PTC(纳斯达克:PTC)今天宣布,在PAC的创新雷达报告(PAC’s Innovation RADAR report) 中,Vuforia®的增强现实(AR)解决方案套件连续第四年被评为总体领先和 “同类最佳 ”供应商。
该报告在产品实力和市场实力两方面评估了AR技术供应商对联网工作者的支持作用。PTC在这两个评分中都获得了最高分。该报告显示,PTC研发了前沿的工业和企业AR用例并且提供广泛的AR硬件选件,涵盖从智能手机和平板电脑到可穿戴设备,例如如微软旗下的HoloLens 2和RealWear Navigator 500这类广泛的AR硬件选件,获得了AR领域客户的好评。
该报告的首席分析师和作者Arnold Vogt表示:“我们的分析显示,PTC的Vuforia技术仍然是目前市场上非常全面的企业级增强现实解决方案套件。”“PTC已经做好准备协助客户和其联网工作者在培训、服务和维修以及制造质量检测和验证等用例中实现AR的实际价值。"
PTC执行副总裁兼增强现实部门总经理Michael Campbell表示:“我们在PAC最新的AR报告中获得了领先的成绩,这项成就突出了我们对使用Vuforia的客户带来的价值以及我们在产品和市场策略上的优势。” “我们很荣幸能在不断增长的AR市场中处于领先地位,随着用例场景的增加和新的硬件供应商进入该领域,工业企业也将从这些解决方案中获得越来越多的价值。”
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。