4月28日,一支极具未来感的科幻大片再次刷爆社交媒体:一支由联想超级智能体组成的时尚“部队”空降上海,气场十足且身怀绝技的联想超级智能体们从“AI之门”鱼贯而出,为观众献上了一场前所未见的“智能体时装秀”。最后视频尾版定格在了5月7日联想创新科技大会(Tech World)。
这意味着联想将首次正式公开其“超级智能体军团”?还是将官宣人形机器人“硅基战队”?甚至是对未来智能体世界的疯狂暗示? 至少通过这支视频,可以确定公众在大会期间见到的绝对不止一款超级智能体。
其实在不久前召开的新财年誓师大会上,联想曾官宣过一款乐享企业超级智能体。据内部人士透露,其将在超级咨询、电商购物、智慧门店、会员权益、方案讲解、智能服务等经典场景中为联想会员、客户、合作伙伴等带来超越想象的AI体验。
未来,联想会员权益可能不再是固定福利,乐享或通过分析用户全渠道行为,在生日当天自动组合PC延保、咖啡券等跨业态福利,让“联想会员”成为可生长的权益生态。
而对于消费者来说,当用户在联想商城输入“能剪4K视频的轻薄本”,或许乐享将根据历史订单计算并推送最佳优惠,甚至以最快速度安排送货上门。
对合作伙伴来说,或许乐享将为他们带来“生态级库存呼吸系统”——不仅可以随时通过乐享获取合作伙伴优惠政策,甚至可以通过乐享调配库存。
AI加速来袭,智能“生态雨林”也在茁壮成长。联想到底将在创新科技大会上为大家呈现一场怎样的超级智能体“盛宴”,让我们拭目以待。
好文章,需要你的鼓励
这篇研究论文介绍了"Speechless",一种创新方法,可以在不使用实际语音数据的情况下训练语音指令模型,特别适用于越南语等低资源语言。研究团队通过将文本指令转换为语义表示,绕过了对高质量文本转语音(TTS)系统的依赖。该方法分三个阶段:首先训练量化器将语音转为语义标记;然后训练Speechless模型将文本转为这些标记;最后用生成的合成数据微调大型语言模型。实验表明,该方法在越南语ASR任务中表现出色,为低资源语言的语音助手开发提供了经济高效的解决方案。
《Transformer Copilot》论文提出了一种革命性的大语言模型微调框架,通过系统记录和利用模型训练过程中的"错误日志"来提升推理性能。研究团队受人类学习者记录和反思错误的启发,设计了一个"副驾驶"模型来辅助原始"驾驶员"模型,通过学习错误模式并在推理时校正输出。这一方法在12个基准测试上使模型性能提升高达34.5%,同时保持计算开销最小,展现了强大的可扩展性和可迁移性,为大语言模型的优化提供了全新思路。
德克萨斯大学Austin分校的研究团队提出了RIPT-VLA,一种创新的视觉-语言-动作模型后训练范式。该方法通过让AI模型与环境互动并仅接收简单的成功/失败反馈来学习,无需复杂的奖励函数或价值模型。实验证明,RIPT-VLA能显著提升现有模型性能,在轻量级QueST模型上平均提升21.2%,将大型OpenVLA-OFT模型推至97.5%的前所未有成功率。最令人惊叹的是,仅用一个示范样本,它就能将几乎不可用的模型在15次迭代内从4%提升至97%的成功率,展现出卓越的数据效率和适应能力。
北京大学与华为诺亚方舟实验室研究团队共同开发了TIME基准,这是首个专为评估大语言模型在真实世界场景中的时间推理能力而设计的多层级基准。该研究提出了三个层级的时间推理框架,包含11个细粒度任务,并构建了涵盖38,522个问答对的数据集,针对知识密集型信息、快速变化的事件动态和社交互动中的复杂时间依赖性三大现实挑战。实验结果表明,即使是先进模型在构建时间线和理解复杂时间关系方面仍面临显著挑战,而测试时扩展技术可明显提升时间逻辑推理能力。