乘着世界智能大会的东风,在渤海之滨,海河之畔,世界智能科技创新合作峰会隆重召开。本次由至顶科技承办的峰会汇聚全球知名专家学者、领军企业高管,共议创新、共话合作,共谋发展。大会上学术大咖指引方向、产业领袖观点碰撞,全景打造出全球智能科技顶级盛会。通过前沿深度主旨报告、分享最佳实践经验,全面发掘产学研用创新合作新机遇。并揭晓发布了《全球生成式AI产业图谱》、《全球生成式AI产业报告》,全貌提升智能科技技术创新新动能。
“有意见”留言板
@用AI评AI:有院士、有总裁、有专家,这次的世界智能科技创新合作峰会关键还有那么多硬核演讲和成果发布,这届大会紧扣时代主题,生动展现了中国智能科技产业的战略地位与迅猛发展,有助于提高公众认知并推动全球合作共赢。
@TT:峰会聚集了人工智能领域的顶尖专家和产业领导者,共同探讨AI技术的最新进展、商业应用和未来趋势。相信对于未来人工智能行业的交流与合作,分享实践经验都有推动作用,并且为整个产业链带来新的发展机遇和创新动力。
@TOFU:惊艳了!场面很大,很多硬核演讲和成果展示,可以充分感受到中国智能科技产业的进步,学到了很多,也看到了全球合作的更多可能。
@媒体搬运工:科技如何更智能是未来的发展目标,科技不光要推动其行业的智慧化,还要反哺自身。
好文章,需要你的鼓励
Captions公司研究团队开发的Mirage模型实现了从音频直接生成说话视频的突破。该技术能准确生成与声音匹配的面部表情、唇型同步、手势动作和环境背景,甚至可仅从音频推测说话者外貌特征。基于统一的Diffusion Transformer架构,Mirage避免了传统方法的复杂专用模块设计,展现出卓越的情感表达和细节还原能力,为内容创作、教育培训和无障碍技术等领域开辟了新的应用可能。
牛津大学研究发现,尽管大语言模型在医学考试中表现出色,但在实际应用中效果大打折扣。研究显示,LLM直接测试时能94.9%准确识别病症,但人类使用LLM诊断时准确率仅34.5%,甚至低于不使用AI的对照组。问题源于用户提供信息不完整、LLM理解偏差等人机交互问题。专家指出,仅凭非交互式基准测试评估LLM存在误导性,需要真实的人机交互测试才能准确评估AI系统的实际性能。
NAVER和KAIST研究团队发现,先进AI模型在数学题自我修正方面存在严重缺陷。他们创建的MMRefine基准测试揭示,即使是GPT-4O等顶级模型也只能成功修正约23%的错误答案,而且经常将正确答案改错。研究发现不同模型在处理六种错误类型时表现差异巨大,特别是小型模型在空间推理修正上竟然超越了大型模型,颠覆了"越大越好"的认知。