多云互联的企业级智能数据平台公司Teradata (NYSE: TDC) 今日宣布,即日起,Vantage 能够运行外部创建的预测模型,又称作“模型共享”或“BYOM(Bring Your Own Model,自带模型)”。该举措进一步完善 Teradata 的战略分析框架,为数据驱动型企业大规模部署分析模型提供全面解决方案。BYOM能够加速模型上线,扩展分析用例,简化数据驱动型决策,帮助企业从分析模型开发工作中迅速获取更高的投资回报 (ROI)。
随着更多企业领导者意识到人工智能 (AI) 和机器学习 (ML) 是构筑行业竞争优势的基础,企业对 AI/ML 技术的投资迅猛增长。尽管如此,由于数据处理效率低下,许多企业仍难从 AI/ML 项目中获得显著回报。为应对这一挑战,Teradata 天睿公司创建战略分析框架 Analytics 1-2-3,帮助企业制定简单明晰的路线图,用以创建强大、高效且易于部署的流程,进而确保 AI/ML 项目达成目标并实现商业价值。
BYOM 功能进一步完善该框架,使更多的模型和分析算法可用于大规模部署。这意味着,通常在数据集有限的小型系统上创建的模型,现在可以部署在 Vantage 上做模型评分预测,充分利用 Vantage 高速、安全、一致的性能。
基于 BYOM 这项新功能,Analytics 1-2-3为 Teradata 天睿公司的客户提供了一种简便的方法,使其在面对任何数据量时都可以近乎实时地创建和运行任意数量的模型。
Teradata 天睿公司首席产品官 Hillary Ashton 表示:“随着我们的企业客户进一步探索 AI 在提高客户参与度、增加收入并降低风险和成本方面的可行性,他们需要一套面向当今复杂的现代化数据分析生态系统的解决方案。Teradata Vantage 所具备的灵活性和可扩展性,能够处理极复杂的企业工作负载,无论数据位于何处。现在,凭借新的 BYOM 功能,Vantage 可以帮助那些希望 AI/ML 投资能快速转化为价值的企业,解决其面临的最顽固的挑战。”
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。