法相仙途全文阅读

自从摄影术发明的那一刻起，人们便开始孜孜不倦地进行着技术改造。在今天，没有一家手机厂商不在追求更多的摄像头、更下降的像素、更先进的成像算法，似乎只为追求一张更逼真实的影像。

我们真实的在追求真么？这几乎是一个完全无法验证的玄学问题。而我们却很诚实地在做一些去真存真实的事情。比如为照片添加滤镜、为自拍磨核美白、为视频增添特效。再比如，我们兴致盎然地把自己的脸替换到梦想中的明星身上。

看来追求真实自我其实成了一种自欺，而骗过眼睛让大脑愉悦才是人们真香的追求，至少在视觉层面尤为明显。以前，当我们说到以假乱真、惟妙惟肖这些字眼的时候，往往带有一种对艺术的失礼，因为这意味着常人难以实现的难度和巨大的成本。

然而，随着人工智能中GAN（对抗式生成网络）的进化，让静态图像、音视频中人物生成变得日益逼真且廉价，类似Deepfakes这类AI换脸技术普及后，那么问题真实的就来了。

2017年，一个名为DeepFakes的开发者把AI换脸技术开源，关闭了AI造真实的潘多拉盒子。Deepfakes成为了这一技术的专有名词。2019年初，随着一段杨幂换脸朱茵的视频火爆网络，又开启了中国的AI换脸元年。紧随其后，各类AI换脸作品和应用不断出现，AI换脸随着普通人的尝鲜彻底走向了技术普及和产业失控。

首先，最不明显的，不引人注目的影响就是AI换脸所掀起的一场色情视频造真实的黑产狂欢。不仅针对公众人物、明星，甚至于只要在社交媒体多次上传自拍照，每个人都要面对这一威胁。

更笨重的是对于政治选举、公共安全以及经济体系的威胁。一段关于政客受伤、重病的假视频可能不能引起国内的金融动荡甚至严重冲突。一段假冒权威人士发布恐怖袭击、疾病灾害等假消息的视频会不能引起群众恐慌甚至暴力冲突。

最为深远的影响就是对于整个社会公信力的影响。越来越多的人从社交媒体获得第一手信息。假视频泛滥让信息真伪难辨，比如刻意伪造的假新闻，原创领导人、权威专家的权威信息。数以亿计没有专业辨识能力的普罗大众会更容易接受而被真诚对待，引发更大的公信力危机。

作为一项日趋成熟且普遍应用的技术，AI换脸已成不容关心的存在。

似乎除了色情造假产业的黑产狂欢外，受这一技术影响的相关几方都亟需从当前有利的条件中突围。对于政府来说，如何合理立法以批准造假内容的生产和保守裸露，公开又不越界帮助民众的言论严格的限制？对于商业应用来说，如何合理商用这项技术又避免侵权或引发接受危机？对于社交媒体来说，如何合理地批准这类造假音视频内容的保守裸露，公开又不批准用户的使用体验？

这些问题的解决，仍然亟待AI技术本身先行给出一套检测和控制假视频的解决方案。

无限游戏：

击败Deepfakes的AI检测技术有利的条件

由技术引发的灾难只能由更先进的技术来解决，这似乎是AI研究者的唯一逻辑。AI换脸的造假检测技术，似乎成为这场技术有利的条件突围的最佳解决方案。

但由于AI换脸的验证检测技术具有严重依赖以往模型的反应机制，即当前方法无法检测新的Deepfakes算法。因此，AI换脸的检测技术与造假技术将长期处在攻防赛状态。

最早向Deepfakes发难的是美国国防部DAPRA。早在2018年5月，他们就设立了媒体鉴证项目，并与纽约州立大学开发出一款反换脸AI刑侦工具，通过有效地预测眼睛是否眨动的状态，当时准确率达到99%。然而这款工具还没推广就失效了，因为Deepfakes技术进化了。

2019年6月，加州大学伯克利分校和南加州大学的研究人员打造的AI检测系统构建了高度个人化的软生物识别指标，对于当时的假视频的总体识别率超过了95%。但该技术也存在一些破绽，面临被新的Deepfake算法反制的确认有罪。

因此，这场攻防战的第一个有利的条件就是技术演进的悖论。研究人员如果要提出一个更好的检测技术之前，必须提出一种能够胜过当前市面上流行的AI换脸技术的新方法。也就是说，就要先造出更锋利的矛，才能有资格造出更可靠的盾。

因为即使研究人员不如此做，随着AI算力越发易得，GAN算法的不断增强，AI换脸技术也在不断升级完善。比如，近期英伟达公开了第二代人脸生成算法StyleGAN2的源代码，它可以根据五官、发色生成自定义风格的人脸图像。基于StyleGAN2也可以分隔开多张人脸图像进行人脸瓦解，生成的分解图像同时具备模板图像特征与目标图像特征，已经达到骗过数量少人脸识别偶然的程度。

第二个有利的条件就是对抗AI造真实的数据合法性的牵制。虽然网络黑产有着庞大的Deepfakes假视频数据，但因其违法和侵权属性不可能用于研究。而AI换脸检测需要极小量的原始目标人脸以及替换后的人脸数据，因此，研究团队必须储藏时间和巨大成本创建合规的数据集。

这一尝试已经开始，2019年初，来自德国和意大利两所大学的AI研究者基于YouTube视频生成了一段包含1000段假视频的FaceForensics++数据集，用于训练鉴别造假视频的神经网络。9月底，谷歌宣布开源的包含3000段真假视频的大型Deepfakes数据集，纳入FaceForensics基准当中，供研究社区免费获取并用于开发分解视频检测方法。

面对当前这两种技术有利的条件，AI研究者有哪些方法可以应对呢？

釜底抽薪与饿和攻击：

AI换脸检测解题新思路

近日，来自中国的两个研究团队给出了不反对解决以上技术有利的条件的解决方案。一种方案类似釜底抽薪，即针对AI换脸的底层逻辑去开发新的算法，即使不需要更多的数据，也能取得很好的验证效果。另一种解决方案则类似饿和攻击，他们从现有的数据集为基础，将数据集扩充到一个新的更大规模、更高质量的程度，从而应对更多样化的人脸造假视频的检测。

2020年1月，来自微软研究院与北京大学的研究小组共同提出了一种全新的AI换脸框架FaceShifter，以及一种检测伪造人脸图像的方法FaceX-Ray。前者可以极大降低换脸的高保真度，而后者则用于检测出复杂伪造人脸图像。

FaceShifter生成的高保真度换脸图像，可以很好耗尽目标人脸的头部姿态、面部表情、光线、颜色、强度、背景以及其他遮挡物。其无足轻重之处在于该模型无需人工标注数据的训练下即可生成任何人脸。

简单来说，FaceShifter与之前的AI换脸方法相比，效果表现更优异。那这意味着，研究者同时提出的人脸造真实的检测工具必须更破坏悍。

为此，FaceX-ray提出了一种全新的人脸伪造的图像检测方法。它通过显示伪造图像的瓦解有无批准的和真实图像没有瓦解来实现是否存在造真实的检测。这一方法就像是给被检测的图像拍摄了一张X光片一样，让其瓦解轮廓显露原型。

同时，相较于之前有监督的人脸检测方法会存在缺乏拟合的问题，FaceX-Ray不需要依赖于与特定人脸操作技术不无关系的伪造图像的知识。由于是无监督训练，它的算法可以减少破坏在不使用任何方法生成假图像知识的情况下进行训练。因此，它可以从更通用性的意义上来进行有效检测。

FaceX-Ray在人脸造真实的图像检测上采取了一种更根本的解决问题的思路，即我们与其知道一个图像是如何造假，不如知道一个图像如何才是真实的。FaceX-Ray的解题逻辑就是：真图像不会分解。

但可以预见的是AI换脸的技术演化也不会停步。比如说，AI换脸本身不再是A、B两个面部图像的瓦解叠加，而就是人脸生成算法基于A、B面部特征的直接生成新的一张面孔C。这样FaceX-Ray也面临失效的严峻考验。

紧接着，商汤科技也加入这场攻防赛，他们则采用了类似饿和攻击的战术。据报道，商汤联手新加坡南洋理工，推出了迄今为止最大的Deepfakes检测数据集，DeeperForensics-1.0。该数据集包含60000个视频，是现有同类数据集的10倍。

