文章库 PRO通讯会员 SOTA！模型

AI每日精选

AI每日精选10条

AI每日精选10条

行业动态

云从科技旗下多家公司发生工商变更，创始人周曦卸任法定代表人天眼查数据显示，云从科技旗下多家全资控股公司发生工商变更，创始人周曦卸任广州云从人工智能技术有限公司和云从科技（广州）有限公司的法定代表人、经理、董事，由联合创始人姚志强接任。与此同时，广州云从人工智能技术有限公司还新增经营范围增值电信服务和跨地区增值电信服务等。此外，周曦还卸任了上海云从汇临人工智能科技有限公司的法定代表人，由陈琳接任。

华东(东营)智能网联汽车试验场奠基，预计2023年投入使用近日，由中国一汽和赛轮集团联合发起建设的华东（东营）智能网联汽车试验场奠基仪式在山东正式举行。该试验场包括智能网联测试区、综合性能测试区、试验室测试区等，规划建设成为世界级标准的智能网联汽车测试平台。该项目总投资 28 亿元，占地总面积 600 余万平方米，预计 2023 年初投入使用。

「天枢」人工智能开源开放平台在杭州发布「天枢」人工智能开源开放平台于 11 月 2 日在浙江杭州正式发布。该平台具备高性能核心计算框架，提供一站式全功能 AI 开发套件，将提升人工智能技术的研发效率、扩大算法模型的应用范围，进一步构建人工智能生态「朋友圈」。据介绍，该平台由之江实验室牵头，联合浙江大学、阿里巴巴等多单位共同研发打造,面向智能视觉、智能交通、智能金融、智慧城市、智能医疗、智能机器人等六大产业领域。高性能计算框架是该平台的核心优势，其具备完整的并行模式、自动编排与执行、高运行效率和强稳定性等特点。（新华社）

深交所发布工业机器人、集成电路等4件行业信息披露指引深交所于 11 月 3 日发布《深圳证券交易所创业板行业信息披露指引第 11 号——上市公司从事工业机器人产业链相关业务》《深圳证券交易所创业板行业信息披露指引第 12 号——上市公司从事集成电路相关业务》《深圳证券交易所创业板行业信息披露指引第 13 号——上市公司从事锂离子电池产业链相关业务》。其中，对于工业机器人行业，市场普遍关注公司产品性能及应用领域，指引要求相关公司披露反映产品核心竞争力的关键技术或性能指标，例如减速器技术类型、工业机器人类别、应用领域、功能等。对于集成电路行业，市场对公司自主研发能力较为关注，指引要求相关公司充分披露可以体现产品竞争力和研发创新能力的信息，包括产品类别、应用领域、性能、专利技术、研发投向、研发人员、新产品或新工艺开发情况等，并根据集成电路设计、晶圆制造、封装测试等细分行业特征，明确分类披露要求。

浙江制定智能汽车发展规划，未来五年产值计划破万亿元浙江省发展改革委日前印发《浙江省智能汽车创新发展规划（2020-2025）》，提出到 2022 年，全省基本形成智能汽车、智能交通、智能设施、智能城市协同发展格局，智能汽车及关联产业产值突破 8000 亿元。到 2025 年，智能汽车及关联产业产值突破万亿元。（新华社）

研究权威专家Hod Lipson：未来机器人将有自我意识机器人研究权威专家、哥伦比亚大学教授 Hod Lipson 认为，未来不可避免的会出现这样一天：世界上的机器获得自我的意识。他认为自主意识的机器人带来的好处将会远远超过它的风险，它们会越来越复杂，总有一天人类将无法直接照顾这么多、这么复杂的机器人，因此，人类要想办法让机器人自己来照顾自己。（新浪科技）

大公司新闻

中兴通讯与北汽将在智能网联汽车技术等方面展开合作 11 月 4 日消息，中兴通讯与北京汽车集团有限公司签署战略合作协议，双方将在智能网联汽车技术及产品领域全面展开合作，共同调研智能网联汽车对通信技术、通信芯片的需求，研究智能网联汽车的应用场景，以及基于 5G-V2X 及其后续演进技术的智能网联汽车实现方案。同时，双方将在自动驾驶域控制器应用领域展开深入合作，共同推动相关技术的国内、国际标准化工作。合作研发，测试，共享测试结果，共同优化技术方案和测试方案。

搜狗公布Q3季度财报：营收超22亿，净利润同比增长47%11 月 4 日，搜狗公司公布了 2019 年第三季度未经审计的财报。财报显示，第三季度总收入超 22 亿元，同比增长 17%；净利润达 2.83 亿元，同比增长 47%，创历史新高。第三季度搜狗搜索和输入法两大核心业务继续保持稳健增长的态势。搜狗搜索继续围绕优质内容差异化和智能问答提升搜索的专业品质及效率。搜狗输入法推出「智能汪仔」，使输入法升级为用户沟通的 AI 助手。以语言为核心的 AI 布局也在不断突破，中英混合语音识别准确率提升 65% 以上。搜狗分身技术新增实时对话互动能力，并联合平安普惠推出全球首个 AI 合成互动客服，目前搜狗分身已在客服、法律、气象、媒体、会议等多个行业落地应用。

研究与技术

KDD 2019开源论文 | 基于异质图神经网络的用户意图推荐这篇论文《Metapath-guided Heterogeneous Graph Neural Network for Intent Recommendation》由北邮联合阿里巴巴发表在数据挖掘顶会 KDD 2019 上。作者也开源了代码和数据。论文研究了电商场景下的一种新型推荐服务：意图推荐。不同于传统的商品推荐，意图推荐希望在用户打开 APP 并没有任何输入的情况下来预测用户的意图。现在工业界针对意图推荐的解决方案主要是基于特征工程的算法来挖掘属性信息。这样就导致推荐场景里的丰富的交互信息没有充分挖掘。针对上述问题，该论文将意图推荐场景建模为异质图并设计了一种 Metapath-guided Embedding method for Intent Recommendation（MEIRec）来进行用户意图推荐。

多伦多大学提出注意式吸引器网络，实现渐进式少量次学习通常，机器学习分类器的训练目标是识别一组预定义的类别，但是很多应用往往需要机器学习能通过有限的数据灵活地学习额外的概念，而且无需在整个训练集上重新训练。这篇论文《Incremental Few-Shot Learning with Attention Attractor Networks》提出的渐进式少量次学习（incremental few-shot learning）能够解决这个问题，其中已经训练好的常规分类网络能够识别一组基础类别，同时也会考虑一些额外的全新类别，包括仅有少量有标注的样本地一些类别。在学习了全新的类别后，这个模型会在基础类别与全新类别的整体分类表现上被重新评估。为此，作者提出了一种元学习模型：注意式吸引器网络（Attention Attractor Network）。它可以调整对全新类别的学习规范，在每个 episode 中，作者都会训练一组新的用于识别全新类别的权重，直到它们收敛，而且作者还表明这种循环式反向传播技术可以在整个优化过程中反向传播，并能促进对这些参数的学习。研究表明，学习得到的吸引器网络无需回顾原始的训练集，就能在记住旧有类别的同时助力对全新类别的识别，其表现也胜过多种基准。

登录后评论

暂无评论

暂无评论~

文章库 PRO通讯会员 SOTA！模型