求软件能准确揪出那些占地面积较大的新增建筑,不要被狗舍或孩子们的嬉戏场夺走了注意力。”
然而,在现有建筑物上检测到突出的扩展或附加部分其实更为困难,而且这款软件还无法把这类情形同正常搭设的帐篷或防水油布区分开来。Magnant补充道,“这是我们第二阶段的研究内容,包括检查房产是否有人居住,如果无人则应停止征税。”
好文章,需要你的鼓励
这项研究由德累斯顿工业大学等机构的研究团队完成,旨在解决主动学习未被广泛应用的问题。研究者构建了包含460万种超参数组合的实验网格,系统分析了各参数对主动学习性能的影响。研究发现,不同策略实现间存在显著差异,基于边缘的不确定性策略整体表现最佳,随机选择约4000个超参数组合即可获得可靠结果。这些发现为设计可重现、可信赖的主动学习实验提供了明确指导,有助于降低入门门槛,促进技术在实际应用中的普及。
这项由英国爱丁堡大学和上海人工智能实验室研究者共同完成的工作提出了LongBioBench,一种用于评估长文本语言模型的新型基准测试框架。通过使用人工生成的虚构人物传记作为测试环境,该框架在保持可控性的同时,提供了更真实的评估场景。研究对18个长文本模型的测试表明,即使最先进的模型在检索、推理和可信任性方面仍存在显著挑战,特别是上下文长度增加时。研究还揭示了现有合成基准测试的设计缺陷和长上下文预训练的局限性,为未来模型开发提供了重要指导。
SuperWriter是一项来自新加坡科技设计大学和清华大学的突破性研究,通过模仿人类"先思考后写作"的过程,彻底改良了AI长文生成能力。该研究团队开发的框架包含三个关键阶段:规划、写作和修改,使AI能像专业作家一样进行结构化思考。实验结果表明,经过训练的SuperWriter-LM模型不仅超越同等规模的所有AI模型,甚至在某些领域表现优于规模更大的顶级模型,为AI辅助写作开创了新的可能性。
香港大学与阿里巴巴达摩院合作开发的LayerFlow是一种突破性的层级视频生成技术,能同时生成透明前景、完整背景和混合场景视频。该技术通过创新的框架设计将不同视频层级作为子片段连接,并引入层级嵌入使模型区分各层级。面对高质量训练数据稀缺的挑战,研究团队设计了三阶段训练策略,结合Motion LoRA和Content LoRA,实现了图像和视频数据的联合训练。LayerFlow不仅支持多层视频生成,还能实现视频分解和条件层生成,为视频创作领域带来革命性变革。