至顶网CIO与应用频道 11月08日 北京消息:德州仪器的上海销售团队成员Steven曾表示,幸福生活的关键是拥有自己喜欢的职业和爱好,并且,他认为,自己使命是尽可能激发青少年对科技的热情。
Steven回忆起二十多年前,12岁的他萌发了他对科学技术的兴趣。“那时,我以为高科技就是无线电。他们向我们展示了一台笔记本电脑,它可以做很多事情——不仅具有计算能力,还可以玩电子游戏。还有一部卫星电话,可以用这部手机与住在美国的人对话。而美国对我来说是一个非常遥远的概念。这一切都给我留下了深刻的印象。”
DIY的狂热爱好者
Steven相信,是这些经历让他选择了现今的事业和爱好。
在初中时,他就开始制作遥控模型车,并通过修改遥控车的控制电路,使用锂电池代替AA电池驱动,赢得了遥控车比赛。在高中,他学习了物理之后,开始学习自制飞机模型,研究如何让飞机获得平衡,并通过改进电子技术更好地实现了对飞机的控制。在一次运用基本组件来设计和制造功能装置的全国竞赛中,他获得了第一名,并由此进入了一所拥有国内顶尖电气工程专业的大学学习。
授人以渔
为了帮助更多的孩子像他一样发掘自己对科学技术的热情,Steven和团队一起创建了TI魔力芯动课(TI Magic Electronic Course)。这是一个为期一天的趣味互动式课程,专门教授中小学生有关集成电路的基础知识,使他们能够接触到科学、工程和技术知识。志愿者们利用自身的技术知识帮助团队优化课程,不仅将其与卡通相结合,Steven还亲手制作短片,从而吸引学生对于电子技术的兴趣。
目前,中国的志愿教学团队已经将魔力芯动课程带到了30所中国学校,覆盖了约1万名学生。自2014年以来,Steven就已经先后亲自给1,000多名学生上过课,并且和公司的志愿者团队一起将该项目从偏远地区的希望小学扩展到城市地区,还曾以手语教学帮助聋哑学校的特殊儿童体验技术的魔力。不仅如此,TI还举办了“TI魔力芯动大赛”,广泛邀请来自上海交通大学、复旦大学、浙江大学等众多高校的大学生来设计魔力芯动课程的教案,评选出最佳方案并由学生和TI志愿者为小学生授课。
目前,一个多日课程已经被开发出来,Steven与同事们一起培训教师和大学志愿者,使他们可以有能力自行组织课程,Steven说:“这样我们就可以影响更多的人。我希望可以把TI魔力芯动课打造为一个具有广泛影响力的项目,在未来可以覆盖更多的学生,至少是目前的十倍,也就是十万学生。”
课程的“魔力”
Steven表示:“科学的力量是很强大的,却是孩子们未曾了解的。他们以前从未听说过手机是如何运作的,为什么飞机可以在空中飞行,或者为什么电视可以显示远方的画面。这些科学所带来的神奇效果,对于他们来说就像魔术一样。”
能够引领下一代进入科技的世界,激发他们对技术的热情,是Steven和团队打造TI魔力芯动课的动力之源,他们也不断见证着课程一直以来所得的成果。当收到学生寄来的带有集成电路图案的纸飞机模型时,Steven深受感动,他说,“我热爱科技,我很高兴能把科技带给年轻的孩子们,帮助他们理解与认知现代世界的运作方式。”
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。