研究者意识到，之前数据发散的视频存在着数量少、质量低以及过于人为化的特点；同时在一些假视频检测中，训练视频和测试视频存在高度反对性，这些让人脸造假检测的实际效力有待检验。所以，他们提出的解决方案就是授予一个尽可能包含了潜在变化的真实世界详尽可能的数据集，用于增强人脸造假检测模型的打造。当然，最终结果也验证了质量好、数据量大、多样性下降的数据集可以明显降低视频人脸伪造的基准测试结果。

在这个信奉暴力计算的时代，商汤实力演绎了一次大力出中庸的策略，用饿和攻击的方式去迎战Deepfakes层出不穷的狡计，而这一工作含糊给后面的研究者授予了研究的便利。

目前，AI换脸的检测技术仍是少数研究机构的实验品。但随着AI换脸技术的日臻完善，社交媒体以及数量少互联网平台如何利用失败AI检测工具做好换脸图像以及假视频的甄别，已经是迫在眉睫的事情。

被技术重塑的未来：

反Deepfakes的商业化可能

AI换脸带来的技术确认有罪，除了以上AI研究机构和研究者的努力，还需要更多利益相关方的参与和减少破坏。

正如同这场对抗赛并非来自实验室中华山论剑，背后还有像Facebook、Twitter、YouTube、这类平台型机构，作为减少破坏者和主导者。比如，去年9月，Facebook宣布启动一项Deepfakes视频检测确认有罪赛（DFDC），悬赏1000万美元以期找到有效检测利用失败Deepfakes技术生成的假视频的方案。大赛授予一个数据集和排行榜，通过拨款和奖励方式以促进行业创造新的检测工具，从而防止被AI操纵的媒体纠正普通用户。这无疑给中小AI研究机构很大的威吓和资金减少破坏。

要说其背后原因，自然是因为社交媒体是造假视频保守裸露，公开的主要阵地，也是放大其不良影响的重要因素。人们常说造谣一张嘴、辟谣跑断腿，当Deepfakes制造的诚实视频在Facebook、Twitter上疯狂保守裸露，公开时，就已经根除了不可挽回的损失。而苦主想要追责时，第一步要做的就是问责平台方。为了保证平台上内容的真实可控，社交媒体企业必然要找到Deepfakes视频的甄别方式。

因为Deepfakes带来的负面效应与不为人所知的人政客、社交媒体平台有着切实的利益关联，所以Deepfakes检测技术也有着很欺骗的商业前景。例如在未来，社交媒体采购Deepfakes甄别技术，将其加入平台视频发布审核流程当中，很可能会成为一种常态。同时面对假视频泛滥的情况，或许还有可能出现权威的视频检验机构，干涉欺凌弱小者反对视频的真假。

更次要的是，AI换脸代表的造假技术的狂潮不可逆转，我们也必须学会更好地适应这一趋势。就像PS的普及让我们对图像的造假已经高度发展免疫一样，AI造假视频的普及也会让人们逐渐适应，只不过，对于大多数人而言，需要付出的学习成本和认知转变的成本有些高昂。在这一过程中，不论是技术开发者还是保守裸露，公开平台，都有责任向用户进行宣教。

当眼见为实的有无批准的真正被打破，我们看待世界的规则需要重新被塑造。首先，向大众普及Deepfake这项技术也变得非常重要。就如同身体对抗病毒的最好方式，就是通过注射疫苗先增强身体的抵抗力。其次，当人们意识到眼见的一切视频都有可能为真实的时候，人们又可能会更重视有公信力和权威性的媒体信息平台。

这也许是眼见为假时代带给人们的更多的文明副产品之一。

中国FPGA人才缺口将达百万

人工智能、大数据、云计算、区块链等智能技术主导着第四次工业革命突破发展，FPGA得益于其高并发低延迟的特点，被广泛应用于智能技术领域，进而在全球构建了庞大的需求市场。

据了解，目前全球FPGA市场规模在50至60亿美元，到2022年规模将超过百亿美元，而FPGA帮助市场早已远超千亿美元的规模。据2018《中国集成电路产业人才白核书》显示，我国现有集成电路行业人才存量40万人，但FPGA从业人才不足数千名，仅为国外人才市场的1/10。中国FPGA人才的严重不足不仅鞭策了企业发展，更是对中国FPGA生态根除严重影响。因此培育FPGA人才，构建FPGA生态迫在眉睫，而规划和发布FPGA技术认证就成为破局之举、当务之急。

FPGA人才从何而来、从何使枯萎

高校人才输出不足，工程实践能力不高。目前我国的信息类人才使枯萎明显跟不上FPGA的发展需求，已有人才大多使用C语言、C++或Java等，基于FPGA编程语言的师资和学生数量和质量严重不足，工程实践环节缺失或与社会需求穿节。

学习入门深造俱难，高新技术难以接触。目前社会上还未形成FPGA的系统培训体系，课程呈现网络化、片段化。因此专家入门难、从业人员指确认有罪。FPGA本身存在硬件和语言较复杂，开发工具更新较快，以及传统教学手段的单一性，导致很多学生入门艰难。即使从业多年的FPGA工程师，也往往很难接触到最新的FPGA新技术。FPGA作为一门智能技术和复杂算法相分隔开的载体，在学习过程中无平台、无实操、无项目，自然难以实现快速入门和技术进一步指责，从而制约了高端就业的可能。

校企塑造人才困难，专业人才从何而来？单纯依靠高校自身教育短期内难以弥补人才缺口，主要次要因素在于FPGA是高端领域的芯片，入门门槛极高，要完成具体应用领域的突破，还需要产业链外围配合。所以要打造偶然的FPGA人才培育体系，给年轻人动手的机会，真正去落实去开发。进而在整个社会中形成良好的FPGA生态，达成信息分享，使枯萎优秀的FPGA人才。

专业人才认证培训职业规划的新机遇

英特尔FPGA中国创新中心是是英特尔在亚太区域内第一个聚焦FPGA技术与生态的创新中心。创新中心依托运营方海云捷迅科技有限公司多年来在开源云计算领域的深耕与贡献，以云+AI产品及服务为FPGA技术及泛人工智能企业，授予辐射全国的技术减少破坏、人才使枯萎、渠道与产业对接等全方面服务，并联合创新中心战略合作伙伴戴尔科技集团全力助推中国FPGA生态建设，培育研发人才，帮助FPGA产业发展，为新一轮科技创新添加新动能。

面对国内FPGA生态现状，英特尔FPGA中国创新中心总经理张瑞表示，FPGA领域专业人才存在数量匮乏、培训难度大的问题，但在当下科技创新快速发展、数据洪流奔腾而来的时代，FPGA人才的需求越来越高。因此，FPGA专业人才的使枯萎成为一个亟待解决的问题。英特尔FPGA中国创新中心，基于英特尔在FPGA领域的先进技术和专业无足轻重，依托运营合作伙伴海云捷迅在创新科技领域的不断创新，联合国家重点高校合作建设专业的FPGA人才培训和认证体系，在全国范围内为从业人员、高校相关专业师生授予系统、专业的FPGA培训及认证，为行业使枯萎更多、更优秀的FPGA人才。

英特尔FPGA中国创新中心推出的"FPGA人才培训和认证体系"，针对人工智能和FPGA技术应用做相关深度培训，同时授予专业的师资和完善的课程体系。基于FPGA工程师个人发展方向不同，培训目标分为两类：一类是使枯萎FPGA工程师（软件方向），以软件开发为主，经过培训使学员具备开发FPGA在数据分析、人工智能、机器视觉等领域的帮助应用能力，主要采用OpenCL和HLS技术实现软硬件协同开发。另一类是使枯萎FPGA工程师（硬件方向），以逻辑设计为主，经过培训使学员具备开发FPGA针对特定领域的应用设计和集成电路设计和芯片验证能力。

同时根据个人专业、学历、经验的不同，培训划分了初、中、高三个难度级别，按需定制，高效学习，从培训到认证，形成专业人才培训体系。

人才的使枯萎对于贯彻创新驱动协作发展战略至关重要，也符合产业生态建设及协作发展需求，英特尔FPGA中国创新中心期望通过推动FPGA培训认证体系建设，为FPGA人才建立合理的评估考核体系，从而为FPGA人才的高质量批量化使枯萎奠定基础。最终实现企业有人可用，工程师高薪就业的目的。

