全球联网汽车及汽车以太网测试解决方案领域的领导者思博伦通信今天宣布,雷诺公司已经选择了思博伦的汽车以太网BroadR-Reach®一致性和性能测试解决方案。该解决方案将用于协助开发下一代车载网络,为驾驶员和乘客提供联网汽车的诸多便利和优势。
面对越来越多的驾驶员所寻求的新特性,目前的车载网络无法提供实施这些特性所需的容量或传输速度。驾驶员辅助特性,例如360°视频相机和先进的驾驶员辅助系统都需要新的联网技术,而此类技术将为用户和制造商提供成本和效率方面的众多优势。
雷诺公司EE架构专家主管Alain Couvreux指出:“雷诺一直跻身技术的前沿,并且不断寻求为驾驶员和乘客提供诸多全新的特性,而这样做的目的正是为了营造出‘生活的激情’。汽车以太网将有助于实现许多新的特性和优势。随着汽车行业逐步采用新的信息技术,并且创造出越来越多的联网汽车,新系统的应用势在必行。思博伦是全球领先的解决方案供应商,为实现更快、更好和更安全的通信和协作做出了巨大的贡献,并且在实施汽车以太网等新技术方面拥有独树一帜的专业能力和创新成果。”
思博伦通信汽车业务部门总经理Pete Nicholson表示:“思博伦与雷诺合作, 验证能及时向汽车用户提供高质量新特性的能力。思博伦的解决方案已被广泛用于IT和电信行业中。今天的汽车行业正在制造越来越多的联网汽车,我们的知识和解决方案将帮助汽车厂商实现未来的汽车之梦。”
思博伦的汽车以太网BroadR-Reach® 一致性和性能测试解决方案,是适用于汽车、系统和设备制造商的解决方案产品组合的一部分,使这些制造商能够将全新的联网汽车特性融入下一代的汽车之中。
好文章,需要你的鼓励
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。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。