ZD至顶网CIO与应用频道 11月14日 北京消息:2014年1月,造价通打造了一个专属于建筑行业的大型知识互动平台——云知;自上线以来获得了不少用户的喜欢和青睐。如今,当分享式平台逐渐成为人们与外界沟通和连接的重要渠道,造价通希望通过“云知”的升级与广大用户建立更深厚的连接,为建设行业打造一个知识分享、行业交流、思维碰撞的垂直阵地,一起燃烧知识,感受分享的乐趣。
2016年11月,云知升级版全新上线!此次,我们从极简的角度出发,以知识互动为核心,根据专业、兴趣等不同分成28大话题,让用户可以快速找到自己喜欢或感兴趣的内容,为用户创造更大的价值。
随着人们工作和生活方式的转变,人们对互联网的依赖越来越强烈!打破知识的疆界,是云知提升体验的第一步。在这里,满足你求知欲的同时也可以足不出户向世界分享自己的知识见解。试想一下,于茫茫人海,找到一个同属于建设行业,与你相知,替你解惑的人有多难。但是在云知,你可以轻而易举地去寻找,去遇见!这里的人、知识、资源,你可以随意取用。你可以在求知者和解惑者的角色中随意切换,当然偶尔情绪低落,问答皆无趣时,你也可以悠然闲逛,这里总有你想遇见的精彩。
用知识连接世界,与同道中人切磋才艺!茫茫题海中,总有一个适合你;茫茫人海中,总有一个可以为你解惑。马上加入云知,一起感受分享的乐趣。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。