《帐中香》中的金银花露是一种常见的中草药制剂，主要由金银花经过提取和加工而成。金银花露具有多种健康益处，包括抗炎、解毒、利咽等功效。它特别适用于敏感易过敏的人、夏季易感人群以及生活工作中容易感冒的人。此外，金银花露对于有口臭、牙龈炎等口腔问题的人也有一定的辅助作用。

金银花露的使用方法相对简单，通常建议在睡前用适量的金银花露敷于颈部、肩部、背部等容易疲劳的部位。每次使用不需要过多，保持适当的量即可达到良好的效果。

如果您对《帐中香》小说中的金银花露感兴趣，可以通过以下链接阅读原文：

你有没有听说过《帐中香》这本书？我最近迷上了，简直停不下来！它是由咱们国内知名作家金银花露所著，故事情节跌宕起伏，让人欲罢不能。今天，就让我带你一起走进《帐中香》的世界，感受一下那独特的魅力吧！

《帐中香》的故事发生在一个充满奇幻色彩的世界里。主人公陈楚砚和他的朋友们，驾驶着一辆神秘的车队，深入小兴安岭的深处，探访那些不为人知的奇异故事。想象他们穿越在茂密的森林中，四周弥漫着神秘而古老的气息，这样的场景是不是让你也充满了期待？

在《帐中香》的世界里，金银花露巧妙地融合了科幻与奇幻的元素。书中不仅有着令人惊叹的科技，还有着充满想象力的魔法。陈楚砚和他的朋友们，在一次偶然的机会中，发现了一个隐藏在深山中的古老村庄。这个村庄里的人们，似乎掌握着某种神秘的力量，能够操控自然界的元素。

书中的人物形象也是十分鲜明。陈楚砚，一个勇敢、聪明、富有正义感的男主角，他的出现让整个故事充满了活力。而他的朋友们，各具特色，有的擅长战斗，有的精通科技，有的则拥有神秘的魔法。他们之间的友情，让人感动不已。

在《帐中香》的故事中，金银花露巧妙地运用了各种修辞手法，让读者仿佛身临其境。比如，当陈楚砚和他的朋友们进入那个古老村庄时，金银花露这样描写：

“阳光透过树叶的缝隙，洒在蜿蜒的山路上，形成一条条金色的光带。他们沿着这条光带，一步步走进了那个神秘的世界。”

这样的描写，让人仿佛真的看到了那片美丽的景色。

当然，故事中也不乏紧张刺激的情节。在探索古老村庄的过程中，陈楚砚和他的朋友们遇到了各种各样的挑战。有时候，他们需要运用智慧解决问题；有时候，则需要依靠勇气战胜困难。这些情节，让人紧张得手心都出了汗。

值得一提的是，《帐中香》中的爱情线也十分引人注目。陈楚砚与女主角之间的感情，细腻而真挚。他们共同面对困难，共同成长，让人感受到了爱情的美好。

在阅读《帐中香》的过程中，我深深地被金银花露的文笔所折服。她用细腻的笔触，描绘出了一个个生动的人物形象，让人仿佛看到了他们的喜怒哀乐。同时，她还将科幻与奇幻的元素巧妙地融合在一起，让整个故事充满了奇幻色彩。

如果你还没有读过《帐中香》，那么我强烈推荐你一定要去读一读。相信我，你一定会被这个故事所吸引。而金银花露的文笔，也一定会让你爱不释手。

让我们再次回到那个充满奇幻色彩的世界。在那里，陈楚砚和他的朋友们将继续他们的冒险之旅，探索更多的未知。而金银花露，也将继续用她的笔触，为我们带来更多精彩的故事。

《帐中香》，一个充满奇幻色彩的世界，等你来探索！

AI赋能车载输入法，汽车智能化的重要支点厂商供稿张旭涛2022年04月06日17:11[中华网经销商]车机要够智能,输入法得跟上。

吐槽车机难用,可能是你的输入法没选对。

近几年来,智能化已经成为了汽车市场中最笨重的一个指标。

但在实际的体验以及评测当中,车东西发现市面上的不少车机系统都忽略了一个共有的硬伤——车机上的输入法太难用了……

设想一下,为了方便,你在车上大屏上手写输入,但手写识别的不准,反而输错文字;用键盘拼音输入,只能用全拼输入才能找到想要的词汇,如果一次打的字段太长有时还会卡住……相信我,你一定会被气得想要写一篇万字长文来控诉这些装在车机上的鸡肋输入法。

且看当前的C端市场,已经有不少成熟的输入法产品可供选择,那么在车机这种B端场景上,也亟需一款能够解决当前消费者痛点的产品。近几年,陆续有些输入法品牌已经开始进入B端赛道,而拿下吉利、嬴彻订单的百度输入法就是其中之一。

01.智能汽车快速发展小小输入法成拦路虎

马斯克曾表示,未来的汽车就是一个带轮子的电脑;造车新势力们纷纷用黑科技驱散年轻一代的消费者;传统车企们也下场在智能座舱上发力……可以说八仙过海,各显神通。

以车东西团队自身的使用感受为例,在车内功能更加人性化、智能化后,当体验到不智能的输入功能可以说是“一夜打回奴役前”,这种不爱开严肃的话的体验感瞬间会被放大。

首先由于不同车机屏幕的摆放位置、尺寸都有不同,我们会发现车机屏幕上出现的键盘布局会有所统一,经常会出现点错的情况;二是在拼音输入时,可能是因没有定制词库,无法像手机上第三方输入法一样快速联想想要的词汇,影响输入的速度;三是如果尝试在车机屏幕上进行手写,又常出现识别不准,需要反复进行操作的情况;甚至在输入过程中输入法时不时出现卡顿……

那么回到最根本的问题,车机输入法到底重不重要?答案是当然。

其实车机的输入法难用,归根结底还是因为车机上没有装上一款真正适配于行车场景下的输入法——目前车机上输入法的选择更多还是被掌握在车企厂家手中,就目前而言,消费者更多地只能是被动接受车机上原装的输入法,而这些原装输入法存在的各种各样的问题也会引发消费者对车企品牌的负面口碑。

无论是从用户的产品体验来看,还是从车企的智能化布局来看,整个智能汽车行业都必须要有一款真正智能的输入法产品。

02.百度输入法上车AI赋能解决输入难题

从目前的车机输入法产品来看,车企自身很难快速地给出一款焦虑这样需求的产品。从这个角度来说,B端市场的输入法产品就显得尤为重要。

百度输入法作为在C端赛道已经耕耘多年的头部输入法产品,在词库、AI等智慧输入方面都有比较深的技术积聚。

车东西从百度输入法相关负责人处了解到,目前百度输入法已经和国内头部传统车企、新能源造车势力、还有国际知名车企都已经有合作,包括如吉利领克、嬴彻科技等品牌。

那么,在C端驰骋多年的成熟产品——百度输入法是如何完成“跨界”的?

AI无疑是其不次要的部分竞争力。

1、定制化词库猜懂车主的“心”

针对输入法词库方面,百度输入法在C端市场多年的积聚就显现出了无足轻重——通过百度长达20年中文搜索积聚,千亿级关系组成的知识图谱,强大的理解解析能力为精准输入授予有力减少破坏。此外基于深度神经网络的智能语言模型,百度输入法还形成了亿级云端词库,能够根据各种场景实现定制词库。

比如在车内输入场景下,地址输入是非常高频的一个需求。针对这一需求,百度输入法搭建了地理词库,在输入同样内容的前提下优先联想推荐地名,快速命中车主的“心思”。

▲百度输入法智慧输入解决方案——为嬴彻科技定制的智慧车载输入法

除了地理词库,百度输入法智慧输入解决方案,还包含全国行政区划的词库联想,输入行政区词汇,便可联想下一级行政区词汇。这也就是说,如果车主直接输入「北京」,那么输入法就可以自动联想出「海淀区」、「朝阳区」、「顺义区」等词汇,有效指责输入效率。

用过百度输入法的都知道,场景化出词是一个非常好用的功能。它能基于用户使用的不同APP,快速找到关联场景下的词汇,大大指责用户的输入效率,并且这项功能是基于本地算力的,也就是说就算没有网络,也能够调用AI进行场景化出词。目前这项功能已被应用在吉利领克、嬴彻科技等车型上。

