當?shù)貢r間周一,三星電子公司在巴塞羅那舉行的2014 MWC上發(fā)布了眾人期盼已久的Galaxy S5,而與Galaxy S5同樣備受關注的Tizen智能手機并未露面,只是發(fā)布了兩款搭載有Tizen系統(tǒng)的智能腕表。這似乎意味著三星仍在對Tizen操作系統(tǒng)進行全面評估。
圖:三星Tizen系統(tǒng)智能手機上運行的一款App
數(shù)月來,三星公司一直致力于Tizen手機的研發(fā),而且最近三星還稱公司將在2月份推出這樣一款手機。但事實并非如此,伴隨Tizen系統(tǒng)到來的并非是智能手機,而是兩款智能腕表產品。不過三星仍在專注于Tizen手機,但具體何時發(fā)布目前尚不清楚。
在當天三星發(fā)布會現(xiàn)場,三星移動業(yè)務營銷主管Young-hee Lee表示,“我們正在對今年推出 Tizen 智能手機所需的市場環(huán)境和機遇進行細致評估。”此外,其沒有透露三星 Tizen 智能手機的具體發(fā)布時間和上市計劃。
無論三星今年何時推出 Tizen 智能手機,其都晚于最初的發(fā)布計劃。三星原計劃在去年9月份發(fā)布首款 Tizen 智能手機,但為了提高硬件配置和推動應用商店建設,三星 Tizen 智能手機幾經延期發(fā)布。在去年11月份,三星表示將在今年2月推出 Tizen 智能手機。但在今天的 MWC 三星發(fā)布會上,Tizen 智能手機并未亮相,相反,搭載了Tizen系統(tǒng)的Gear 2和Gear 2 Neo卻閃亮登場。
不過三星公司負責軟件研發(fā)的副總裁Jongdeok Choi似乎讓大家吃了一顆定心丸,他在 MWC 上對外表示,Tizen 智能手機相關的所有技術都已準備妥當,但目前尚不確定具體的上市日期。此外,英特爾總裁蕾妮·詹姆斯(Renee James)佐證了這一說法,詹姆斯表示,盡管這款手機由兩家公司共同研發(fā),但三星對何時發(fā)布這款手機起決定作用,“在 Tizen 智能手機業(yè)務上,三星一直在進行富有成效的研發(fā),他們正在對此進行改進,產品發(fā)布計劃并未改變。
作為操作系統(tǒng)市場新貴之一,Tizen系統(tǒng)最初被視為一款智能手機平臺,試圖打進由蘋果iOS和谷歌Android系統(tǒng)主導的移動操作系統(tǒng)市場。對于三星而言,該操作系統(tǒng)可以使其獨立于谷歌,令其從自己的軟件和服務商賺取更多利潤。
但Tizen系統(tǒng)面臨著缺乏獲得更多運營商支持難題。盡管Tizen系統(tǒng)吸引了為數(shù)不少無線公司,比如Orange和沃達豐等,都是Tizen系統(tǒng)協(xié)會成員,但其中一些運營商對Tizen系統(tǒng)的支持態(tài)度并不堅定,比如Sprint,在退出Tizen系統(tǒng)協(xié)會后、又重新加入,而其他如Telefonica公司,在退出該協(xié)會后則沒有重新加入,這都加大了業(yè)界對Tizen系統(tǒng)的擔憂。
不過三星對Tizen系統(tǒng)信心滿滿。三星試圖將Tizen系統(tǒng)應用在電視、家用電器以及移動設備上,因為這些領域不需要運營商及大量應用支持,而且與其他系統(tǒng)相比,Tizen系統(tǒng)更加“瘦身”,可以提高設備的電池續(xù)航時間。
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。