E Ink元太科技連三年入選道瓊可持續(xù)雙指數(shù)撬動(dòng)6000億GTV后,抖音計(jì)劃偷襲美團(tuán)大本營(yíng)AGI Open Network(AON):賦能每個(gè)人創(chuàng)建、部署和貨幣化AI Agent貸款利率史上最低了嗎?東融教你看懂歷年啥水平“客服來電”有詐?抖音客服上線“驗(yàn)證助手”助用戶識(shí)別詐騙OpenAI新模型GPT-5研發(fā)未達(dá)預(yù)期:成本高昂 效果不佳曝天馬打入果鏈:為蘋果HomePod供應(yīng)LCD屏 每塊屏僅10美元曝OPPO或首發(fā)新款天璣次旗艦芯片 兩大子品牌Q2發(fā)力諾基亞攜手阿聯(lián)酋運(yùn)營(yíng)商e&,展示全球首個(gè)固網(wǎng)游戲端到端網(wǎng)絡(luò)切片方案零下25℃制熱26℃!海爾水暖通黑科技亮相冰雪大世界三星沒放棄曲面屏開發(fā)!最新專利曝光暗示有望回歸三大運(yùn)營(yíng)商11月成績(jī)單:用戶數(shù)據(jù)增幅放緩打造下一個(gè)英偉達(dá),孫正義的2026芯片計(jì)劃曝光瞭望2025全球6G技術(shù)發(fā)展趨勢(shì)AI時(shí)代云安全新范式,暢捷通智能守護(hù)小微企業(yè)安全上云百川智能發(fā)布全鏈路領(lǐng)域增強(qiáng)金融大模型 Baichuan4-Finance年末家電消費(fèi)觀察:品質(zhì)生活類產(chǎn)品熱賣,將持續(xù)迎來剛需式普及?GPT-5研發(fā)受阻:OpenAI 新一代模型難見突破性進(jìn)展新一代語言模型ModernBERT發(fā)布,RAG等任務(wù)處理速度快四倍、成本低新研究顯示:Anthropic 的 Claude AI 在合作能力上領(lǐng)先于 OpenAI 和谷歌模型
  • 首頁 > 云計(jì)算頻道 > 大模型

    蘋果推出理解、轉(zhuǎn)化模型ReALM,性能超GPT-4

    2024年04月30日 14:46:09   來源:AIGC開放社區(qū)公眾號(hào)

      蘋果的研究人員推出了一種創(chuàng)新模型ReALM,可將參考解析問題轉(zhuǎn)化為語言建模問題,能極大提升AI助手處理很多描述復(fù)雜或模糊不清的內(nèi)容。

      例如,我們網(wǎng)購(gòu)時(shí)選好了橘子、鴨梨、蘋果、橘子汽水、洗發(fā)水、短袖、拖鞋等物品,然后告訴AI助手只結(jié)算水果。這時(shí)傳統(tǒng)的AI助手可能會(huì)將橘子和橘子汽水混淆進(jìn)行一起結(jié)算。

      而ReALM模型會(huì)重建手機(jī)或者PC等平臺(tái)上的屏幕關(guān)鍵信息,并將其轉(zhuǎn)化成一種可理解的文本,再用大語言模型去解讀用戶的需求,這樣就可以提升操作的準(zhǔn)確率避免出現(xiàn)錯(cuò)誤。

      根據(jù)測(cè)試數(shù)據(jù)顯示,ReALM的性能全方位超越了同類模型MARRS;10億參數(shù)和30億參數(shù)在三項(xiàng)測(cè)試中超過GPT-4,Unseen測(cè)試幾乎差不多,這也提現(xiàn)了ReALM非常強(qiáng)悍的理解和轉(zhuǎn)化能力。

      ReALM的核心方法是識(shí)別并重建屏幕(手機(jī)、PC、平板電腦等),通過使用解析出的實(shí)體及其位置生成屏幕的純文本表示。

      然后對(duì)屏幕上的實(shí)體部分進(jìn)行標(biāo)記,以便大語言模型能夠在上下文中了解實(shí)體出現(xiàn)的位置以及周圍的文本內(nèi)容。

      屏幕解析

      屏幕解析模塊是ReALM的核心模塊之一,主要負(fù)責(zé)從用戶的屏幕上識(shí)別相關(guān)信息包括文本框、按鈕、圖標(biāo)等元素,并提取它們的文本內(nèi)容、類型和位置信息等。這些信息被用來構(gòu)建一個(gè)結(jié)構(gòu)化的屏幕表示,為后續(xù)的參考解析提供基礎(chǔ)。

