Presto!
PulseAugur coverage of Presto! — every cluster mentioning Presto! across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
《龙与地下城》角色 Presto 以 1980 年代卡通风格重新演绎
一位 Reddit 用户分享了一个创作，该创作以 1980 年代动画系列风格重新演绎了《龙与地下城》的角色。这件作品名为“Presto In Charge - MiniMax H3”，描绘了经典卡通中的角色 Presto 法师。动画描绘了 Presto 在一座即将坍塌的山中仓皇逃命，而他的魔法帽则将他的咒语变成了愤怒的獾。
-
新AI方法解决图像中的开放世界物体放置问题
研究人员开发了两种新颖的物体在图像组合中放置的方法。第一种方法“presto”利用多模态大语言模型（MLLM）来指导物体位置和尺度的启发式搜索，在开放世界场景中取得了最先进的成果，并与以度量驱动的方法相比，展示了卓越的感知连贯性。第二种方法提出了一种混合生成-判别模型，通过预测锚点的合理性分数并生成合理的放置集来平衡效率和有效性。这两种方法都旨在提高物体在各种场景中放置的空间和语义连贯性。
-
深度嵌入提高了荷兰森林清查中树种分类的准确性
一篇新的研究论文探讨了使用预训练遥感模型的深度嵌入来改进荷兰国家森林清查中的树种分类。研究发现，这些源自 Presto、Alpha Earth 和 TESSERA 等模型的深度嵌入，其性能显著优于传统的手工制作特征。通过利用公开可用的卫星数据，这种方法为更新森林清查提供了一种更频繁、更具可扩展性的方法，尤其是在数据受限的情况下。
-
快餐连锁店迅速部署AI语音点餐服务
语音AI技术在美国快餐店的得来速（drive-thru）点餐服务中得到日益广泛的应用，约有6%的门店在使用该技术。虽然一些顾客对AI自然流畅的语音感到惊讶，但也有顾客遇到了幽默或令人沮丧的错误，例如点餐错误或被尝试添加不想要的商品。尽管在准确性和理解不同口音方面存在初步挑战，但Taco Bell和Dairy Queen等主要连锁店正在扩大其AI得来速的部署，这标志着顾客点餐体验的重大转变。
-
新PRESTO方法提升了开源大语言模型的安全对齐能力
研究人员开发了一种名为预填充注意力停止（PRESTO）的新方法，以增强开源大语言模型的安全对齐能力。该技术解决了预填充攻击等漏洞，这些攻击可以通过操纵模型响应来绕过现有的安全措施。PRESTO通过匹配令牌排名而非仅仅匹配概率，改进了先前的监督微调防御措施，从而显著提高了模型在面对复杂攻击时的安全性。该方法在多个流行的LLM上展示了高达4.7倍的安全改进，为更安全的开源AI铺平了道路。
-
快餐连锁店因 AI 自动点餐遭遇顾客强烈反对
快餐连锁店越来越多地采用 AI 聊天机器人进行自动点餐，麦当劳、Wendy's 和 Taco Bell 等公司都在试验这项技术。尽管目的是提高效率和准确性，但顾客的反应大多是负面的，大多数人更喜欢人工服务。此外，一些 AI 提供商，如 Presto，因夸大其技术能力而受到监管审查，导致效果不一，连锁店不得不重新评估。
-
Presto 集群事件凸显了对查询治理和配额的需求
一次 Presto 集群事件凸显了对强大的查询治理、配额、准入控制和指纹识别的关键需求。这些机制对于维护数据平台的稳定性和可靠性至关重要。此次故障突显了主动管理以防止性能下降和中断的重要性。