聚合科技新闻
掌握趋势与观点
来自 OC 的热点新闻与专题分类，快速了解产业动态。
全部新闻
您最重要的客户可能是AI
Jellyfish的Jack Smyth讨论了像Chatgpt这样的AI模型如何根据误解对品牌产生负面看法，从而影响品牌建议和销售。他公司的模型软件份额评估了对品牌的各种AI模型看法，有助于调整品牌图像并提高积极的AI感知。此过程类似于增压SEO策略。例如，Pernod Ricard调整了Ballantine的广告系列，以更好地反映了AI误解后品牌的大规模吸引力。此外，AI偏向于全球品牌的偏见使建议的建议复杂化，因此需要仔细的及时设计和跨平台的品牌发展，以积极影响AI模型的观念。
我刚刚测试了AI对Grok-3 vs困惑与双子座的深入研究 - 这是赢家
XAI推出了Grok-3，其具有其前身的计算能力的十倍以上，旨在与Chatgpt，Gemini和Cllexity竞争深度搜索功能空间。Grok-3提供了高级推理能力，用于处理各个领域的专家级查询。在Claude 3.5十四行诗进行的比较分析中，由于其研究深度，组织的清晰度，分析的广度和强大的数据整合，因此成为了整体赢家。尽管Grok-3的详细回应，但在事实分析中保持精确性和可靠性而闻名，使其在Gemini和Chatgpt深入研究等竞争对手中脱颖而出。
困惑AI开源R1 1776从DeepSeek-R1中删除审查制度
Gelplexity AI已发布R1 1776，这是训练后的DeepSeek-R1语言模型的后版本，旨在提供以前避免使用中国审查标准避免的敏感主题的未经审查的事实响应。该模型可通过Sonar API获得，并通过使用40,000个多语言提示的数据集进行培训，包括对受试者进行审查的受试者的增强功能，以确保其分析中的分析保持毫无偏见。困惑的评估表明，R1 1776保持DeepSeek-R1的推理能力，同时避免了审查制度，在基准测试中与基本模型相当地执行。此外，Cllexity AI宣布了开放式培训和推理代码的计划，并将Sonar作为Pro用户的默认模型选项以及自动化研究工具的深入研究。困惑
是的，那是Gabby Petito声音的AI娱乐
Netflix的三部分纪录片“美国谋杀案：Gabby Petito”使用AI来重现已故旅行视频博物馆的声音，以获取日记条目和短信。董事朱莉娅·威洛比·纳森（Julia Willoughby Nason）和迈克尔·加斯帕罗（Michael Gasparro）在使用这项技术之前获得了彼得托亲戚的许可，旨在通过她的家人提供的自己的言语和材料准确地代表她的故事，包括年轻时的期刊。该系列将悲惨的叙述与Petito生活的各个方面保持平衡，这超出了她与Brian Laundrie的关系。
AI时尚对关税动荡的答案是吗？
由于新的关税和国际贸易纠纷，时尚品牌面临财务和运营挑战。特朗普总统从2月4日开始对中国制造的商品征收10％的关税，这影响了时装业对中国制造业的依赖。
DNEG获得了对“此处”的AI负责的形而上学的公司
DNEG Group是一家视觉效果和动画工作室的母公司Dneg Group，以“沙丘：第二部分”等作品而闻名，已收购了AI软件开发公司的形而上学。此次收购增强了DNEG的AI部梵天，该部门旨在在各个行业之间创建高质量的内容。该公司计划在梵天后有超过800名员工，计划开发领先的影视AI视频创建工具。该交易由United Al Saqer Group的2亿美元投资促进了交易，并包括2500万美元的投资，以进一步开发Brahma的Technology Suite。形而上学的首席执行官托马斯·格雷厄姆（Thomas Graham）将领导梵天，将这两个团队整合在一起，提供全面的生成AI内容解决方案。
现在可能有太多的AI公司
每个人都有一个模型。几乎没有人从事业务：凯西·牛顿（Casey Newton）讨论了人工智能的当前状态，并指出，尽管许多组织已经开发了AI模型，但很少有人成功地将其变成了可行的业务。本文强调了AI技术商业化的挑战和考虑。
