
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)
浙江大學(xué)團(tuán)隊(duì)提出動(dòng)態(tài)專家搜索方法,讓AI能根據(jù)不同問(wèn)題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學(xué)、編程等任務(wù)上顯著提升推理準(zhǔn)確率,且不增加計(jì)算成本。研究發(fā)現(xiàn)不同類型問(wèn)題偏愛(ài)不同專家配置,為AI推理優(yōu)化開(kāi)辟新路徑。
清華大學(xué)研究團(tuán)隊(duì)提出SIRI方法,通過(guò)"壓縮-擴(kuò)張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準(zhǔn)確率低"的問(wèn)題。實(shí)驗(yàn)顯示,該方法在數(shù)學(xué)競(jìng)賽題上將模型準(zhǔn)確率提升43.2%的同時(shí),輸出長(zhǎng)度減少46.9%,真正實(shí)現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團(tuán)隊(duì)開(kāi)發(fā)出Rolling Forcing技術(shù),實(shí)現(xiàn)AI視頻實(shí)時(shí)流式生成的重大突破。該技術(shù)通過(guò)滾動(dòng)窗口聯(lián)合去噪、注意力錨點(diǎn)機(jī)制和高效訓(xùn)練算法三項(xiàng)創(chuàng)新,解決了長(zhǎng)視頻生成中的錯(cuò)誤累積問(wèn)題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標(biāo)從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開(kāi)辟新可能。
華中科技大學(xué)研究團(tuán)隊(duì)發(fā)現(xiàn),通過(guò)讓AI模型學(xué)習(xí)解決幾何問(wèn)題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個(gè)幾何題目的Euclid30K數(shù)據(jù)集,使用強(qiáng)化學(xué)習(xí)方法訓(xùn)練多個(gè)AI模型。實(shí)驗(yàn)結(jié)果顯示,幾何訓(xùn)練在四個(gè)空間智能測(cè)試基準(zhǔn)上都帶來(lái)顯著提升,其中最佳模型達(dá)到49.6%準(zhǔn)確率,超越此前最好成績(jī)。這項(xiàng)研究揭示了基礎(chǔ)幾何知識(shí)對(duì)培養(yǎng)AI空間智能的重要價(jià)值。