為在社會(huì)企業(yè)競(jìng)爭(zhēng)中取得勝利,甲骨文公司仍繼續(xù)為之奮斗著。當(dāng)?shù)貢r(shí)間本周三,甲骨文公司在其SRM平臺(tái)內(nèi)推出了一個(gè)新的工作區(qū),該企業(yè)巨頭表示,這個(gè)新工作區(qū)將通過(guò)“令人嘆服的”新用戶界面來(lái)提高用戶工作效率。
甲骨文為這個(gè)工作區(qū)取名為Social Station,旨在給用戶更多的分析能力和控制權(quán),但卻不需要用戶太多的點(diǎn)擊量。
而這均通過(guò)新的用戶體驗(yàn)得以實(shí)現(xiàn)的,其中主要以拖放操作功能、一鍵分享和多視圖布局為特色。此外還有一個(gè)增強(qiáng)版日歷模塊,旨在為用戶的網(wǎng)站內(nèi)容、帖子、關(guān)系網(wǎng)和視圖提供更多可視化的描述。同時(shí),這個(gè)Social Station還推出了一個(gè)新的分析模塊,允許用戶通過(guò)大量的報(bào)告對(duì)對(duì)社會(huì)數(shù)據(jù)的自定義視圖進(jìn)行實(shí)時(shí)綜合分析。
甲骨文社交云集團(tuán)副總裁梅格·貝爾(Meg Bear)在一份聲明中表示:“通過(guò)不斷地改善我們的產(chǎn)品,我們希望能為我們的客戶帶來(lái)競(jìng)爭(zhēng)優(yōu)勢(shì),而Social Station便為他們提供了一個(gè)動(dòng)態(tài)的用戶體驗(yàn),提供用戶工作效率以及社會(huì)化商業(yè)成果。我們通過(guò)讓用戶比以往更輕松地在整個(gè)企業(yè)中理解、報(bào)告以及分析他們的社會(huì)見(jiàn)解,使我們的用戶能夠與時(shí)俱進(jìn),使他們能夠影響企業(yè)的業(yè)務(wù)指標(biāo)和策略。”
通過(guò)收購(gòu)社交營(yíng)銷(xiāo)平臺(tái)Vitrue、SNS監(jiān)測(cè)平臺(tái)Collective Intellect以及Involver,甲骨文整合加強(qiáng)了其SRM平臺(tái),并繼續(xù)為其添加新功能,集成到平臺(tái)中。
甲骨文表示,該公司計(jì)劃繼續(xù)通過(guò)新的模塊來(lái)構(gòu)建這個(gè)Social Station,例如增加內(nèi)容管理、影響者的參與和指揮中心的創(chuàng)建等模塊。
好文章,需要你的鼓勵(lì)
新加坡國(guó)立大學(xué)研究團(tuán)隊(duì)開(kāi)發(fā)了SPIRAL框架,通過(guò)讓AI與自己對(duì)弈零和游戲來(lái)提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡(jiǎn)單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無(wú)需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開(kāi)發(fā)的GIGA-ToF技術(shù)通過(guò)融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問(wèn)題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺(jué)解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過(guò)對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過(guò)強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺(jué)語(yǔ)言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無(wú)法有效利用視覺(jué)信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過(guò)動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語(yǔ)言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。