ZD至顶网CIO与应用频道 04月20日 北京消息:美国当地时间4月18日,Facebook年度全球开发者大会F8在美国圣何塞市举行,这场备受全美乃至全球互联网人瞩目的年度行业盛会吸引到4000位来自全球各地的科技精英、行业领袖到场参会,探讨前沿产品、技术,共享Geek狂欢。
在为期两天的F8议程里,Facebook共安排了50多场研讨会,Facebook首席执行官扎克伯格(MarkZuckerberg)在大会首日发表开幕词,阐述Facebook未来发展愿景,同时公布了令人期待已久的新工具和新功能。APUS作为Facebook全球战略合作伙伴,其创始人兼CEO李涛再次受邀出席F8-VIP早餐会,与Facebook高层以及现场约200名全球顶尖开发者、创新者互相交流学习。
在大会首日的keynote上,除分享了AR、VR和AI方面的最新资讯外,Facebook还现场重磅公布了“PlacesGraph”计划,并发布全球首批合作伙伴代表名单,APUS作为中国区唯一代表参与该计划。这是继去年APUS率先使用Facebook的AccountKits技术与Analytics、 Push技术后,今年与Facebook在合作上的又一次深化。
“PlacesGraph”计划是Facebook首次为开发者提供的Place技术,通过这一技术,开发者可以查询Facebook平台上面的Place并展示给用户。此次的合作,APUS通过基于地理位置属性的产品APUS Know和APUS Browser接入Facebook Place Graph ,将为APUS用户提供更多丰富的信息流和服务内容。举例来说,接入FacebookPlace的APUSKnow可以基于位置实现对生活服务信息更加精准、丰富的实时推送,APUS用户将通过APUSKnow了解到当下位置里最具人气的餐馆,最具性价比的酒店,娱乐,旅游等等。
更进一步讲,Facebook根据海量用户的使用习惯做数据挖掘,能够更好地把握用户需求;APUS用户系统的大数据平台,可对用户进行精准地“用户画像”和“场景化分析”,双方合作将为用户提供预测和信息推荐服务的最优方案。
二者强强联合,这也意味着双方有很广阔的共赢空间。从用户分布和引流看,Facebook与APUS的活跃用户并不存在高度重合性,尤其在新兴市场,APUS致力于解决智能手机用户接入互联网的痛点问题,注重改善用户体验,创新性提出“用户系统”概念,实现用户对手机硬件,软件管理和上网三位一体的交互和管理,迅速占领市场。目前使用APUS集群产品的用户累计超过10亿。Facebook则以其社交属性打开市场,并逐渐通过提供线上信息流和商品流,服务流等实现连接。两者在互联网发展的不同阶段各有其独特优势。
从战略层面看,APUS能够代表中国区域互联网公司率先成功接入FacebookPlace,通过对Facebook创新功能的合理应用,APUS将为用户提供更多完善优质的本土化内容和服务,这也是APUS一直以来服务全球用户的初衷。
在F8大会上李涛表示,未来,随着APUS生态系统全球布局愈加成熟,与Facebook的合作也将更加纵深。今后,基于全球超过10亿的用户群体,APUS将继续通过大数据、机器学习以及人工智能等全球领先的技术,为更多用户提供量身定制的信息与服务,创造更多在衣、食、住、行、医等涉及生活的诸多领域的新业务,从而践行其社会使命:让每个人过上体面的生活。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。