4月29日,英特尔与Snap、纳斯达克、戴尔科技及NTT数据共同宣布成立全球包容联盟,并制定了多元与包容指标。这些指标基于英特尔在2020年发起的一项全球调查,以确定13家主要公司在多元与包容方面的进展情况。相关调查数据形成了包容性指数,并发布于联盟打造的全新网站。该指数作为跟踪多元与包容改进的基准,分享当前的最佳实践,并强调各行业可以改进成果的机会。
联盟将重点关注在四大关键领域取得的进展:
在英特尔首席多元与包容官(CDIO)兼社会影响力副总裁Dawn Jones看来:“确定一套统一的多元与包容指标以及标准是各行各业的企业一直以来面临的一大挑战。包括在科技领域,在领导岗位上女性及少数族裔占比就仍然存在着差距。全球包容联盟和指数的目标在于提供一套统一的评估体系,以便更好地跟踪相关进展以及发现可以做出改进的地方。我们欢迎更多机构加入我们的行列,利用集体的优势和能力在企业、社区和整个社会范围内创造积极的变化。”
2020年,英特尔制定并发布了全新的2030年RISE战略及目标,以期借助英特尔技术以及员工的专长和热情,努力创造一个更负责任、包容和可持续的未来。多元与包容是英特尔文化的重要部分,Dawn Jones即领导着公司的全球多元与包容战略,以及公司推动积极全球影响的投资及项目——这就包括优先考虑跨公司以及全行业的举措,以实现英特尔的2030年RISE战略及目标。
全球包容联盟的成立及包容性指数的发布是迈向英特尔2030年战略及目标的坚定一步。联盟的合作伙伴们一致认为,加快采用包容性商业惯例的最佳路径在于透明与协作。全球包容联盟计划每年至少召开两次会议,以跟踪每一家公司的状况,并对指数进行评估与监测。下一次包容性指数的调查将在2021年秋季进行。
好文章,需要你的鼓励
这项来自苹果公司的研究揭示了视频大语言模型评测的两大关键问题:许多测试问题不看视频就能回答正确,且打乱视频帧顺序后模型表现几乎不变。研究提出VBenchComp框架,将视频问题分为四类:语言模型可回答型、语义型、时序型和其他类型,发现在主流评测中高达70%的问题实际上未测试真正的视频理解能力。通过重新评估现有模型,研究团队证明单一总分可能掩盖关键能力差距,并提出了更高效的评测方法,为未来视频AI评测提供了新方向。
这篇来自KAIST AI研究团队的论文提出了"差分信息分布"(DID)这一创新概念,为理解直接偏好优化(DPO)提供全新视角。研究证明,当偏好数据编码了从参考策略到目标策略所需的差分信息时,DPO中的对数比率奖励形式是唯一最优的。通过分析DID熵,研究解释了对数似然位移现象,并发现高熵DID有利于通用指令跟随,而低熵DID适合知识密集型问答。这一框架统一了对DPO目标、偏好数据结构和策略行为的理解,为语言模型对齐提供理论支持。
VidText是一个全新的视频文本理解基准,解决了现有评估体系的关键缺口。它涵盖多种现实场景和多语言内容,提出三层评估框架(视频级、片段级、实例级),并配对感知与推理任务。对18个先进多模态模型的测试显示,即使最佳表现的Gemini 1.5 Pro也仅达46.8%平均分,远低于人类水平。研究揭示输入分辨率、OCR能力等内在因素和辅助信息、思维链推理等外部因素对性能有显著影响,为未来视频文本理解研究提供了方向。
ZeroGUI是一项突破性研究,实现了零人工成本下的GUI代理自动化在线学习。由上海人工智能实验室和清华大学等机构联合开发,这一框架利用视觉-语言模型自动生成训练任务并提供奖励反馈,使AI助手能够自主学习操作各种图形界面。通过两阶段强化学习策略,ZeroGUI显著提升了代理性能,在OSWorld环境中使UI-TARS和Aguvis模型分别获得14%和63%的相对改进。该研究彻底消除了传统方法对昂贵人工标注的依赖,为GUI代理技术的大规模应用铺平了道路。