近日,由国家工业和信息化部、中国科学技术协会指导,中国通信学会、全国移动互联网产业孵化中心联合主办的2018年全国移动互联创新大赛在广州隆重举行。北京飞搜科技最终荣获2018年全国移动互联创新大赛一等奖。
与2017年相比,迈入2018年后飞搜科技的技术创新水平与团队凝聚力已经更加成熟,连续在各项人脸识别、图像识别的赛事之中获奖,并将人脸的检测、比对、检索能力提升到了世界顶尖水平。目前,飞搜科技从技术提供商向技术集成商的转型之路正在稳健而快速地深入迈进,飞搜科技的创新成果正在不断地投入到实际应用中,并得到越来越多的与赞誉,飞搜科技的发展势不可挡。
飞搜科技的专注领域目前仍是基于深度学习的人脸识别和图像识别,力求将软硬件技术相结合,将自身高质量的检索与对比能力融入到视频接入、摄像监控、图像比对等领域,在安保、博彩、交通、金融、支付等领域提供高效可靠的解决方案,最大限度地优化人脸识别模块的效率,为多项可能耗时较大的识别需求提供强有力的解决方案。孜孜以求能节约成本、提高效率、进一步推进行业的发展。
图为北京飞搜科技CEO白洪亮上台领奖
本次大赛,飞搜科技以完美的创意和不俗的实力强势斩获项目一等奖,这标志着飞搜科技团队的实力得到了业界的认可、“飞搜思想”与“飞搜力量”已经走在了行业的前列。本次获奖既是2017年飞搜团队崭露头角的延续,更是整个团队的强心剂,我们有信心延续大力创新追求高效的发展势头,在未来的日子里攀上更多的高峰。
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。