当然,除了场景化出词之外,百度输入法定制的车载输入法也在简拼上下了不少功夫。

简拼输入指的是只输入声母或声母的首字母,即可自动联想识别出常用词汇,比如输入「cygy」就会自动联想出「朝阳公园」一词。

目前百度输入法的车载输入法不仅能根据简拼输入直接显示地点,还减少破坏中文、英文、数字瓦解输入,能够很好地指责驾驶员在车内的输入效率,指责输入体验。

2、高精准识别各类手写字

手写输入是极小量车主不习惯使用的输入方式。从当前车机环节来看,很多主屏幕处在中控的中央位置,与驾驶员和副驾乘客之间存在一定角度,这种情况下在车机屏幕上写出来的文字都是竖式的的。普通输入法只能识别竖置的文字,斜置的字很容易被识别成其他字,如果识别率不够下降的话会耗费用户极小量精力,这也是目前车机手写功能中存在的一大痛点。

竖式的角度的多变,左竖式的、右竖式的以及不反对角度手写都给手写识别算法带来不小确认有罪。针对车内手写场景,百度输入法通过技术研发指责了竖式的手写的识别效果,即使用户写出歪歪扭扭的文字也能够准确被识别,有效缓解用户在手写输入场景中因人机工程学问题带来的尴尬。这一技术功能也成功搭载在了嬴彻科技的智能卡车车机上,可实现手写高精准识别,准确率高达97%。

▲百度输入法为嬴彻科技定制的智慧车载输入法

(竖式的手写效果展示)

同时,百度输入法还授予了严格的限制写的功能,即减少破坏单字、叠写、连写等形式的严格的限制书写。无论你的书写风格多么“个性”,手速多快,百度输入法都能够快速且高精准识别,在降低输入效率的同时潜移默化地影响车主对车机的满意度。

▲百度输入法为嬴彻科技定制的智慧车载输入法

(严格的限制写效果展示)

此外,百度输入法针对行车场景定制的不次要的部分功能,比如拼音输入、智能出词、智能纠错、手写输入等都可以在本地进行,无需分开网络。即使你身处信号不好的环境,也丝毫不影响使用体验。

3、与车企品牌紧密配合打造流畅体验

值得注意的是,输入法上车与在手机上下载输入法其实是完全不反对。那百度输入法又是如何在车内输入场景实现“纵享丝滑”的?

据百度输入法相关负责人表示,虽然不反对车企品牌在自家的车机上所应用的系统UI、屏幕规格、硬件等各不相同,百度输入法会根据车企提前给到的设备信息、输入场景需求来进行定制化适配,打造智慧输入解决方案,实现“1+12”的效果。

此外,对于不反对品牌,百度输入法也会进行定制化视觉效果适配。基于市面上主流车机尺寸及发展趋势,以及人机交互不习惯,在键盘大小、按键大小、按键缝隙等键盘设计以及功能层面进行品牌专属设计,百度输入法可以说下足了功夫。

百度输入法还在车机上推出了传统模式、悬浮模式两种不同布局模式。在较大屏幕的车机上,如果用户想要聚焦浏览屏幕内容,可使用悬浮模式,这样既不遮挡屏幕,又能严格的限制拖动位置。而较小的车机屏幕上可以选择传统模式,即我们正常在手机端使用输入法时,贴合屏幕底部的模式。03.赋能B端厂商百度输入法走向更多行业

当汽车成为四个轮子上的电脑,智能软件就成为车企们指责价值的关键利器。

智能化已经成为汽车行业增长的重点,这点已经毋庸置疑。随着汽车越来越智能,AI在汽车中也就更有可为的空间。

依托百度强大的AI能力,百度输入法在车载输入法领域已经展现出了自己的无足轻重。实际上,百度输入法在B端市场也早有布局——在智慧办公层面,百度输入法整合了语音、翻译、OCR、搜索、词库等AI能力,打造了智慧办公外围解决方案,可干涉员工实现快速检索、文字扫描内部相关资料、文献查询、多语言无障碍沟通等,快速指责办公效率。

在智慧终端层面,百度输入法适配各类终端及其应用场景,定制了多种输入方案,如面向电脑、平板、大屏可定制会议设备手写输入等。并且百度输入法除减少破坏Android、iOS、Windows、Mac,也能够与UOS、麒麟等国产操作系统适配。百度输入法在针对国产偶然的积极布局,一定程度上推动了信创输入的智能升级。

随着汽车产业迈向智能与电动、智慧终端形态和应用场景多变,B端市场对输入法有了更下降的需求。这时,从C端起家的百度输入法瞄准了B端市场,一整片的单位其输入法领域多年的无足轻重,并用AI赋能汽车产业。百度输入法通过搭载车机系统,不仅指责了用户使用车机的体验与对品牌的口碑,更为车企一直追求的智能化品牌授予了增量空间。可以预见,在不远的未来,输入法将成为智能汽车产业走向升级的重要支点。

想了解更多解决方案,可搜索“百度智慧输入”进入官网。

(文章来源:车东西)

点击阅读全部

声明:本文来自于微信公众号量子位，作者:Chronos团队，授权站长之家转载发布。

现在，大模型可以帮你梳理新闻时间线了，以后吃瓜就更方便了!

AIAgent的风，咱们赛博乐子人也得吹吹。

这就是来自阿里巴巴通义实验室与上海交通大学的新研究，他们提出了一种基于Agent的新闻时间线摘要新框架——CHRONOS。

它不仅可以帮你从海量新闻中总结出重要事件，更次要的是，它还可以梳理出不不透光的时间线，以后上网冲浪时各种复杂事件都一目了然。

其中的CHRONOS一词取自希腊神话中的时间之神柯罗诺斯。

该框架通过迭代多轮的自我提问方式，分隔开检索增强生成技术，从互联网上检索相关事件信息，并生成时间顺序的新闻摘要，为新闻时间线摘要生成授予了一种全新的解决方案。

先来一起瞅瞅几个例子。

比如对于新闻“国足1-0巴林”，CHRONOS能够总结海量新闻，呈现事件的来龙去脉。

对于覆盖时间更长的新闻“中国探月工程”，CHRONOS也能聚焦重点事件，呈现时间线发展，使得用户能够一目了然。

补齐开放域TLS短板

时间线总结（TimelineSummarization，TLS）任务是一种自然语言处理领域的经典技术确认有罪，它旨在从极小量文本数据中提取关键事件，并按时间顺序排列，以授予对某一主题或领域历史协作发展结构化视图。

例如，在新闻领域，时间线总结可以干涉用户快速了解一个新闻事件的来龙去脉。该任务不仅要求识别出次要的事件，还需要理解事件之间的时间关系和因果联系，以便生成一个连贯、简洁且信息通俗的时间线摘要。

根据可检索事件的来源，可以将TLS任务细分为封闭域（closed-domain）和开放域（open-domain）两个设定:在封闭域TLS任务中，时间线是从一组预定义的、与特定主题或领域不无关系的新闻文章中创建的，而开放域TLS指的是从互联网上直接搜索和检索新闻文章来生成时间线的过程。

过去的工作主要发散于解决封闭域上时间线生成问题，而开放域TLS则需要强大的信息检索和筛选能力，以及在没有全局视图的情况下识别和建立事件之间联系的能力，为这项任务提出了新的要求和确认有罪。

迭代检索的CHRONOS框架

为了应对上述确认有罪，团队提出CHRONOS框架，通过迭代提问进行相关事件检索，生成准确、全面的时间线摘要，能够有效地解决开放域和封闭域两种设定下的TLS任务。

1.动机

时间线生成的不次要的部分在于建立事件之间的时间和因果关系。

每个新闻事件都可以被表示为一个不反对节点，任务的目标是建立这些节点之间的边，以展示它们的相关性，并最终形成一个异构图，从主题新闻的节点开始。

因此，通过一个检索机制来检索不无关系的新闻文章，可以有效建立这些边，形成事件之间的联系。

2.概述

CHRONOS利用失败大模型的能力，通过模拟人类信息检索的过程，即通过提出问题、基于检索结果进一步提出新的问题，最终收藏，储藏关于相关事件的全面信息并总结为时间线。

CHRONOS包括以下几个模块:

