据国外科技网站The Information消息称,为使自身服务更加高效,覆盖更广范围,美国打车应用Uber欲将自己的部分服务器基础设施进行外包。如不出意外,像谷歌、微软和亚马逊等云存储服务巨头将赢得Uber的云存储外包业务。
随着海外市场拓展步伐不断跟进,当前Uber足迹已达到全球69个国家和地区市场,这就对Uber的服务器和软件提出了更高要求:必须能够满足不同市场海量数据的处理需求。这意味着Uber在对其服务器地理位置选址上,希望能够尽可能近距离地靠近客户市场。毕竟在打车应用行业,时间通常以毫秒计数。
在全球建立起靠近自己客户的服务器系统,对于任何一家公司来说都不是容易的事情,即使Uber拟出资90亿美元来打造这样的系统也不例外。但是利用像亚马逊、微软和谷歌等公司的云存储系统的基础设施,Uber可能实现这一愿望。
报道称,尽管Uber只是希望将自己相对较少的一部分业务转至云端,而且虽然这家刚刚起步,但其今后到底会发展成为块头多大的“巨无霸”,任何一家云服务厂商都不敢小觑。
一场围绕Uber云存储外部业务的争夺战,或许将在亚马逊、微软、谷歌、IBM和其他云服务厂商之间悄悄展开。
好文章,需要你的鼓励
韩国科学技术院研究团队提出"分叉-合并解码"方法,无需额外训练即可改善音视频大语言模型的多模态理解能力。通过先独立处理音频和视频(分叉阶段),再融合结果(合并阶段),该方法有效缓解了模型过度依赖单一模态的问题,在AVQA、MUSIC-AVQA和AVHBench三个基准测试中均取得显著性能提升,特别是在需要平衡音视频理解的任务上表现突出。
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。