中国,上海——2024年6月28日,索尼(中国)有限公司(下称:索尼)宣布将正式成为“2024上海明日之星篮球争冠赛” 官方赞助商,首次在中国的高水平国际青少年篮球赛事中引入索尼IRS(即时回放)系统,与赛事运营方围绕专业体育赛事服务、观赛体验和体育娱乐等多个领域展开深入合作,此外结合索尼在数码影像解决方案、影视、游戏等多元领域中的专业优势,为体育爱好者带来更加创新的沉浸式、交互式观赛体验。索尼中国总裁吉田武司出席了当天于黄浦江畔世界会客厅举办的新闻发布会。
2024上海明日之星篮球争冠赛发布会现场(左5为索尼中国总裁吉田武司)
索尼助力明日之星篮球争冠赛,提升赛事运营和体验
此次,索尼将赞助“2024上海明日之星篮球争冠赛”,作为赛事官方赞助商,提供包括基于SMART(Synchronized Multi-Angle Replay Technology 同步多角度回放)技术的IRS(Instant Review Systems 即时回放)系统的专业体育服务,确保赛事的公正性和观赏性。索尼的IRS系统可实时摄取并同步记录比赛画面,让裁判员可以任意角度回看比赛场景,从而做出更准确、公正的判罚,这也是国内首次将IRS系统引入到高水平国际青少年篮球赛事当中。目前,IRS系统已经广泛服务于欧洲篮球联赛,日本篮球联赛,以及美国NBA篮球联赛等大型国际篮球赛事,并得到了用户的高度认可。
IRS系统界面
索尼中国总裁吉田武司出席了当天的新闻发布会并表示:“我们非常高兴能支持上海品牌体育赛事的发展,以国际标准、专业服务为赛事保驾护航,并与行业领先的职业体育俱乐部合作,共同探索技术与数据服务提升球队表现的可能性。此外,作为一家‘建立在坚实技术基础上的创意娱乐公司’,索尼始终致力于‘用创意和科技的力量感动世界’,而体育竞技从古至今都是深受人们喜爱的、最令人感动的娱乐方式之一,我们将在此次合作中充分发挥索尼在电子产品及系统、技术和娱乐内容方面的专长,与明日之星篮球赛事合作,共同为中国体育爱好者创造更加激动人心的体育娱乐体验与服务,为中国体育产业数字化发展注入新的活力。”
索尼中国总裁吉田武司(左3)出席新闻发布会
索尼娱乐科技赋能,引领全球体育数字化浪潮
索尼目前在全球积极开展体育业务,旗下拥有Beyond Sports和Pulselive等体育业务公司,为国际各种世界级超级赛事提供例如视频助理裁判以及半自动越位等专业的服务,以及数字化赛事体验运营服务等。
索尼的VAR视频助理裁判
索尼专业的数码影像产品与解决方案,包括各种专业摄像机与转播设备,均致力于为体育界提供一流的体育赛事制播、数字化解决方案及体育娱乐服务。索尼先进的Alpha™全画幅微单相机、E卡口镜头群也成为了众多专业体育摄影师的最佳选择,帮助他们捕捉体育赛场上的每一个精彩瞬间。
索尼的转播设备在体育赛事中作出贡献
此外,索尼集团旗下拥有影视、音乐、游戏等多样化的娱乐业务,能够与体育赛事相结合,为观众和体育迷们提供更加丰富的内容与体验。索尼音乐日本与日本篮球协会开展深度合作,其为日本职业篮球联赛B.LEAGUE提供赛事运营规划,场内活动运营,联赛推广宣传,周边产品制作与销售,音乐制作与演出执行,以及IP管理等全方位的专业服务。
合作共赢,共启中国体育产业新未来
近年来,中国体育市场蓬勃发展,市场规模不断扩大,体育消费需求日益增长。根据《2023年中国体育产业报告》显示,2022年中国体育产业总规模已超过3万亿元,预计到2025年将达到4万亿元。同时,中国体育产业数字化趋势明显,数字化、智能化、沉浸式体验成为未来发展方向。
索尼在智慧体育及体育娱乐领域拥有先进的技术、成熟的产品和系统的解决方案。索尼期望通过此次与明日之星篮球争冠赛的合作,充分展示其先进的即时回放系统与专业的体育赛事服务能力,并将其应用到更多领域和类目的体育赛事中。索尼还将进一步探索数字化技术与体育专业服务及娱乐的融合与应用。譬如在球队建设与人才培养方面,构建包括运动数据分析、训练辅助、战术培养、球员管理等在内的专业体育服务体系;在体育娱乐方面,结合索尼丰富的娱乐内容和前沿的产品技术,为中国体育爱好者提供无缝衔接虚拟和现实世界的,更加沉浸、交互式的创新体育娱乐体验。
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。