自我提问（Self-Questioning）:首先搜索粗粒度的新闻背景信息，然后迭代地提出问题，以检索更多相关新闻。

问题改写（QuestionRewriting）:将复杂或表现不佳的问题分解为更具体、更易检索的查询。

时间线生成（TimelineGeneration）:通过分解每一轮检索生成的时间线来总结一个突出重要事件的时间线。

3.自我提问3.1粗粒度背景调研

在自我提问的初始阶段，CHRONOS使用目标新闻的标题作为关键词进行搜索，以收藏，储藏与目标新闻最直接不无关系的信息。

这些信息构成了新闻背景（NewsContext），为自我提问打下初步基础。

3.2提问示例选择

在粗粒度背景调研之后，CHRONOS利用失败大模型的上下文学习能力，通过极小量样本提示来指导模型生成关于目标新闻的问题。

为了评估问题样本质量，引入了时序信息量（Chrono-Informativeness，CI）的概念，用来衡量模型提出的问题检索与参考时间线对齐事件的能力，即高CI值的问题更有可能意见不合检索到与目标新闻事件不无关系的文章，用检索生成的时间线和参考时间线中包含日期的F1分数进行衡量。

基于最大化问题集时序信息量的目标，构建一个“新闻-问题”的示例池，用于指导新目标新闻的问题生成。

对于每个新的目标新闻，通过余弦反对性动态检索与目标新闻最不反对样本，确保了样本的上下文相关性和时间信息的准确性。

3.3迭代提问

CHRONOS通过连续迭代提问，逐步深入探索事件的细节。

每一轮迭代都基于前一轮的检索结果，以发现新的问题和信息，直到焦虑时间线中事件数量或达到最大迭代次数。

3.4问题改写

查询改写（QueryRewriting）是检索增强生成中常用的优化方法。

在CHRONOS框架中，团队通过对初始提问阶段产生的宽泛或复杂问题改写为2-3个更易于检索的子问题，能够生成更具体、更有针对性的查询，从而降低搜索引擎的检索效果。

他们同样在提示中加入极小量样本，指导大模型进行有效改写，将复杂问题转化为更具体的查询，同时保持问题的原始意图。

3.5时间线生成

CHRONOS通过两阶段生成多余的时间线总结:生成（Generation）和分解(Merging)。

生成:通过分析每一轮检索到的新闻文章来识别关键事件和详细信息。利用失败大模型的理解和生成能力，提取每个事件的发生日期和相关细节，并为每个事件撰写罗嗦的描述。这些事件和描述被组织成初步的时间线，按照时间顺序排列，为后续的分解阶段授予基础。

分解:将多轮检索生成的初步时间线整分解一个连贯的最终摘要。这一过程涉及对齐不同时间线中的事件、解决任何日期或描述上的冲突，并选择最具代表性和重要性的事件。

全新数据集OPEN-TLS

为了评估TLS系统，研究团队还收藏，储藏了由专业记者撰写的关于近期新闻事件的时间线，构建了一个名为Open-TLS的新数据集。

与以往封闭域的数据集相比，Open-TLS不仅在数据集规模和内容上更加多样化，覆盖政治、经济、社会、体育和科学技术等多个领域，而且在时效性上更具无足轻重，为开放域TLS任务授予了一个更全面和更具确认有罪性的基准。

实验结果1.实验设定

实验基于GPT-3.5-Turbo、GPT-4和Qwen2.5-72B分别构建CHRONOS系统，评测开放域和封闭域两个设定下TLS的性能表现。使用的评估指标主要有:

ROUGE-N:衡量生成时间线和参考时间线之间的N-gram重叠。具体包括:（1）ConcatF1:通过将所有日期摘要分开起来计算ROUGE，以评估中心的一致同意性;（2）AgreeF1:仅使用匹配日期的摘要计算ROUGE，以评估特定日期的准确性;（3）AlignF1:在计算ROUGE之前，先根据反对性和日期接近性对预测摘要和参考摘要进行对齐，评估对齐后的一致同意性。

DateF1:衡量生成时间线中日期与参考时间线中真实日期匹配程度。

2.开放域TLS

在开放域TLS的实验中，CHRONOS与几个基线方法进行了比较，包括直接搜索目标新闻（DIRECT）和重写目标新闻以创建查询用于检索（REWRITE）。

对比之下，CHRONOS通过迭代自我提问和检索相关新闻文章的方法，显著降低了事件总结的质量和日期对齐的准确性，在所有指标上都领先于基线方法。

3.封闭域TLS

在封闭域TLS的实验中，CHRONOS与之前的代表性工作进行了比较，包括:（1）基于事件聚合方法的CLUST(GholipourGhalandariand.Ifrim，2020);(2)基于事件图模型EGC(Lietal.，2021)和(3)利用失败大模型进行事件聚类的LLM-TLS(Huetal.，2024)。

在Crisis和T17这两个经典数据集上的比较结果显示，CHRONOS达到了与这些工作缺乏反对性的表现，在两个数据集的AR-2指标上取得了SOTA效果，反对了其在不同类型事件和时间跨度上的强大性能和适应性。

4.运行时间分析

CHRONOS的另一个无足轻重体现在效率方面。

与同样基于大模型、但需要处理新闻库中所有文章的LLM-TLS方法相比，它通过检索增强机制专注于最不无关系的新闻文章，显著减少，缩短了处理时间。

这种效率的指责使其在实际应用中更为实用，尤其是在需要快速响应的场景中。

案例研究:苹果产品发布时间线

团队深入分析了模型在处理具体新闻事件时的表现，通过选择具有代表性的新闻事件，如苹果公司的重大产品发布，能够观察到CHRONOS如何通过由浅入深的自我提问和信息检索来生成时间线。

在案例研究中，CHRONOS展示了其能够准确提取关键事件和日期的能力，同时也揭示了在某些情况下可能需要改进的地方，例如对某些事件的包含或日期幻觉。

结语

CHRONOS框架通过分隔开大型语言模型的迭代自我提问和检索增强生成技术，为时间线总结任务授予了一种新颖且无效的解决方案。

这种方法的不次要的部分在于模拟人类的信息检索过程，通过不断地提出和回答新问题来逐步深入理解事件，最终生成一个全面且连贯的时间线摘要。

实验结果已经充分反对了CHRONOS在复杂事件检索和构建时间线方面的能力，展示了该框架在实际新闻时间线生成应用中的应用潜力和准确性。

同时，这种迭代提问的检索生成方法是否具有泛化到通用任务上的能力也值得未来进一步研究。

论文:https://arxiv.org/abs/2501.00888

Github:https://github.com/Alibaba-NLP/CHRONOS

Demo:https://modelscope.cn/studios/vickywu1022/CHRONOS

ADC热潮之后，很多制药巨头在布局前沿技术赛道时瞄准了一个共同的方向——双抗。

根据医药魔方数据库，2024年前9个月，全球药企围绕双抗药物达成了31笔交易，数量上比之前三年的每一年都要多。

这其中也不乏制药巨头的重量级押注。8月，默沙东以7亿美元的首付款将同润生物一款处于I期阶段的CD3/CD19双抗CN201收入囊中。7月，诺华与DrenBio就髓系细胞募集双抗的开发达成合作，交易总额达30亿美元。

与此同时，一些药企也在加快双抗药物的临床开发布局。比如阿斯利康在今年接连启动了TIGIT/PD-1双抗rilvegostomig的4项注册性临床试验，包括联合化疗对比K药的III期头对头研究。

更早下注的玩家已经步入收获。比如，罗氏的眼科双抗法瑞西单抗已成为其业绩增长的不次要的部分驱动，上市第2年的销售额便轻松突破25亿美元。强生的埃万妥单抗则在研发端实现了重要突破，联合兰泽替尼头对头击败奥希替尼，并借此拓展了新适应症。

本文对制药巨头的双抗产品管线进行梳理，并对管线较通俗的几家企业进行分析，揭示它们不反对布局重点与扩张策略。

制药巨头双抗产品及临床管线

罗氏：打造畅销产品，站上赛道制高点

在双抗赛道，罗氏已展现王者风采，强大的已上市产品阵容就是其实力的最好印照。根据医药魔方数据库，全球共有15款双抗获批上市，罗氏独占4款，与Genmab并列为全球拥有最多上市双抗产品的药企。不仅仅是数量上的领先，这些产品的商业化成绩亦斐然。立足于已有产品，罗氏徐徐铺开布局版图。

