5月30日,科大讯飞与支付宝宣布签约,双方将在大模型、车机支付、小程序服务等领域展开合作,共建更为智能的座舱服务生态。今后,将有更多支付宝小程序服务能够通过科大讯飞上车机,为车主提供贯穿行前、行中、行后的多场景智能、便捷用车体验。
“随着互联网流量渠道进入全景化进程,小程序已经成为品牌展开经营的重要阵地,我们希望通过支付宝小程序生态为车主提供更丰富的服务”。讯飞汽车事业部副总经理和卫民表示,科大讯飞将发挥多端互联技术、小程序安全等系统技术优势,将支付宝平台的智能车联网服务生态输出到品牌车机端。根据权威研究机构QuestMobile近日发布的《2024中国移动互联网春季大报告》,支付宝小程序现可提供超8000种服务,月活用户规模近6.5亿,同比增速6.3%排第一,是行业大盘增速的3倍。
此外,双方也将在大模型、车机支付等领域展开合作,联合构建“人-车-服务”一体化的数智化驾乘用车体验,推动车载交互和服务功能智能化建设。大模型能力在智慧座舱场景的应用,将推动服务从简单推荐转变为识别需求、执行需求,实现车载服务在交互效能层面、服务推荐层面、用户意图执行层面的全链路优化,打造更加智能化的车载服务功能,持续提高品牌用户活跃度。
据了解,支付宝此前刚推出全新智能车机产品——领航(Alipay Co-Driver)。支付宝数字出行酒旅事业部总经理王敏表示:“支付宝将持续发挥‘技术+生态+服务’的优势,希望和科大讯飞等行业领先的合作伙伴一起,为车主提供更丰富、智能的车上服务,开拓生态商家智能化运营场景,共同助力出行行业数字化升级。”
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。