空調(diào)可以防塵了!
去年上市的海爾天樽空調(diào)成為空調(diào)界名副其實的“高富帥”,風(fēng)格時尚,氣質(zhì)逼人,深受用戶的喜愛,也誕生了一批“空心粉”。而最近,這一以除PM2.5功能獲得網(wǎng)友青睞的天樽空調(diào)又多了防塵設(shè)計。從除塵到防塵,只一字之差,卻都來自于用戶的需求創(chuàng)意。
大家不難發(fā)現(xiàn),傳統(tǒng)的空調(diào)葉片往往是灰塵的聚居地,積聚除塵的空調(diào)吹出的風(fēng)也容易引發(fā)呼吸疾病,空調(diào)變成了“揚塵器”,變身健康殺手。去年11月,在海爾官網(wǎng)社區(qū)上一條關(guān)于天樽空調(diào)的評測貼“天樽,打破空調(diào)傳統(tǒng)形象”因為通過圖片的形式不同側(cè)面展示了天樽的全貌而吸引了網(wǎng)友的關(guān)注。有趣的是,48樓的網(wǎng)友“qingliang999”在該帖中回復(fù)的:風(fēng)洞這么大,會不會落灰呀!長時間不使用,如果落了一層灰,那有點麻煩。
沒有想到的是,他的這一提議迅速引起了眾多網(wǎng)友的跟帖,“空調(diào)的出風(fēng)口清理起來太麻煩了”、“這么大個洞要怎么防塵啊”、“要是不用的時候能罩起來就好了,就像電視機”……各種各樣的創(chuàng)意提法在網(wǎng)絡(luò)上涌現(xiàn)。
最重要的是,這讓天樽研發(fā)團隊意識到,如果空調(diào)自身就不干凈,它又怎么可能吹出干凈的風(fēng),又怎么能除塵呢,特別是天樽這樣大的出風(fēng)口。“原來接入外部一流資源重點是想解決空調(diào)病和空氣質(zhì)量問題,這一部分的難題我們解決了,沒想到我們卻忽略了更重要的問題。”
沒有幾天時間,天樽研發(fā)團隊與外部設(shè)計資源很快討論出了多套預(yù)案。一位成員“滄浪”回復(fù)了網(wǎng)友“qingliang999”,表示會設(shè)計一個漂亮的防塵罩,可保證沒有灰塵落入。而經(jīng)過層層篩選和用戶體驗的反饋,最終“防塵罩”的隔塵方式在眾多方案中脫穎而出。“最開始,外部資源給我們提出了磁石吸附設(shè)計,但通過驗證討論之后我們就否定了,因為產(chǎn)品已經(jīng)成型,要再做改動與之前已經(jīng)生產(chǎn)銷售的產(chǎn)品無法匹配。后來我們又討論出了內(nèi)部放置和外部懸掛的兩種解決方案,在與網(wǎng)友交互過程中,大家普遍認為內(nèi)置式設(shè)計拿取不便,往里面放也不方便,還容易造成風(fēng)洞周圍的刮傷,而外部懸掛式設(shè)計更方便。”
可是這個方案馬上又被網(wǎng)友否定了。“外部懸掛式防塵罩帶有的小把手,凸出在外不容易放置,如果能折疊收納就好了。”天樽研發(fā)團隊的成員說,網(wǎng)友的這一提議讓天樽的防塵罩更完美了,最重要的是用戶的提議讓空調(diào)防塵變得更方便實用。
一個大大的出風(fēng)口帶來的行業(yè)顛覆性創(chuàng)新設(shè)計,也讓網(wǎng)友對現(xiàn)有的空調(diào)出風(fēng)口積灰問題有了又一次靈感的創(chuàng)新。“可折疊防塵罩創(chuàng)意現(xiàn)在可能還只能用在天樽上,不過今后我們還會與用戶一起設(shè)計出更好適用于其他空調(diào)出風(fēng)口的防塵設(shè)計”,天樽的研發(fā)團隊表示。
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。