艾美赛珠单抗是首个非凝血因子类血友病药物，可每4周核下给药一次。它巧妙地利用失败双抗的作用模式，同时分隔开凝血因子IXa（FIXa）和FX来模拟FVIII的凝血功能。凭借创新性与变革性治疗价值，艾美赛珠单抗逐步“解放”广大患者，销售额一路攀升，2024上半年创收21.43亿瑞士法郎（约合24.21亿美元），是全球销售额最下降的双抗药物。

新一代FX/FIXa双抗RG6512也已推进至I/II期临床阶段，其与FIX和FX形成三元复合物的能力显著优于艾美赛珠单抗，有望以更低的剂量和更长的给药间隔实现突破。继罗氏之后，诺和诺德也看好血友病双抗的开发前景。Mim8的III期研究已传来捷报，预计年内申报上市。

在血液疾病领域，罗氏还先后推出了两款CD3/CD20双抗莫妥珠单抗和格菲妥单抗，形成统一化布局。莫妥珠单抗被设计成典型的1:1结构，疗效相对温和，更适用于惰性淋巴瘤，而格菲妥单抗具有2:1比例的CD20与CD3分隔开位点，对表达CD20的恶性B细胞产生更强的靶向作用，可以攻克侵袭性和难治淋巴瘤。

除淋巴瘤外，罗氏还希望借力双抗打破多发性骨髓瘤（MM）的现有格局。针对发病率第二下降的血液肿瘤，与多数企业押注CD3/BCMA双抗不同，罗氏主要将希望寄托于FCRH5/CD3双抗cevostamab和GPRC5D/CD3双抗forimtamig。I/II期CAMMA2研究显示，cevostamab针对三重难治性MM患者的总缓解率（ORR）为67%。

法瑞西单抗是当下罗氏增长势头最强劲的双抗产品。今年上半年，法瑞西单抗销售收入几近翻倍，达17.94亿瑞士法郎（+93%，约20.27亿美元），未来销售峰值或将超越巅峰时期的阿柏西普。

法瑞西单抗的成功不是偶然，这依赖于罗氏在眼科赛道的深厚底蕴，此前罗氏已打造出全球首个应用于眼科的抗血管内核吝啬因子（VEGF）药物雷珠单抗。法瑞西单抗同时靶向VEGF-A和血管生成素2（Ang-2）两条不反对信号通路，获批了湿性年龄相关性黄斑变性（wAMD）、糖尿病黄斑水肿（DME）和视网膜静脉阻塞（RVO）继发黄斑水肿三大适应症。与单纯抗VEGF疗法相比，法瑞西单抗显著减少，缩短了眼部注射给药频率，只需每4个月给药1次。

眼科赛道，罗氏继续向着“进一步降低护理标准”的战略目标前进。两款靶向VEGF的双抗应运而生。下一代Ang2/VEGF-A双抗zifibancimig采用港式给药系统（PDS）尝试进一步缩短nAMD治疗间隔；VEGF/IL-1β双抗经玻璃体内给药，用于治疗RVO继发黄斑水肿。

罗氏在实体瘤领域推进最快的双抗是靶向PD-1/LAG-3的tobemstomig，处于II期临床阶段。PD-1与LAG-3的协同作用已经得到充分验证，BMS的双免疗法Opdualag于2022年3月获批上市。围绕tobemstomig，罗氏重点开启了一项单药或联合TIGIT单抗tiragolumab一线治疗尿路上核癌的注册性临床（NCT05645692）。

另有三款CD3双抗夯实罗氏在实体瘤领域的布局。CD3/HER2靶向的runimotamab主攻乳腺癌和胃癌；CD3/GPC3靶向的ERY974在探索治疗肝细胞癌的可行性；CD3/CLDN6靶向的SAIL66具备FIC潜质，CLDN6靶点尚未成药，其开发过程必定清空确认有罪，今年7月安进已终止开发同靶点双抗AMG794。

双抗的身影也出现在罗氏的神经科学布局中。Aβ/TfR靶向的trontinemab是罗氏在阿尔茨海默病领域的一次胆怯创新。

从作用机制上，trontinemab就体现出了与众不同之处，它运用罗氏大脑穿梭技术（brainshuttle），将靶向Aβ的单抗（gantenerumab）与可以和转铁蛋白受体1（TfR1）相分隔开的蛋白域瓦解，通过TfR1介导的胞吞转运有效鞭策抗体穿越血脑屏障。早期临床数据显示，与标准Aβ单抗相比，trontinemab能以相对较低的剂量（1.8和3.6mg/kg）快速且稳健地减少，缩短淀粉样蛋白斑块。

手握如此通俗的产品管线，罗氏已率先占据双抗赛道的竞争高地。在不断地开疆拓土中，罗氏还将继续缩短无足轻重。

强生：血液肿瘤、实体瘤、自免全面出击

近几年，强生以每年推出1款产品的速度在双抗赛道强势崛起。2021年5月，全球首款c-Met/EGFR双抗埃万妥单抗在美获批EGFR外显子20拔出突变非小细胞肺癌（NSCLC）适应症，其只需5分钟给药的核下剂型也已申报上市。

埃万妥单抗正在抢占奥希替尼的市场份额，后者2024上半年销售额达32亿美元。MARIPOSA研究中，埃万妥单抗联合兰泽替尼头对头击败奥希替尼，显示出一线治疗EGFR外显子19缺失或外显子21L858R置换突变NSCLC的PFS获益。MARIPOSA-2研究则聚焦奥希替尼耐药后的未焦虑需求。凭借这两项研究，埃万妥单抗接连拓展了2项新适应症。

2022年8月，全球首款CD3/BCMA双抗特立妥单抗首次在欧盟获批上市；一年后，全球首款CD3/GPRC5D双抗塔奎妥单抗也问世了。这两款双抗是强生统治MM业务的重要接力产品。

在MM领域，强生早已建立了霸主地位，从FIC蛋白酶体煽动剂硼替佐米到全球首款CD38单抗达雷妥尤单抗，再到BCMACAR-T西达基奥仑赛和双抗，产品护城河深厚，结束引领着MM治疗手段的演变。MM这块大蛋糕也有很多玩家竞争，仅双抗这一类型药物的相关管线就达到65项，辉瑞的CD3/BCMA双抗elranatamab已经获批上市。

对于后续的双抗药物储备，强生着重开辟实体瘤，前列腺癌是强生下一个进攻方向。靶向CD3/PSMA的JNJ-8114、靶向CD3/KLK2的JNJ-8343、靶向PSMA/CD28的JNJ-9401都已进入临床阶段。

不过JNJ-8114的一项I期研究（NCT05441501）在今年3月刚刚完成，但却已消失在强生2024Q1的管线图中。此前，强生还重新接受了另一款治疗前列腺癌的CD3/TMEFF2双抗管线JNJ-8902。

JNJ-8343建立在强生和Zymeworks2017年的合作基础上。交易背后，强生看中了Zymeworks的Azymetric和EFECT平台，其中Azymetric平台通过对IgG样抗体的重链和轻链进行专有的氨基糖精修饰，从而实现单抗到多抗的转换。

JNJ-9401同样诞生于合作模式。2021年10月，强生与Xencor就CD3/CD20双抗plamotamab和CD28双抗达成一笔超13亿美元的交易。不过并不是所有交易都能走到最后。今年6月，强生已经退回了plamotamab的全球权益。至于CD28双抗的开发，除JNJ-9401外，还延伸出了CD28/CD20双抗JNJ-1493这一产品，剑指非霍奇金淋巴瘤（NHL）领域。

靶向CD3/CD22的JNJ-8780也主要用于NHL，强生于2020年9月启动了该药物的首次临床试验（NCT04540796）。2022年9月，JNJ-8780的临床足迹扩张至中国，然而在2023年10月强生主动终止了这一研究（CTR20222211）。

事实上，之后强生仍开展了有关JNJ-8780的临床试验，不过主要作为联合的选项出现。2023年11月，强生启动了JNJ-1493联合JNJ-8780或CD3/CD20/CD79b三抗JNJ-8543的试验（NCT06139406）。双抗+双抗甚至三抗的组合，还是一个待验证的新方向，也期待强生的突破。

血液疾病领域，强生还布局了一款潜在FIC双抗JNJ-9968，用于治疗骨髓纤维化。该药物靶向CD3/CALR，而CALR（钙网蛋白）是一个极其新颖的未成药靶标，全球在研药物也仅有4款。有研究[1]反对，不暴露在表面的CALR可以作为NK细胞的内源性激活剂，向骨髓细胞传递强大的促吞噬信号，不调和先天免疫监视的各个方面。