那些星际迷航风格的人道AI PIN将在月底停止工作
Humane正在停止销售，并在惠普收购公司后，到2025年2月28日，将停止对其AI驱动的可穿戴销。建议用户在此日期之前备份其数据，因为此后所有消费者数据都将被删除。设备的功能，包括呼叫，消息传递，AI查询和云访问，在截止日期后将不再运行。CNET的Scott Stein在2024年4月审查了PIN，并指出了其创新但不切实际的设计和频繁的技术问题。
探针揭示了以色列AI驱动的加沙屠杀中大型技术同谋的深度|共同的梦想
美联社和其他人的最新调查显示，以色列部队正在使用人工智能（AI）和云计算系统，例如Microsoft，Google，Google，Amazon，Cisco，Cisco，Dell和Red Hat等美国主要科技公司的监视和军事行动。这些技术，包括来自Openai和Azure的模型，在2023年10月对以色列袭击以色列后，已被瞄准巴勒斯坦人，导致了加沙和黎巴嫩的重大伤亡和破坏。尽管员工和人权组织提出了促进不道德战争的道德问题，但科技公司仍在参与其中。
如何微调Distilbert进行情感分类|迈向数据科学
微调像Distilbert这样的预先训练的模型进行情感分类确实是一项令人印象深刻的壮举。这是您所涵盖的内容和一些其他见解的回顾：###关键步骤回顾1。**环境设置**： - 安装了必要的库（`transformers'，`datasets'，`torch'等） - 从拥抱的脸上加载了预先训练的大杂货模型。2。**数据准备**： - 以Pytorch格式导入的数据集（培训，验证和测试集）。 - 使用Distilbert令牌制剂为模型准备输入张量。3。**模型微调**： - 配置了具有指定学习率，批处理大小，时期数等的培训参数。 - 初始化了“培训师”对象，并在数据集上训练了模型。4。**评估**： - 评估了使用准确性，精度，召回，F1分数和AUC等指标在测试集上进行预训练和微调模型的性能。5。**用shap **解释： - 使用形状值来通过可视化哪些单词对情感分类预测最大的贡献来解释模型预测。###微调见解 - **绩效改进**：通过在16,000个培训样本的特定数据集中微调Distilbert，您与预训练的模型相比实现了可观的性能。这表明即使数据集相对较小，微型调整也可以非常有效。 - **解释性**：塑造图提供了有价值的见解，以确定给定输入文本的情感类别最有影响力。这不仅对于理解模型预测，而且对于在AI模型中获得信任和透明度至关重要，尤其是在精神健康监测或客户支持系统等应用程序中，准确的解释可能至关重要。###现实世界应用1。**客户服务票证标签**： - 微型模型可以根据文本内容将客户服务票证票对预定义的类别进行分类（例如，计费问题，产品投诉）。这有助于快速有效地将问题路由到合适的部门。2。**心理健康风险检测**： - 确定指示心理健康问题的语言模式，例如抑郁症或社交媒体帖子或聊天日志的焦虑，可能是挽救生命的应用。微调模型可以标记早期干预的潜在风险。3。**产品评论中的情感分析**： - 分析客户评论以衡量产品的情感可以为产品改进，营销策略和客户服务方法的业务决策提供信息。###下一步 - **超参数调整**：尝试不同的超参数，例如学习率，批次大小，时期数等，以进一步优化模型性能。 - **模型体系结构探索**：尝试微调其他变压器模型，例如Bert，Roberta，甚至是较小的模型，以在资源约束环境中效率。 - **先进的可解释性技术**：探索其他可解释性方法，例如石灰（局部可解释的模型 - 静态解释），以及对模型预测的更全面的理解。＃＃＃ 结论诸如Distilbert之类的微调预训练的变压器模型是一种强大的技术，它可以利用较小的数据集和特定的应用程序上下文来利用深度学习的功能。通过专注于解释性，您可以确保模型不仅表现良好，还可以提供可行的见解并建立对AI驱动的决策系统的信任。当您继续完善自然语言处理和机器学习技能时，请随时探索这些进一步的应用和技术！
