➡️
继续阅读
-
Watch Duty如何借助Gemini更快发布山火警报
谷歌工程师团队与山火预警应用Watch Duty合作,利用两万多小时无线电录音训练出Gemini驱动的转录工具,可消除静电噪音并将消防术语转为可检索文本,...
-
问答:让多模态基础模型实现更类人的交互与理解
MIT-IBM计算研究实验室团队研究发现,当前多模态基础模型看似具备多模态能力,实则理解不足,如GPT-4o难以定位特定物体,音频模型常不看音频而靠选项猜...
-
新方法使混沌系统的人工智能模型具备物理一致性
MIT团队提出一种新方法,为机器学习模型引入基于物理的硬约束,防止天气、气候和湍流等混沌系统预测无限发散。模型学习类能量函数及边界,并通过投影层强制能量耗...
-
小红书推荐系统的Agentic实践:针对推荐模型自迭代的Harness设计与实现
亚马逊云科技与小红书合作,基于ADLC框架研发用于推荐模型自迭代的Research Agent。针对探索空间大、训练成本高的挑战,提出Wide-and-D...
-
Amazon Polly 新增受限开放的语音克隆功能,支持定制品牌声音
AWS推出Amazon Polly语音克隆受限开放功能,经审核的账户可使用授权者录音创建自定义声音,首发支持七种语言。创建免费,合成按量付费,声音仅限原账...
-
AI 借助语音、气味与 3D 影像的进步,拓展未来的体验边界
Inter BEE 2026展会聚焦AI拓展娱乐体验:NTT实时变声系统可即时改变音色,适用于虚拟主播与客服;音符生成香气技术将声音与嗅觉关联;自动摄像追...