作为一家总部位于加利福尼亚州帕洛阿尔托的新型数据分析服务初创企业,ClearStory Data公司已经在其B轮风险融资当中筹得2100万美元。该公司自2011年建立起至今共计拿到3150万美元投资。本轮融资活动由新的投资方DAG Ventures主导,Andreessen Horowitz、谷歌风投、Khosla Ventures以及Kleiner Perkins Caufiled & Byers等原有投资方也有参与。
ClearStory的商务智能方案可谓脱颖而出,这是因为该公司的这套云服务能够带来一系列独一无二的功能特性。举例来说,它允许用户同时对多个数据源进行分析并通过“协调”使其彼此之间能够顺畅协作。它会对数据集打分,旨在利用其它来源对分析工作进行补充。ClearStory还提供大量外部数据源,一部分为专有、一部分为开放,大家可以进行访问并将其添加到自己的情境中来。
由于该服务以Apache Spark为创建基础,因此它能够以相当迅捷的速度完成分析工作。Spark基金会帮助ClearStory最多一次性添加二十四个数据源,同时又能保持良好的性能表现。公司联合创始人兼CEO Sharmila Mulligan(上图)指出,如今很多消费级产品厂商都需要对大量不同类型的数据进行分析,从而最大限度提高销量并制定出受到用户欢迎的价格定位;对于制药企业等用户来说,这种速度极快的分析方案也能帮助他们不必因为迟迟拿不到药物分析试验数据而遭受严重损失。
看起来如今面向大数据的商务智能厂商能够轻轻松松筹集到大笔投资,实际情况也确实如此。就在最近,以Hadoop为主要侧重点的新兴企业Platfora刚刚完成了总额达3800万美元的C轮风险融资。Mulligan将这一趋势归结于当前可供分析的数据总量的迅猛膨胀以及企业用户对社交媒体、移动应用以及网页上快速传播的信息加以掌握的迫切需求。
“一家公司的未来如今把握在广大消费者手中,”她表示。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。