2018年中国IT互联网产品创新大会于6月30日在中科院计算所举行。来自全国各地的IT互联网企业高层管理人员与会,大家就“产品创新、产品运营”做了深入细致的研讨,会场上精彩观点频出, IT互联网人有了一个能够进行思想碰撞、观点探讨、互相学习、多赢进步的平台。
作为创新型的人工智能产业代表,北京飞搜科技应邀出席会议,并在人工智能圆桌会议中与专家们共同回顾了人工智能的发展、所取得的成就,探讨了未来十年AI所面临的机遇和挑战。
这次“2018年度中国最佳IT互联网产品奖评选”是国内唯一进行这方面的评选,鼓励IT互联网产品创新,获得广大会员的积极参与。该评选采用网络投票评选和专家评选相结合,包括海量网络选民的投票数和50名业内知名大咖点评投票。最终,“飞搜识图”荣获2018年中国IT互联网最受用户欢迎产品奖。
“飞搜识图”APP由北京飞搜科技的团队研发,目前支持包括图像识别、刷脸登录和人像比对等功能,能够以人脸识别算法为基础对用户的相册进行归类、识别出图片包含的物象信息,并以人脸为注册账号、登录账号的途径,增大了系统的安全指数。飞搜识图的识别可靠、安全性能佳,对相册的分类功能亦是操作简便而效果卓着,值得用户信赖并无障碍使用。
飞搜识图占用资源相对节省,功能强大而实用,为用户的工作、生活、娱乐等带来便利与安心。飞搜科技在一系列的创新与肯定之中,一步一个脚印地在人脸识别和图像识别领域做出自己的风格与荣耀,一步步走向成熟和辉煌。
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。