每年CES上聯(lián)想都會發(fā)布大量的新品,捍衛(wèi)著他們PC霸主的地位,今年自然也不例外,23款新品集中亮相,震撼全場,而這23款產(chǎn)品中,2014版ThinkPad X1 Carbon絕對是耀眼的明星,在聯(lián)想正式發(fā)布會之前(美國當(dāng)?shù)貢r間1月8日下午5:15,北京時間1月9日早9:15),記者悄悄潛入到會場中,拍攝到了一系列2014版ThinkPad X1 Carbon的諜照,接下來,我們就來解析下這款全球最輕薄的14英寸超極本產(chǎn)品。先插入一段視頻,如果你懶得看圖文,可以通過這段視頻簡單了解下2014版ThinkPad X1 Carbon:
首先我們來看看2014版ThinkPad X1 Carbon的外觀全景圖,仍然繼承了小黑的酷黑外觀,但同時你也能夠感受到很多的時尚元素融入其中,而屏幕上,觸摸屏成為了標(biāo)準(zhǔn)的配置,令人驚喜的是,盡管采用了觸摸屏,屏幕的厚度對比上一代非觸摸版本,并沒有太大的變化,從而很好的控制了整機厚度。
再來看看接口部分,超極本為了輕薄設(shè)計,往往省略了大量的接口,而2014版ThinkPad X1 Carbon在這點上表現(xiàn)尚可,兩個USB 3.0,一個標(biāo)準(zhǔn)HDMI,一個miniDP,還有擴展口,算是比較全的設(shè)計了,從側(cè)面我們也可以看到,2014版ThinkPad X1 Carbon真的很?。?/p>
接下來是小黑迷們最關(guān)注的鍵盤以及輸入設(shè)備部分了,先說觸摸板吧,很多小黑迷可能又失望了,2014版ThinkPad X1 Carbon仍然采用了一體式的觸摸板,這主要是為了降低產(chǎn)品的整體厚度,不過從現(xiàn)場極其簡單的使用感受來看,2014版ThinkPad X1 Carbon的一體式觸控板相比之前的產(chǎn)品似乎有所改進(jìn)。再來看鍵盤部分,這個部分變動非常大,從原來的六行變成了五行的物理按鍵加上一行的虛擬按鍵,虛擬按鍵部分是原來的F1-F12以及功能快捷鍵,這樣的設(shè)計非常時尚,隱隱還有種Android的感覺,但比Android的虛擬按鍵感覺上更高端,讓超極本和平板電腦之間的界限更加模糊了。電源開關(guān)和指紋識別基本還保持在了老地方。
接下來來看看屏幕角度,2014版ThinkPad X1 Carbon的屏幕分辨率達(dá)到了2560x1440的驚人程度,而開合角度方面和之前的Carbon一樣,2014版ThinkPad X1 Carbon的屏幕最大角度是180度,可以放平,但不能折疊,這在保證實用性的同時,也保證了鉸鏈的壽命,提升整機可靠性。
最后看看軟件部分,Windows 8.1,同時屏幕右下方還集成了聯(lián)想增強版的開始菜單程序,這個非常方便,甚至比原版Win7的開始菜單都方便,同時為了簡化設(shè)置,聯(lián)想還提供了一個基于觸控界面的設(shè)置中心,即便是新手也可以快速的在這里調(diào)節(jié)部分設(shè)置選項。
總結(jié)下這款產(chǎn)品,并提供下參考價格信息,2014版ThinkPad X1 Carbon無疑是我們在CES2014上看到的優(yōu)秀超極本產(chǎn)品之一,尤其是觸控的功能鍵設(shè)計,非常洋氣,我們在現(xiàn)場看到,這款產(chǎn)品搭載酷睿i7的高配版本的售價為1299美元,算上稅款,含稅價格大約是8500元人民幣,相信如果是針對主流的i5版本,售價會相當(dāng)有競爭力。
最后預(yù)告下,明天我們將會對2014版ThinkPad X1 Carbon以及其他聯(lián)想產(chǎn)品的發(fā)布做現(xiàn)場圖文直播,歡迎大家到時圍觀。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟大學(xué)團隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗證有效性。