至顶网网络频道 05月18日 综合消息:
时间:48 小时
甚至更短
任务:紧急召集队员
为挑剔的客户量身定制方案
客户:电子舞曲届极受欢迎的制作人兼DJ
行踪 “难以捉摸”
时间紧、任务重,某著名娱乐公司如何在重压之下挑战不可能?
Video link:http://v.qq.com/x/page/l0501mxz1zi.html
“在全球 500 强企业中,有 95% 的企业都是思科 Collaboration 协作的客户无论是使用移动设备、桌面,还是会议室,思科会议解决方案都能为您提供更安全的协作。
”
视频协作能够提供以下 5 种方式,让世界对你来说 “触手可得”——
如何体验这种高效、便捷、超越身临其境的感觉?推荐两款卓越工具帮你实现!
思科视频协作,超越身临其境
思科 TelePresence® MX300 G2 (MX300 G2) 可提供简单优质的即用型解决方案,绝对物超所值。
无论是刚刚开始使用视频通信,还是计划在整个组织中提供视频支持,MX300 G2 都可以满足你的需求、根据需要随时随地开展合作。
思科 TelePresence® SpeakerTrack 60 摄像头可优化视频会议体验,即使客户、合作伙伴和同事身处地球的另一端,你也可以与他们 “近距离地面对面” 交流。
好文章,需要你的鼓励
这项来自苹果公司的研究揭示了视频大语言模型评测的两大关键问题:许多测试问题不看视频就能回答正确,且打乱视频帧顺序后模型表现几乎不变。研究提出VBenchComp框架,将视频问题分为四类:语言模型可回答型、语义型、时序型和其他类型,发现在主流评测中高达70%的问题实际上未测试真正的视频理解能力。通过重新评估现有模型,研究团队证明单一总分可能掩盖关键能力差距,并提出了更高效的评测方法,为未来视频AI评测提供了新方向。
这篇来自KAIST AI研究团队的论文提出了"差分信息分布"(DID)这一创新概念,为理解直接偏好优化(DPO)提供全新视角。研究证明,当偏好数据编码了从参考策略到目标策略所需的差分信息时,DPO中的对数比率奖励形式是唯一最优的。通过分析DID熵,研究解释了对数似然位移现象,并发现高熵DID有利于通用指令跟随,而低熵DID适合知识密集型问答。这一框架统一了对DPO目标、偏好数据结构和策略行为的理解,为语言模型对齐提供理论支持。
VidText是一个全新的视频文本理解基准,解决了现有评估体系的关键缺口。它涵盖多种现实场景和多语言内容,提出三层评估框架(视频级、片段级、实例级),并配对感知与推理任务。对18个先进多模态模型的测试显示,即使最佳表现的Gemini 1.5 Pro也仅达46.8%平均分,远低于人类水平。研究揭示输入分辨率、OCR能力等内在因素和辅助信息、思维链推理等外部因素对性能有显著影响,为未来视频文本理解研究提供了方向。
ZeroGUI是一项突破性研究,实现了零人工成本下的GUI代理自动化在线学习。由上海人工智能实验室和清华大学等机构联合开发,这一框架利用视觉-语言模型自动生成训练任务并提供奖励反馈,使AI助手能够自主学习操作各种图形界面。通过两阶段强化学习策略,ZeroGUI显著提升了代理性能,在OSWorld环境中使UI-TARS和Aguvis模型分别获得14%和63%的相对改进。该研究彻底消除了传统方法对昂贵人工标注的依赖,为GUI代理技术的大规模应用铺平了道路。