大眾汽車集團(tuán)(中國)大中華區(qū)和東盟地區(qū)首席營銷官胡波表示,“處在‘互聯(lián)網(wǎng)+’時代的中國汽車市場,正在經(jīng)歷一場重要的變革。大眾汽車作為汽車行業(yè)的領(lǐng)導(dǎo)品牌,提出‘汽車+’理念,致力于成為人們?nèi)粘I町?dāng)中不可或缺的‘數(shù)字化出行服務(wù)提供商’ ”。
大賽以“駕數(shù)據(jù)•領(lǐng)未來”為主題,由大眾汽車集團(tuán)(中國)主辦,“大眾汽車數(shù)據(jù)創(chuàng)新實驗室”承辦,參賽者將在規(guī)定的28小時內(nèi)找到對于消費(fèi)者需求的精準(zhǔn)洞察、完成原形設(shè)計或者呈現(xiàn)出具有創(chuàng)意的數(shù)字化時代出行方案,將從團(tuán)隊綜合表現(xiàn)、商業(yè)前景、創(chuàng)新與創(chuàng)意以及技術(shù)執(zhí)行四個方面考察選手的綜合實力。
比賽最終結(jié)果由大數(shù)據(jù)行業(yè)處理專家、高校著名教授,以及大眾汽車集團(tuán)(中國)市場部和信息技術(shù)部負(fù)責(zé)人共同組成的專業(yè)評委會評選產(chǎn)生。最終優(yōu)勝隊伍將前往德國大眾汽車總部參加大數(shù)據(jù)體驗之旅,大賽中涌現(xiàn)的高質(zhì)量創(chuàng)新研發(fā)成果還將有望用于未來的產(chǎn)品和服務(wù)中。本次大賽獲得了天睿公司(Teradata),四維圖新和清華X-Lab的合作支持。
大賽報名程序已經(jīng)正式啟動,報名截止時間為2015年6月25日。
同樣在今日“亞洲消費(fèi)電子展”上,大眾汽車與華為宣布,雙方將在車聯(lián)網(wǎng)領(lǐng)域展開全球范圍合作,提供更好的智能聯(lián)接體驗。展會上,華為與大眾汽車聯(lián)合演示了支持國際車聯(lián)網(wǎng)盟(Car Connectivity Consortium) MirrorLink開放標(biāo)準(zhǔn)的一系列車聯(lián)應(yīng)用,涵蓋以智能手機(jī)為中心的通話、短信、導(dǎo)航、多媒體、支付等多項車載服務(wù)。
作為車載智能手機(jī)連接行業(yè)標(biāo)準(zhǔn),MirrorLink旨在規(guī)范智能手機(jī)和車載系統(tǒng)的有效連接,在各種智能手機(jī)和汽車之間實現(xiàn)最大的互操作性。
據(jù)悉,大眾汽車首款搭載MirrorLink的國產(chǎn)車型是凌渡,后續(xù)包括國產(chǎn)第七代高爾夫在內(nèi)的更多車型。值得一提的是,從2016年型開始,所有的大眾進(jìn)口汽車都將具備MirrorLink。
好文章,需要你的鼓勵
浙江大學(xué)團(tuán)隊提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(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,且不增加計算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學(xué)研究團(tuán)隊提出SIRI方法,通過"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"的問題。實驗顯示,該方法在數(shù)學(xué)競賽題上將模型準(zhǔn)確率提升43.2%的同時,輸出長度減少46.9%,真正實現(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)隊開發(fā)出Rolling Forcing技術(shù),實現(xiàn)AI視頻實時流式生成的重大突破。該技術(shù)通過滾動窗口聯(lián)合去噪、注意力錨點機(jī)制和高效訓(xùn)練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,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)作開辟新可能。
華中科技大學(xué)研究團(tuán)隊發(fā)現(xiàn),通過讓AI模型學(xué)習(xí)解決幾何問題,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AI模型。實驗結(jié)果顯示,幾何訓(xùn)練在四個空間智能測試基準(zhǔn)上都帶來顯著提升,其中最佳模型達(dá)到49.6%準(zhǔn)確率,超越此前最好成績。這項研究揭示了基礎(chǔ)幾何知識對培養(yǎng)AI空間智能的重要價值。