蘋果在性能疑慮中推出用於圖像描述的 RubiCap AI
在電腦視覺領域中,讓人工智慧能以近乎人類的精準度觀察並描述影像的每個細節,長期以來一直是核心挑戰。近期,蘋果公司與威斯康辛大學麥迪遜分校合作,正式發布了一個名為 RubiCap 的新型人工智慧訓練框架。
此框架專為「密集式圖像描述」而設計,旨在賦予人工智慧精準捕捉並闡述細微細節的能力——例如「木桌上的一顆紅蘋果」或「遠處的一名行人」——而非僅提供泛泛的摘要。

影響深遠的強化學習:Qwen2.5 擔任「裁判」
傳統的圖像描述往往依賴成本高昂的人工標註,或是容易產生幻覺的大型模型,導致資料品質參差不齊。蘋果研究團隊透過創新的強化學習方法解決了這個問題。該系統首先使用 GPT-4 和 Gemini 1.5 Pro 生成候選描述。接著,Gemini 1.5 Pro 會精細化評分標準,而 Qwen2.5 模型則扮演「裁判」的角色,提供評分與回饋。
這種結構化且精確的回饋,讓訓練模型能清晰識別並修正錯誤,即使參數數量較少,仍能達到更高的描述準確度。
緊湊型模型的優勢:更低的幻覺率超越兆參數模型
在該框架下訓練的 RubiCap 系列模型(參數範圍從 20 億至 70 億)在評估中展現了卓越的效能。 實驗數據顯示,70 億參數的 RubiCap 模型在盲測中取得最高分數,其幻覺錯誤率甚至低於領先的 7,200 億參數大型模型。值得注意的是,30 億參數的迷你版本在某些指標上甚至表現優於其 70 億參數的對應版本。
相關文章
印度科技巨頭投資3000萬美元,打造微軟Office的AI競爭對手
連續創業者 Bhavin Turakhia 正投入 3000 萬美元自有資金,押注企業 AI 領域仍有新玩家的空間。他最新的創業專案 Neo 基於一個核心信念:傳統的職場軟體不能僅靠聊天機器人進行修補,而需要進行徹底的架構重構。46 歲的 Turakhia 有著支援雄心勃勃的企業科技專案的歷史。在過去二十年中,他聯合創立了 Directi、Radix、Titan 和 Zeta,在尋求外部投資之前,主要使用個人資本為這些專案提供資金。他正將同樣的自力更生策略應用於 Neo。Turakhia 向
前OpenAI首席科學家Ilya的SSI首次釋出模型
AI 取得了另一項重大里程碑。在從 OpenAI 離職後,前首席科學家伊利亞·蘇茨克弗(Ilya Sutskever)創立了 Safe Superintelligence Inc.(SSI),該公司最近公佈了其首個模型的詳細資訊。海外社交媒體上的報道指出,該團隊正在利用 TTT(測試時訓練)開發一個緊湊的推理引擎,這是他們在追求安全超級智慧過程中的關鍵進展。這種新穎的架構專注於使模型能夠“學習如何學習”。與在推理過程中保持引數靜態的傳統大型語言模型不同,該引擎在處理現實世界任務時會動態更新特定
Lovable Leads Atech's Seed Round as AI Ambient Coding Officially Enters the Hardware Field
2026年5月14日,AI應用開發平臺Lovable宣佈參與丹麥硬體初創公司Atech的80萬美元種子輪融資。該輪由Lovable領投,吸引了包括a16z Scout Fund、Sequoia Scout Fund以及Nordic Makers在內的頂級風險投資機構。此次投資標誌著Lovable將“Vibe Coding”概念從純軟體開發戰略擴充套件至硬體工程領域。Atech旨在透過AI驅動的互動式平臺簡化複雜的硬體原型製作。使用者購買基礎硬體套件,並透過AI聊天機器人以自然語言描述其設計概念;系統
相關專題推薦
評論 (0)
0/500
在電腦視覺領域中,讓人工智慧能以近乎人類的精準度觀察並描述影像的每個細節,長期以來一直是核心挑戰。近期,蘋果公司與威斯康辛大學麥迪遜分校合作,正式發布了一個名為
此框架專為「密集式圖像描述」而設計,旨在賦予人工智慧精準捕捉並闡述細微細節的能力——例如「木桌上的一顆紅蘋果」或「遠處的一名行人」——而非僅提供泛泛的摘要。

影響深遠的強化學習:Qwen2.5 擔任「裁判」
傳統的圖像描述往往依賴成本高昂的人工標註,或是容易產生幻覺的大型模型,導致資料品質參差不齊。蘋果研究團隊透過創新的強化學習方法解決了這個問題。該系統首先使用 GPT-4 和 Gemini 1.5 Pro 生成候選描述。接著,Gemini 1.5 Pro 會精細化評分標準,而 Qwen2.5 模型則扮演「裁判」的角色,提供評分與回饋。
這種結構化且精確的回饋,讓訓練模型能清晰識別並修正錯誤,即使參數數量較少,仍能達到更高的描述準確度。
緊湊型模型的優勢:更低的幻覺率超越兆參數模型
在該框架下訓練的 RubiCap 系列模型(參數範圍從 20 億至 70 億)在評估中展現了卓越的效能。 實驗數據顯示,70 億參數的 RubiCap 模型在盲測中取得最高分數,其幻覺錯誤率甚至低於領先的 7,200 億參數大型模型。值得注意的是,30 億參數的迷你版本在某些指標上甚至表現優於其 70 億參數的對應版本。
印度科技巨頭投資3000萬美元,打造微軟Office的AI競爭對手
連續創業者 Bhavin Turakhia 正投入 3000 萬美元自有資金,押注企業 AI 領域仍有新玩家的空間。他最新的創業專案 Neo 基於一個核心信念:傳統的職場軟體不能僅靠聊天機器人進行修補,而需要進行徹底的架構重構。46 歲的 Turakhia 有著支援雄心勃勃的企業科技專案的歷史。在過去二十年中,他聯合創立了 Directi、Radix、Titan 和 Zeta,在尋求外部投資之前,主要使用個人資本為這些專案提供資金。他正將同樣的自力更生策略應用於 Neo。Turakhia 向
前OpenAI首席科學家Ilya的SSI首次釋出模型
AI 取得了另一項重大里程碑。在從 OpenAI 離職後,前首席科學家伊利亞·蘇茨克弗(Ilya Sutskever)創立了 Safe Superintelligence Inc.(SSI),該公司最近公佈了其首個模型的詳細資訊。海外社交媒體上的報道指出,該團隊正在利用 TTT(測試時訓練)開發一個緊湊的推理引擎,這是他們在追求安全超級智慧過程中的關鍵進展。這種新穎的架構專注於使模型能夠“學習如何學習”。與在推理過程中保持引數靜態的傳統大型語言模型不同,該引擎在處理現實世界任務時會動態更新特定
Lovable Leads Atech's Seed Round as AI Ambient Coding Officially Enters the Hardware Field
2026年5月14日,AI應用開發平臺Lovable宣佈參與丹麥硬體初創公司Atech的80萬美元種子輪融資。該輪由Lovable領投,吸引了包括a16z Scout Fund、Sequoia Scout Fund以及Nordic Makers在內的頂級風險投資機構。此次投資標誌著Lovable將“Vibe Coding”概念從純軟體開發戰略擴充套件至硬體工程領域。Atech旨在透過AI驅動的互動式平臺簡化複雜的硬體原型製作。使用者購買基礎硬體套件,並透過AI聊天機器人以自然語言描述其設計概念;系統





首頁






