众所周知,视频游戏比几乎任何其他形式的娱乐提供的数据和指标都更多,因此PlayFab公司希望利用IBM的Watson人工智能平台,将数据转化为游戏开发者的宝贵资料。
PlayFab提供的后端平台令游戏创造者可以更容易地实现众多的在线游戏功能,包括玩家账户认证、好友列表,程序电商等等。PlayFab还提供大量基于游戏数据的分析,用上Watson后此功能更会大放光芒。
PlayFab首席执行官James Gwertzman表示,“现代互连游戏提供了巨大的艺术和商业潜力,但要将潜力变为现实,开发人员需要工具,以对这些游戏即服务里不断产生的大量数据进行实时分析。我们将Watson数据平台引入PlayFab开发者社区,可以将尖端科学数据带给大众,令开发者可以做出更好的决策并推动更多的互动和更大的盈利能力。”
据悉,PlayFab是2014年在西雅图成立的,PlayFab称旗下的平台支持600多个游戏。许多游戏来自大型手机和游戏机出版商,包括“愤怒的小鸟”的制造商Rovio娱乐有限公司和“生化危机”制造商Capcom公司。
PlayFab在声明中表示,开发人员通过PlayFab旗下的平台可以用上Watson的所有功能,包括Watson机器学习。PlayFab称Watson机器学习令开发人员可以“分析更多玩家的数据及通过PlayFab的平台将所得到的体验直接部署到他们的游戏里”。
然而,PlayFab并非第一家利用数据打造更好的游戏的游戏公司,事实上,一些大型工作室甚至设置了专门部门,致力于分析玩家的行为,以获取改善游戏的方法。例如,最近在Reddit的“你问我答”专栏里,“守望”负责人Jeff Kaplan透露,Blizzard娱乐公司设置了商业智能部门,商业智能部门利用数据帮助开发人员鉴定和解决各种各样的问题,例如英雄和地图平衡(Hero and map balance)的问题。
当然,Blizz ard的规模大,业界可与之相比的游戏工作室为数不多,Blizzard因此有能力设置自己的商业智能部门,而PlayFab与Watson的整合则可以为其他开发商提供许多相同的功能,而其成本要小得多。
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。