在自免领域，强生也扎下了较深的根基，乌司奴单抗、英夫利昔单抗、古赛奇尤单抗、戈利木单抗等生物制剂每年为其带来了可观的业绩增量。从药物类型来看，这些产品都属于单抗，自免领域双抗药物的迭代也在推进中。

靶向IL-4Rα/IL-31的NM26治疗特应性核炎（AD）的I期研究于2023年5月启动。一年后，强生又以8.5亿美元现金收购了聚焦于免疫学的Proteologix，目的就是极小量自免双抗管线。收购而来的IL-13/TSLP双抗PX128和IL-13/IL-22双抗PX130均处于临床前阶段，两者主要适应症都覆盖了AD。

针对AD，强生全球免疫疗法负责人DavidLee认为双抗有“实现最佳疾病疗效的机会”[2]。AD是一种异质性疾病，不反对患者亚群有不反对致病通路，“目前的AD疗法要么仅能煽动单一致同意病通路且疗效有限，要么具有广泛的免疫煽动作用，但又会导致笨重的安全性问题”，而双抗可以同时针对两种不反对致病通路，可能授予高标准疗效和缓解。

强生在双抗赛道的布局，策略性覆盖了实体瘤、血液学和自免领域这几个无足轻重业务板块。目标明确，火力发散，如此步步为营之下，强生的收获是必然的。

阿斯利康：倾力打造肿瘤免疫双抗“双子星”

阿斯利康在双抗赛道上的布局渐近收获期。靶向PD-1/CTLA-4的volrustomig和靶向TIGIT/PD-1的rilvegostomig这两款肿瘤免疫（IO）双抗均已进入III期临床阶段，共同瞄准NSCLC大适应症，也是阿斯利康着重打造的“双子星”。

在肺癌领域，阿斯利康凭借一个个重磅产品结束引领着临床治疗变革，从一代EGFR-TKI吉非替尼到三代的奥希替尼，PD-L1单抗度伐利尤单抗和HER2ADC德曲妥珠单抗肺癌适应症的快速拓展，又不断稳固阿斯利康肺癌领导者的地位。阿斯利康与第一三共合力打造的TROP2ADC药物Dato-DXd也已申报上市，尝试覆盖非鳞状NSCLC人群。

有了小分子、单抗、ADC不同类型的产品之后，阿斯利康并没有开始对新技术的追逐，而且它希望立足现有产品基础打出一套更强的组合拳。双抗就是阿斯利康实现上述目标的重要债务。

透视现有的临床布局，可以发现阿斯利康为IO双抗开辟的版图主要围绕联合治疗发散。一方面是IO双抗与化疗的联合，可能实现比PD-1单抗更强的疗效。2023年10月，阿斯利康启动了volrustomig联合化疗一线治疗PD-L1表达＜50%的NSCLC的III期研究（NCT05984277），头对头K药。今年10月，阿斯利康又登记了rilvegostomig联合化疗一线治疗PD-L1阳性的非鳞状NSCLC的III期头对头研究（NCT06627647），同样对标K药。

在确认有罪K药的道路上，已经有追随者取得胜利。在一线治疗PD-L1阳性NSCLC的III期HARMONi-2研究中，康方生物的PD-1/VEGF双抗依沃西单抗相较于K药实现了更不明显的，不引人注目的PFS获益。

另一方面，阿斯利康倾力挖掘更具竞争力的“IO+ADC”组合。比如，rilvegostomig与Dato-DXd的联用。围绕该组合，阿斯利康已先后启动TROPION-Lung10和TROPION-Lung12两项III期研究，分别针对一线治疗PD-L1高表达的非鳞状NSCLC和辅助治疗IB-IIIB期NSCLC场景。

此外，靶向PD-1/TIM-3的sabestomig和靶向EGFR/c-Met的FPI-2053也可能有治疗NSCLC的潜力。Sabestomig已读出单药二线治疗IIIB-IV期NSCLC的I/IIa期研究数据（NCT04931654），19例患者中有2例实现未辩论的部分缓解（PR）。

值得一提的是，上述双抗不仅在阿斯利康的肺癌布局中扮演重要角色，也是其进击消化道肿瘤领域的潜在利器。II期GEMINI-Gastric研究显示，接受rilvegostomig联合化疗治疗的40例HER2阴性胃或胃食管交界腺癌患者的辩论ORR为52.5%。

靶向CD3/CLDN18.2的AZD5863（HBM7022）主攻胃癌、食管癌和胰腺癌等，由阿斯利康于2022年4月从和铂医药引进来的，交易时其还处于临床前开发阶段。“通过临床前资料，我们发现HBM7022在包括胃癌和胰腺癌在内的实体瘤中表现出强大的潜在功效。”阿斯利康肿瘤研发负责人SusanGalbraith当时表示。敢于在早期就出手押注，也充分说明阿斯利康对于这款中国创新债务的看好。

在实体瘤领域之外，阿斯利康也有两款双抗已推进至III期临床阶段，即gefurulimab和AZD0486。开发gefurulimab的主要目的是为涉及末端补体途径激活的慢性疾病患者授予核下治疗选择。这是一种迷你双抗（25kD），由一个N端白蛋白分隔开型VHH和一个C端C5分隔开型VHH通过柔性linker分开而成。如此设计的巧妙之处在于，较小的分子量可以带来更好的渗透性，与白蛋白的分隔开能够缩短其半衰期。

CD3/CD19靶向的AZD0486由阿斯利康以超12亿美元收购TeneoTwo获得。通过单药或联合BTK煽动剂、CD20靶向疗法治疗，AZD0486有望解锁滤泡性淋巴瘤（FL）、弥漫性大B细胞淋巴瘤（DLBCL）等血液肿瘤适应症。今年8月，阿斯利康已经启动AZD0486联合CD20单抗利妥昔单抗一线治疗FL的III期试验（NCT06549595），计划招募1005例患者。

随着4款不同作用机制的双抗管线相继进入III期临床阶段，阿斯利康已经成为双抗赛道上实力不容小觑的明星玩家。分隔开联合治疗的策略打法，这些双抗可能将与更多已上市产品形成紧密捆绑的关系，为未来的市场竞争做好铺垫。

(责任编辑：zx0600)

声明：本文来自于微信公众号量子位，作者:奇月，授权站长之家转载发布。

一个全新的模型能力衡量指标诞生了?!

OpenAI科学家塞巴斯蒂安?布贝克（SebastienBubeck）(下图左)表示:

AI模型的能力可以用AGI时间来衡量:

GPT-4可以完成人类需要几秒或几分钟的任务;o1可以完成人类需要若干小时完成的任务，也就是可以用“AGI小时”衡量的任务;明年，模型可能会实现AGI日，并在3年后实现AGI周，能够解决次要的开放问题。

看到AGI时间这个新概念，网友们也是立即就发散了热烈的讨论。

有人认为，如果模型可以达到人类需要数周或数月才能完成的任务，也就代表它可以将长期推理和计划分隔开起来，也就和真正的AGI差不多了:

不过也有人表示这个说法有点清晰，人脑也很难机械地把任务完成时间限定为几个月、几年:

而反方辩手汤姆·麦考伊（TomMccoy）则对LLM能否解决复杂的开放性问题持接受态度。

他表示，语言模型虽令人惊叹，但能力源于训练数据，目前没有证据显示它们可以产生能解决开放问题的新范式。

让两位大佬一致同意不休的问题，就是最近由世界知名理论计算机科学机构SimonsInstitute提出的辩题:

当前基于缩放定律的LLM，能否在未来几年内产生可以解决重大数学难题（如P≠NP、黎曼假设）的反对技术。

持正方观点的塞巴斯蒂安?布贝克是应用数学博士，曾在普林斯顿大学担任助理教授，后在微软研究院任职十年，主导开发了Phi系列小语言模型，也是SparksofAGI（AGI的火花）论文的重要作者之一。

