快手正在进行智能问答产品的内测,在搜索场景中为用户带来智能问答和文本创作等新功能。据悉,这是短视频直播行业首个基于大语言模型落地的应用产品。
据媒体7月8日消息,打开快手APP,进入快手搜索输入问题,就有机会获得来自智能问答产品提供的信息和答案。如用户搜索“西瓜怎么挑”、“PPI指数是什么意思”、“高中怎样才能高效学习”,快手搜索智能问答产品可以生成相关的文字回复,未来也会提供短视频结果展示,加深用户对答案的理解。该功能在原有搜索结果基础上提供了更加直接有效的信息补充,大幅提升用户搜索体验。
在传统的搜索场景中,用户需要对输入的关键词进行提炼和加工,以使得搜索引擎更好的理解自己的问题,并且在找的更多和找的更准之间进行权衡。对大多数用户来说,这个过程具备一定的操作成本。而基于大语言模型的快手搜索智能问答产品可以很好的理解用户通过自然语言表达的各种需求和提问,大大降低了用户获取信息的门槛,让用户“搜得容易”。
快手搜索智能问答产品利用大语言模型对于超长文本的理解和分析,可以帮助用户在海量内容中迅速锚定所需答案,更可以根据用户搜索需求直接定位到短视频内容的关键信息所在,提升获取效率。同时,针对大语言模型常见的AI幻觉问题,快手搜索利用站内海量内容进行矫正,尤其在事实性问题上,通过内容校验,可以更好地帮助用户完成高难度的内容辨别。
简言之,此次智能问答产品内测,也可看成是快手在推动AI技术普惠层面的有力探索。对比传统搜索场景,通过大语言模型技术能力在搜索场景的应用落地,智能问答产品不仅可以让用户“搜得容易”,还能“搜得满意”,切实享受到技术普惠带来的搜索的智能化体验。
据悉,快手还将基于搜索产品,不断探索更多利用大语言模型满足用户需求、提升搜索体验的可能性,在持续降低用户检索和使用门槛的同时,该能力未来还有望接入图文、直播及电商购物等多个场景,持续促进短视频+直播行业搜索智能化和技术应用普惠化。
好文章,需要你的鼓励
芬兰阿尔托大学研究团队开发出革命性光学计算方法,利用单束光线实现复杂张量运算。该技术将数字信息编码到光波的振幅和相位中,通过光波相互作用自动完成深度学习所需的矩阵和张量乘法运算。与传统GPU逐步处理不同,光学系统可同时并行执行所有计算操作,运算速度达到光速级别。研究显示该方法具有被动处理、低功耗等优势,预计3-5年内可集成到现有硬件平台,为AI计算带来重大突破。
新加坡科技设计大学研究团队发现,通过控制大型语言模型的"思考语言"可显著提升输出多样性。研究显示,AI用非英语语言思考时能产生更多样化的答案,且距离英语越远的语言效果越好。混合多种语言思考的策略表现最佳,不仅提升创意输出,还增强了文化多元化表达能力,为解决AI输出同质化问题提供了简单有效的方案。
科学家成功将传统公里级粒子加速器缩小至房间大小,并实现商业化。TAU Systems公司开发的激光驱动尾场加速器利用超强激光脉冲产生等离子体,将电子加速至相对论速度。该设备首先用于航天电子设备的辐射测试,能量范围60-100兆电子伏特,成本约1000万美元起。未来还可应用于医疗成像、芯片检测和X射线光刻等领域,有望大幅降低粒子加速器的使用门槛。
浙江大学研究团队开发了PhyRPR三阶段视频生成系统,解决AI视频中物理规律违背问题。该方法将物理理解与视觉生成分离处理:首先用大型语言模型进行物理推理和关键帧生成,然后规划连续运动轨迹,最后通过运动感知技术精化视觉效果。实验证明该方法在物理一致性和视觉质量方面均优于现有技术。