ABC消息,美国俄克拉荷马城的警察Sgt. Matt Gilmore和他的警犬Gunner,在搜索嫌疑人时,他们的对话和犬吠会被执法记录仪的麦克风捕捉下来。
通常,Gilmore需要花费30- 45分钟来撰写犯罪和搜索报告,但为了节省时间他首次尝试了类ChatGPT产品Axon来完成初稿。
该工具从记录仪的音频中提取了信息,仅用8秒就生成了一份文本报告,整体效率提升了225倍以上。
Gilmore说:“AI生成的报告比我亲自写的还要好,读起来更流畅顺口,并且100%准确。AI甚至记录了一个连他都发现的一个小细节,指明了嫌疑人在逃跑时所驾驶车辆的颜色。”
俄克拉荷马城的警察部门是少数几个尝试使用生成式AI,写初步犯罪案件报告的部门之一。警察们非常喜欢该技术,因为可以节省大量时间。
但一些检察官、警察监督机构和法律学者则担心可能会改变刑事司法系统中一个基本文件的性质,这个文件在决定谁被起诉或监禁方面发挥着作用。
事实上,类ChatGPT产品除了能写报告之外,还能在很多领域帮助警察部门节省时间提升效率。可借助历史数据和社会动态的分析,类ChatGPT产品可以识别出潜在的高风险区域和时间段。
警察可以根据这些数据预测,在关键区域和时间段加强巡逻和防范措施,从而提高犯罪预防的效果。
生成式AI还可以作为一线警察的助手,提供即时建议和信息支持。例如,当警察在处理复杂案件或紧急情况时,可以通过语音或文本与系统互动,获取法律条文、程序规范或其他专业知识,确保在执行任务时能够遵循正确的法律和程序。
同时可以用于培训和教育警察,通过模拟对话和情景演练,帮助新警员更快地熟悉工作流程和应对策略,提高整体队伍的专业水平。
此外,由于警察的工作压力很大,容易出现各种心理健康问题。类AI可以作为心理健康支持工具,为警察提供不同场景的心理咨询和情感支持,帮助他们管理压力和保持心理健康。
Axon的产品主管Noah Spitzer-Williams表示,我们与ChatGPT使用了相同的底层技术,但该产品输出的内容更加安全、可控,并且极少情况下会出现“幻觉”。
好文章,需要你的鼓励
香港中文大学与华为诺亚方舟实验室合作开发了PreMoe框架,解决了大型混合专家模型(MoE)在内存受限设备上的部署难题。研究团队发现MoE模型中的专家表现出明显的任务专业化特征,据此提出了概率专家精简(PEP)和任务自适应专家检索(TAER)两大核心技术。实验证明,DeepSeek-R1 671B模型在精简50%专家后仍保持97.2%的MATH500准确率,内存需求降至688GB;而更激进的精简方案(减少87.5%专家)也能保持72.0%的准确率。该方法适用于多种MoE架构,为强大AI系统的广泛部署铺平了道路。
SCIENCEBOARD是一项开创性研究,旨在评估多模态自主智能体在真实科学工作流中的表现。研究团队构建了一个包含169个高质量任务的基准测试,涵盖生物化学、天文学等六个科学领域,并开发了一个真实环境让智能体通过CLI或GUI接口与科学软件交互。实验评估表明,即使是最先进的模型在这些复杂科学任务上的成功率也仅为15%,远低于人类表现,揭示了当前技术的局限性并为未来科学智能体的发展提供了宝贵见解。
帝国理工学院的研究团队开发了AlphaMed,这是首个仅通过极简规则强化学习就能培养医疗推理能力的AI模型,无需依赖传统的思维链示范数据。通过分析数据信息丰富度和难度分布的影响,研究发现高信息量的医疗问答数据是推理能力的关键驱动因素。AlphaMed在六个医疗问答基准上取得了领先成绩,甚至超越了更大的封闭源模型,同时展现出自发的步骤推理能力,为医疗AI发展提供了更加开放、高效的新路径。
Alita是一种新型通用AI代理系统,采用极简设计理念,以"最小预定义,最大自我进化"为原则构建。由普林斯顿大学等多家机构研究团队开发的Alita,只配备一个核心能力和少量通用模块,能自主创建所需工具并重用为模型上下文协议(MCPs)。实验显示,Alita在GAIA基准测试上达到87.27%的通过率,超越包括OpenAI Deep Research在内的复杂系统,证明简约设计可带来卓越性能。