今年的美国网球公开赛的赛场内没有球迷,所以IBM希望可以利用人工智能激发讨论,丰富体验,甚至是复现体育场馆内的喧闹声。
作者:Larry Dignan
格林尼治标准时间2020年8月28日12:00(东八区标准时间20:00)
主题:体育分析:企业可以学到什么
IBM希望Watson,自然语言处理和人工智能能够为美国公开赛带来新的、数字化的球迷体验。
由于新冠肺炎大流行,今年的美国网球公开赛的赛场将没有球迷。作为美国网球协会(USTA)的长期合作伙伴,IBM经常利用美国网球公开赛来展示该公司的技术。但是其中大部分展示都是在幕后进行。今年,IBM可能会有更大的舞台,因为这项锦标赛如果从8月31日开赛的话,所有的体验都将是数字化的。
蓝色巨人(IBM)和美国网球协会(USTA)正在利用自然语言处理和Watson从多个云端的数据集中提取数据,以在USOpen.org和US Open应用程序上创建新的数字体验。数字化设计机构IBM iX负责创造这种体验。
美国网球协会(USTA)还将通过Zoom Video Communications推出VIP体验,包括活动、教程和访谈。
这些在75天之内创造的美国网球公开赛体验包括:
Open Questions with Watson Discovery,以促进USOpen.org粉丝之间的辩论。问题围绕最有影响力的网球选手展开,辩论由结构化和非结构化数据促成。
Match Insights with Watson Discovery,在比赛之前利用人工智能技术提供洞察。通过自然语言处理,Watson Discovery将搜索和理解之前比赛的文章、观点和统计数据,并以叙述的形式提供见解。
AI Sounds将分析去年美国网球公开赛赛场上数百小时的视频录像,并据此重现体育场馆内球迷的声音。球迷的反应将与比赛和赛场内的状况相匹配。
在幕后,美国网球公开赛基础设施将利用混合云和Red Hat OpenShift连接数据集、订阅推送和远程操作。
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。