東芝這款五合一設備,在整體的設計風格上,非常接近于他們現(xiàn)有的消費類頂級旗艦KIRA Book,同樣全金屬的機身,外型上,五合一更加具有一點陽剛氣息,線條硬朗又不失時尚。
從變形方式來看,最為獨特的地方在于,這款產品將翻轉式和分體式結合在一起,而分體的位置不是傳統(tǒng)的鉸鏈結合處,而是鍵盤面大約一半的位置,這樣東芝這款五合一概念PC可以獲得一些翻轉式的變形方式,實現(xiàn)更好的視頻觀看體驗,同時還具備了分體式輕薄的特性,擺脫鍵盤之后,在平板狀態(tài)下,整機重量厚度將得到有效控制。
從這款產品的設計來看,雖然具有很顛覆性的設計,但從工業(yè)制造的角度,都是可以實現(xiàn)的,因此這款產品很有可能已經在東芝內部正式研發(fā), 我們不確信何時能夠看到這款產品的真正問世。
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(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,僅訓練AI玩簡單撲克游戲就能讓其數(shù)學推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學題目作為訓練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉移到數(shù)學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(fā)的GIGA-ToF技術通過融合多幀圖像的"圖結構"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術利用圖像間的不變幾何關系,結合深度學習和數(shù)學優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領域提供更可靠的3D視覺解決方案。
伊利諾伊大學研究團隊通過對比實驗發(fā)現(xiàn),經過強化學習訓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等頂尖機構聯(lián)合提出SparseLoRA技術,通過動態(tài)稀疏性實現(xiàn)大語言模型訓練加速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練效率,已在多個任務上驗證有效性。