至顶网CIO与应用频道 01月14日 北京消息:Strategy Analytics无线媒体战略服务(WMS)发布的最新研究报告《汽车、企业、物联网和移动性行业推动未来定位服务增长》指出,随着汽车行业、企业、物联网和移动性服务提供商越来越认识到定位的重要性,未来定位服务的需求增长将会来自这些行业。此外,在Strategy Analytics的全球定位公司(包括谷歌、HERE、Mapbox和TomTom )年度对标测试中,谷歌和HERE在大多数方面展示了领导力和很强的实力,而Mapbox和TomTom在其他一些领域展示了优势。
知名用例和现有用例都将推动定位和定位服务的未来需求。 Strategy Analytics总监Nitesh Patel指出,“重要领域的定位服务需求持续增长。 每年拥有内置导航的汽车销量将会增加,而越来越多企业将定位服务应用到多个领域,包括资产跟踪,车队管理和支持商业情报。 此外,消费者对易用的按需服务需求推动了移动性服务的增长,而移动性服务则以定位服务为基础。”
Strategy Analytics的研究还评估了全球定位公司谷歌、HERE、Mapbox和TomTom的优势和劣势,包括地图制作能力,在汽车行业中的优势,地图可视化,对开发人员的吸引力以及开放性和灵活性。 谷歌和HERE在地图制作方面处于领先地位,谷歌在本地搜索和对开发人员吸引力方面也处于领先地位。 HERE在汽车领域和行业发展愿景方面处于领先地位,并在其他领域也取得了很大成绩。 Mapbox在可视化方面脱颖而出并且深受开发人员的青睐,而TomTom在多个领域都很强大。
Strategy Analytics高级副总裁David Kerr表示,“定位公司之间的竞争非常激烈,并且在提供最多、高质量、最新和精确的实时地图方面的竞争将会于愈演愈烈,这是由自动驾驶、连接设备数量的增长、企业对定位情报的需求不断增长而推动的。随着企业对定位服务的需求不断发展,能够展示满足各种垂直公司需求的能力,同时保持开放,灵活和开发人员友好的公司最有可能成功。”
好文章,需要你的鼓励
这项来自麻省理工和滑铁卢大学的研究质疑了在AI文本排序中"思考过程"的必要性。研究者比较了三种文章重排模型:直接判断的StandardRR、先推理再判断的ReasonRR,以及禁用推理功能的ReasonRR-NoReason。实验结果表明,不仅推理过程没有提高排序质量,有时甚至会降低效果。主要原因是推理导致模型倾向于极端判断,难以表达"部分相关"这种微妙关系。即使应用"自洽性"等改进技术,简单直接的判断方式仍然更为高效有效。研究为信息检索系统设计提供了新视角:有时,少即是多。
TAGS是一种创新的医学问答框架,结合了泛医和专医两种视角,通过层次化检索和不确定性验证机制提升医学AI回答的准确性。该框架由穆罕默德·本·扎耶德人工智能大学等机构的研究团队开发,无需任何模型微调即可显著提升包括GPT-4o和DeepSeek-R1在内的大型语言模型在九个医学问答基准测试上的表现。TAGS通过模拟医疗专家协作、结构化知识检索和质量控制,解决了现有方法在复杂医学推理中的短板,为构建更可靠的医学AI系统提供了新思路。
这篇研究提出了时间抽象值学习(OTA)方法,解决离线目标条件强化学习中的长期规划问题。研究团队发现现有分层方法失败的关键在于高层策略无法生成合适子目标,原因是价值函数在长期规划中估计不准确。OTA通过"选项"概念实现时间抽象,有效缩短规划视野,使价值函数能提供更准确的优势信号。在复杂迷宫导航和视觉机器人操作任务中,OTA显著优于现有方法,证明了该方法在处理长期任务时的有效性。
这项研究探索了大语言模型内部可解释特征的形成过程,分析了它们在训练过程中(时间)、模型层级间(空间)和不同规模模型(尺度)的行为变化。研究团队使用稀疏自编码器技术,成功识别出特定语义概念在神经激活中出现的时间点和位置。研究结果显示,不同领域的知识概念在模型训练和规模扩展中存在明确的激活阈值,且在空间分析中发现了早期层特征会在后期层重新激活的现象,这挑战了对变换器模型表示动态的传统认知。