在今天拉开帷幕的CES 2020上,英特尔公司执行副总裁、数据平台事业部总经理孙纳颐(Navin Shenoy)在以“智能驱动创新”(Innovation through Intelligence)为主题的新闻发布会上,介绍了英特尔将智能融入云、网络和边缘计算的数据平台的多种途径,并展示了多个精彩案例说明其对体育和娱乐体验带来的变革。
其中,Netflix携手英特尔采用最新的视频压缩技术——AV1,以优化Netflix的媒体流服务,并将全球范围的内容带入人们的生活之中。相较于之前的AVC压缩技术,AV1技术能使压缩的效率提升高达60%。同时,英特尔还与Netflix继续合作,推动开源高性能编码器(SVT-AV1)的开发,并在第二代英特尔至强可扩展处理器上进行优化,显著提升质量和性能以实现商业部署。
现场的另一大亮点便是即将应用于2020年东京奥运会100米及其它短跑项目的视频回放的业内首创计算机视觉解决方案——3D“运动员追踪”(3DAT)。该解决方案利用人工智能提供接近实时的数据洞察和可视化,可大幅提升观赛体验。3DAT使用高度灵活的摄像头捕捉运动员的姿势和动作,然后应用以英特尔DL Boost优化并由英特尔至强可扩展处理器驱动的算法,从生物力学机制的角度对运动员动作进行分析。
此外,英特尔还致力于不断推动体育产业极限观赛体验的向前发展。英特尔通过True View合成出体育场馆的全部空间,提供全方位无死角视野,让球迷可以选择从任何有利位置和运动员视角,以流式传输的方式在其设备上观赛。此外,英特尔还通过“体三维视频”(volumetric video)促进体育赛事观赛体验的变革。英特尔和美国职业橄榄球大联盟(NFL)以克利夫兰布朗队与亚利桑那红雀队的比赛为例,展示了“体三维”视频的冲击力。仅在一场NFL比赛的第一节,所产生的数据就超过了3TB/分钟,这种指数级的数据增长,需要超强的计算力才能实现。NFL和Intel Sports正在开发创新的、身临其境的技术,如“体三维视频”,打造全新的消费者体验,为球迷提供前所未有的个性化观看选择和互动控制。
英特尔公司首席执行官司睿博表示:“英特尔的雄心,是帮助客户最大限度地利用人工智能、5G和智能边缘等转折性技术变革,共同为生活添彩,塑造我们未来数十年的世界。英特尔将持续推动智能融入计算技术的方方面面,以创造前所未有的积极影响。”
好文章,需要你的鼓励
这项研究介绍了VisCoder,一个经过专门微调的大语言模型,用于生成可执行的Python可视化代码。研究团队创建了包含20万样本的VisCode-200K数据集,结合了可执行代码示例和多轮修正对话。在PandasPlotBench基准测试中,VisCoder显著优于同等规模的开源模型,甚至在某些方面超越了GPT-4o-mini。研究还引入了自我调试评估模式,证明了反馈驱动学习对提高代码可执行性和视觉准确性的重要性。
这项研究提出了"适应再连续学习"(ACL)框架,一种创新的方法解决预训练模型在连续学习中的稳定性-可塑性困境。通过在学习新任务前先对模型进行适应性调整,ACL使模型既能更好地学习新知识(提高可塑性),又能保留已有知识(维持稳定性)。实验证明,该框架能显著提升各种连续学习方法的性能,为解决人工智能系统中的"灾难性遗忘"问题提供了有效途径。
这篇研究首次关注了CLIP模型文本编码器的对抗鲁棒性问题,提出了LEAF方法(Levenshtein高效对抗性微调)来增强文本编码器的稳健性。实验表明,LEAF显著提高了模型在面对文本扰动时的性能,在AG-News数据集上将对抗准确率从44.5%提升至63.3%。当集成到Stable Diffusion等文本到图像生成模型中时,LEAF显著提高了对抗噪声下的生成质量;在多模态检索任务中,它平均提高了10个百分点的召回率。此外,LEAF还增强了模型的可解释性,使文本嵌入的反演更加准确。
BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台,整合了38个基准中的30万个问题,按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差,而BenchHub通过自动分类系统和用户友好界面,让用户能根据特定需求筛选评估数据。实验证明模型在不同领域的排名差异巨大,强调了定制化评估的重要性。该平台支持多语言扩展和领域特化,为研究人员和开发者提供了灵活评估大语言模型的强大工具。