返回首页
最新
大家好，<p>今天你们看到过什么有趣的愚人节恶作剧（网站、博客等）吗？
我构建了一个实时航班追踪器，可以在一个互动的3D地球仪上显示超过10,000架飞机，整个过程完全在浏览器中使用Rust编译为WebAssembly实现。
大多数人工智能产品都是围绕同一个理念构建的。<p>采用一个大型模型，添加一个提示，然后希望它能完成整个工作。这就像是人工智能版的“喷洒式祈祷”。<p>这种方法在聊天机器人、代码生成、网站设计和电子邮件撰写等创造性输出方面效果很好。但是，对于那些需要高度确定性输出的开发工作，这种方法很快就会失效。比如，银行的KYC（了解你的客户）中的光学字符识别（OCR）或医生与患者之间的音频识别。<p>我们已经对特定任务训练了结构化语言模型（SLMs）一段时间。在这个过程中，我们不断看到同样的模式。尽管有着优秀基准的最先进语言模型（SOTA），但在实际重要的部分却失败了：例如，读取像1040表格这样密集的PDF，从高度保护的网站提取干净的数据，快速转录长时间通话中的发言，或以代码可以信任的格式返回输出。<p>因此，我们花了一年时间研究如何解决确定性问题。正如我们许多人所想的，更多的数据是解决方案。但实际上并非如此……虽然数据是问题的一部分，但重新思考架构才是解决上下文漂移等问题的关键。<p>请查看我们的论文：<a href="https://arxiv.org/abs/2602.04101" rel="nofollow">https://arxiv.org/abs/2602.04101</a>（已被IEEE CAI 2026接收）<p>过去的传统人工智能/机器学习模型，如YOLO、EasyOCR、PaddleOCR，通常在单一任务上表现出色，能够提供一致的输出，如置信度评分，但在规模扩大时很快就会过时，受限于用于训练的数据，同时需要一支机器学习工程师团队来维护模型，从而提高了成本。大型语言模型（LLMs）提供了更高的灵活性和与自然语言互动的能力，使其具有可推广性，但在对敏感任务的处理上却容易产生幻觉，无法容忍错误。<p>我们将深度神经网络（DNNs）/卷积神经网络（CNNs）与变换器（Transformers）结合，构建了一个状态模型，兼具传统机器学习模型的优势：确定性和可靠性，以及大型语言模型的可推广性。<p>Yoeven和我拥有超过14年的综合研究和开发经验，我们组建了一支出色的研究人员、软件和基础设施工程师团队，专注于人工智能模型在开发任务中可以做更多工作的事实。这使我们能够在您技术栈的每个部分提供可控的人工智能。