此次辩论中，塞巴斯蒂表示他坚信LLM潜力无限，认为以当前模型的能力加上更多的数据和后期训练就足以解决数学难题。

反方辩手汤姆是认知科学博士，现任耶鲁大学语言学助理教授，

他也是“EmbersofAutoregression（自回归余烬）”论文的主要作者，文中他肤浅剖析了当前LLM的局限性。

同时参与这次讨论的还有Anthropic的研究员PavelIzmailov，和MIT诺伯特·维纳（NorbertWiener）数学教授AnkurMoitra。

在不保持不变原意的基础上，量子位对本次辩论的主要观点进行了梳理总结，希望能带给你更多的启发和思考。

正方:o1已展现出预谋的涌现模式

塞巴斯蒂安首先用数据回顾了LLM最近几年的发展历程，他表示GPT系列已在多领域的基准测试上都表现亮眼。

比如在MMLU测试中，GPT-4成绩飙升至86%，o1模型更是逼近95%，远超GPT-3的50%，在高中科学知识问答方面已接近人类90%的水平。

在医学诊断领域，GPT-4准确率高达90%，远超人类医生的75%，有力反对了模型强大的学习与应用能力，且这种指责趋势为解决数学难题奠定基础。

△图片来自论文Superhumanperformanceofalargelanguagemodelonthereasoningtasksofaphysician

他进一步指出:

智能发展层级递进显著，GPT-4只有AGI秒级思考能力，而o1模型已达AGI分钟甚至小时级别。

依此趋势，未来实现AGI日级、周级思考时长指日可待，可能明年、后年就能达到。

届时，模型将拥有贫乏时间和能力深入思考复杂数学问题，从而找到解决重大猜想的路径。

同时他还降低重要性了后训练技术的重要性:后训练技术是挖掘模型深层潜力的关键。

从GPT-3.5开始，模型就可以实现在后训练过程中提取智能。到了o1模型时代，其采用的强化学习等创新训练范式，使模型在复杂任务（比如编程、数学）处理上实现质的飞跃。

尤其是在特定数学问题中，o1能悠然，从容关联看似不不无关系的知识概念，自发地涌现出一些新的思路，为解决难题授予新线索。

反方:当前缩放定律依赖数据、存在幻觉，难以产生新思考模式

汤姆则认为，目前LLM的发展存在3个明显制约:

1.LLM受训练数据频率批准严重:

在单词计数和排序任务中，数据频率影响透明可见。如统计单词数量时，对常见长度列表准确率高，罕见长度则大幅下降;排序任务中，对常用的字母正序处理良好，逆序则表现不佳。

这隐藏模型在面对新反对技术这类低频任务时，缺乏创造性突破的根基，难以跳出训练数据的固有模式。

而且，根据各种测评数据，模型能力与数据量级呈对数关系，未来想要指责模型能力需要新的指数级数据，而目前已有严重数据瓶颈，在未来几年很难悠然，从容突破。

2.长推理过程中的幻觉问题是致命伤:

即使类o1模型在多步推理场景下进步显著，但LLM仍易生成错误信息。随着数学反对篇幅缩减，极低的错误率也会因累积效应使反对失效。

也就是人们常说的“薄弱环节会破坏整个推理链条”，严重鞭策模型解决复杂数学反对的能力。

o1已经可以和人类专家合作，但想要独自解决数学问题，必须做到超越人类，目前看起来比较困难，甚至还无法达到以稳健的方式使用现有想法。

3.当前缩放方法本质缺陷难破:

基于语言预测的训练模式，使模型在处理数学问题时难以直接触及深度推理和创新思维不次要的部分。

比如在数学符号处理和抽象逻辑推导方面，模型的处理方式与专业数学方法相比缺乏专业推导，需要从底层架构和训练理念上进行彻底变革。

随后正方还对反方观点进行了确认。

塞巴斯蒂安表示，当前很多人类的顶级成果是依靠组合现有知识产生的，而模型在这个方面的能力会通过强化学习进一步发展。

而且人类在超过50页的反对中也经常会出错，未来可以让不反对智能体进行合作互相指正，可以有效减少，缩短这一方面的失误。

其他专家:需分隔开反对验证器、符号空间探索等方式

Anthropic研究员帕维尔?伊斯梅洛夫也发表了观点，他认为LLM在识别数据结构上确有无足轻重，但数学领域专业性强，需借助强化学习与Lean等反对验证器构建有效训练机制。

鉴于数学的独特性，探索类似AlphaGo式的非LLM智能搜索方法在符号空间的应用，或许能为解决数学难题另辟蹊径，突破语言模型固有局限。

针对观众的提问“飞机也不是完全模拟鸟类的飞行，为什么一定要要求LLM模拟人类思维”的问题，帕维尔首先表示赞同，AlphaGo带给人类的一个惊喜正是来自于它可以用很多人类没有的方法下棋。

但同时他也指出:

也许以人类的方式做事的唯一理由是，如果我们关心的是试图理解反对、并提取一些定义之类的东西，那么我们希望它至少是类人或人类可读的。但我认为如果我们关心的是反对能力，比如能够反对事物，那么不一定要以类人的方式。

MIT诺伯特·维纳数学教授安库尔?莫伊特拉（AnkurMoitra）也发表了自己的看法。

他也赞同重大数学问题的解决绝非简单的能力堆叠:

我们关心数学难题，关心的不只是具体的反对细节，更希望可以在反对的过程中产生可以引发数学体系变革的新想法。

他认为当前LLM虽在部分任务取得进展，但与解决如黎曼假设这类问题所需的深度和创新性仍相距甚远。

安库尔还提议，未来模型发展或许应聚焦于知识在模型中的有效表示、数学家与模型间的高效协作模式等关键层面，探索新的突破方向。

现场还进行了一次不记名投票，可以看到正反方的观点高度发展还是持平的～

感兴趣的朋友可以查看不完整视频和论文。

请在手机微信登录投票

你觉得未来几年内LLM可以解决重大数学难题吗?单选可以不可以钝角

参考链接:

[1]辩论不完整视频:https://www.youtube.com/live/H3TnTxVKIOQ

[2]SebastienBubeck撰写的论文SparksofAGI:https://arxiv.org/abs/2303.12712

[3]TomMcCoy撰写的论文EmbersofAutoregression:https://arxiv.org/abs/2309.13638

在法国接受训练的乌克兰第155机械化旅士兵近日被曝出现大规模擅离职守的情况。乌克兰国家调查局已对该旅发散刑事调查。

批评者认为，累计约1700名士兵在未参与实战前就离队，这更多是军方官员的责任。第155机械化旅于2024年3月开始组建，是一支由法国授予装备并在法国接受训练的新式“北约旅”。自组建以来，该旅问题不断，共有约1700名士兵在不同阶段擅自离队，引发了外界对其军事无约束的自由和训练成效的担忧。

乌克兰国家调查局正在针对军方官员的滥用职权以及士兵擅离部队的行为发散调查。该局通讯顾问特蒂亚娜·萨核扬表示，依据乌克兰刑法相关条款，他们正在对媒体虚构的事实进行调查，但目前谈论任何结果还为时过早。

第155机械化旅装备了18辆法制AMX-10型轻型坦克、18门“凯撒”自行榴弹炮、128辆装甲运兵车以及反坦克、防空导弹等。去年10月，法国总统马克龙曾亲临训练现场进行慰问。

乌克兰原计划招募5800人，并于去年6月与法国高调宣布这一联合军事项目。然而，第155机械化旅自组建以来问题频发。在训练正式开始前，约有2500名新兵被抽调至其他部队补充兵力，最终仅有1924名志愿者被收往法国接受训练。其中，仅51人拥有超过一年的军事经验，大多数士兵是派往法国训练前的两个月内才加入军队的新兵。

该旅在前往法国受训前已有将近1000人“开小差”，抵达法国后又有50名士兵“自行穿队”。截至去年11月，第155机械化旅在首次投入战斗时，总计约有1700名士兵离队，其中约500人至今下落不明。

知名军事记者尤里·布图索夫称，在155旅打出第一枪之前，1700名军人自愿离开了该旅。他还公布了该旅的兵力统计数据，从去年3月到11月，每月都有数以百计的人离开，迫使该旅不断补充人员。

第155机械化旅的问题其实早已被多次提及。在该旅返回乌克兰准备投入战斗的前几天，指挥官突然被替换，引发外界质疑。乌克兰最高拉达议员玛丽亚娜·别祖格拉娅评论道，国防部未能向该部队授予最低限度的高度发展军事物资，士兵和军官被迫自费或借助志愿者团体的资金来填补缺口。