5月31日消息,據(jù)國外媒體報道,谷歌和英飛凌正在聯(lián)合開發(fā)一種足夠小的芯片,這種芯片可內(nèi)置于手表或腕帶中用來探測手勢和識別人臉。
英飛凌表示,它已開發(fā)出一種雷達傳感器半導(dǎo)體,目前正與谷歌合作探討如何將這種半導(dǎo)體投入到汽車安全等方面的應(yīng)用中。
“這種芯片可以監(jiān)測動作、識別人臉,而且尺寸很小,可應(yīng)用于物聯(lián)網(wǎng)、腕表、健身腕帶或駕駛員輔助系統(tǒng)中,”英飛凌發(fā)言人貝恩•霍普斯(Bernd Hops)表示,“我們提供的是硬件,谷歌則在應(yīng)用程序和用戶體驗界面上做出努力。”
谷歌正加強與汽車制造商的合作,數(shù)款車型已經(jīng)整合了谷歌的Android車載信息娛樂系統(tǒng)。寶馬計劃為新一代7系汽車裝備谷歌這一車載系統(tǒng),該系統(tǒng)的信息娛樂功能是由手勢所控制。
好文章,需要你的鼓勵
浙江大學(xué)團隊提出動態(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)研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準確率低"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上都帶來顯著提升,其中最佳模型達到49.6%準確率,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。