至顶网CIO与应用频道 12月14日 北京消息:Strategy Analytics近期发布的研究报告指出,语音适合一系列物联网(IoT)应用,并且可以在各种垂直市场上发挥作用。
Strategy Analytics发布的最新研究报告《从Alexa到行业:语音驱动的物联网(IoT)机遇》指出了物联网语音的八大关键因素,其中包括:
语音在物联网中的应用涵盖从消费者到工业,再到医疗保健等各种垂直市场。 商业用例包括改进的客户服务和更高效的运营流程。
Strategy Analytics执行总监兼报告作者Andrew Brown指出:“物联网一直聚焦于数据,但随着诸如自然语言处理和语音到文本等技术的不断改进,将语音纳入并整合到物联网应用中的能力为人与人互动提供一种通用的方法。 事实上,最近苹果收购Shazam,突出了人工智能语音和声音识别的重要性。
Strategy Analytics高级分析师Matt Wilkins表示:“语音可以用于沟通和控制,并且在适当考虑适合用途的情况下,可以为用户带来更自然的体验。 在某些情况下,语音为用户提供了至关重要的‘解放双手’的体验,比昂贵的触摸屏具有更高的安全性和更低的成本。“
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。