      首先通過OCR(光學(xué)字符識(shí)別)在屏幕上識(shí)別和檢測(cè)文本實(shí)體,并將其轉(zhuǎn)換為可編輯的文本格式。

      一旦文本被檢測(cè)到,屏幕解析模塊需要確定每個(gè)文本實(shí)體的類型,包括電話號(hào)碼、電子郵件地址、URL、日期時(shí)間等,再通過預(yù)先定義的模式匹配或機(jī)器學(xué)習(xí)模型進(jìn)行實(shí)體分類。

      除了識(shí)別文本內(nèi)容和類型,屏幕解析模塊還需要確定每個(gè)實(shí)體在屏幕上的確切位置。通常是一個(gè)矩形區(qū)域,圍繞實(shí)體文本并定義了其在屏幕上的幾何位置。

      此外,屏幕上的實(shí)體往往不是孤立存在的,可能與其他元素之間有關(guān)系,例如,按鈕、圖標(biāo)菜單選項(xiàng)等。

      ReALM會(huì)用大語言模型去理解這些元素之間的關(guān)系,以便正確解釋、還原用戶的文本查詢或語音指令。

      解析輸出

      解析輸出的主要作用理解用戶查詢中的參考內(nèi)容,并找到與之匹配的正確實(shí)體,然后完成最終的操作輸出。

      解析輸出會(huì)接收到屏幕解析、大語言模型等其他模塊的預(yù)測(cè)結(jié)果。這些結(jié)果通常是一個(gè)實(shí)體列表包括文本、URL、書籍、按鈕、圖標(biāo)等,每個(gè)實(shí)體都有一個(gè)與之相關(guān)的置信度分?jǐn)?shù)。

      需要注意的是,如果用戶的查詢中有多個(gè)可能的參考實(shí)體(例如,開頭提到的那個(gè)橘子和橘子汽水的案例),解析輸出模塊需要解決這些實(shí)體之間的沖突。所以,ReALM會(huì)比較置信度分?jǐn)?shù)、考慮實(shí)體類型和上下文信息等。

      在確定了最終的實(shí)體后,解析輸出模塊需要將這些實(shí)體格式化為一種易于理解和操作的形式?赡苁且粋(gè)簡(jiǎn)單的文本回復(fù),也可能是一個(gè)更復(fù)雜的數(shù)據(jù)結(jié)構(gòu),用于整體的操作輸出或提供給其他模塊使用。

      ReALM還提供了一個(gè)可視化用戶交互模塊,主要負(fù)責(zé)接收用戶的查詢信息,然后將查詢和屏幕上的實(shí)體信息傳遞給大語言模型,并展示參考解析的結(jié)果。該模塊還能通過用戶的反饋機(jī)制,幫助模型進(jìn)行自我學(xué)習(xí)改進(jìn)其解析能力。

      文章內(nèi)容僅供閱讀,不構(gòu)成投資建議,請(qǐng)謹(jǐn)慎對(duì)待。投資者據(jù)此操作,風(fēng)險(xiǎn)自擔(dān)。

    即時(shí)

    新聞

    明火炊具市場(chǎng):三季度健康屬性貫穿全類目

    奧維云網(wǎng)(AVC)推總數(shù)據(jù)顯示,2024年1-9月明火炊具線上零售額94.2億元,同比增加3.1%,其中抖音渠道表現(xiàn)優(yōu)異,同比有14%的漲幅,傳統(tǒng)電商略有下滑,同比降低2.3%。

    企業(yè)IT

    重慶創(chuàng)新公積金應(yīng)用,“區(qū)塊鏈+政務(wù)服務(wù)”顯成效

    “以前都要去窗口辦,一套流程下來都要半個(gè)月了,現(xiàn)在方便多了!”打開“重慶公積金”微信小程序,按照提示流程提交相關(guān)材料,僅幾秒鐘,重慶市民曾某的賬戶就打進(jìn)了21600元。

    3C消費(fèi)

    華碩ProArt創(chuàng)藝27 Pro PA279CRV顯示器,高能實(shí)力,創(chuàng)

    華碩ProArt創(chuàng)藝27 Pro PA279CRV顯示器,憑借其優(yōu)秀的性能配置和精準(zhǔn)的色彩呈現(xiàn)能力,為您的創(chuàng)作工作帶來實(shí)質(zhì)性的幫助,雙十一期間低至2799元,性價(jià)比很高,簡(jiǎn)直是創(chuàng)作者們的首選。

    研究

    中國(guó)信通院羅松:深度解讀《工業(yè)互聯(lián)網(wǎng)標(biāo)識(shí)解析體系

    9月14日,2024全球工業(yè)互聯(lián)網(wǎng)大會(huì)——工業(yè)互聯(lián)網(wǎng)標(biāo)識(shí)解析專題論壇在沈陽成功舉辦。