海爾空氣盒子自年初在美國CES展上亮相以來,其圓形黑色鏡面的前衛(wèi)外觀就給人留下了深刻的印象。然而在智能時代,沒有一成不變的經(jīng)典,只有符合用戶需求,與時俱進的創(chuàng)新改進。近日,@海爾空氣盒子官微發(fā)布的一張圖片中,赫然出現(xiàn)了空氣盒子粉絲們期待已久的彩色版產(chǎn)品。
從發(fā)布的兩張圖片中可以看到,與原有的黑色盒子擺在一起,一只白色、一只熒光綠色的空氣盒子格外顯眼。“這兩種顏色是網(wǎng)友投票選出來的。”海爾空氣盒子產(chǎn)品負責人介紹到,“我們之前在海爾社區(qū)進行了針對空氣盒子外形顏色的投票,根據(jù)網(wǎng)友的投票結(jié)果,推出了這兩款顏色的產(chǎn)品,這也是對產(chǎn)品進行微創(chuàng)新的初步嘗試。”
據(jù)了解,在顏色投票中,有包括中國紅、紫羅蘭、蘋果綠、玫瑰紅等十種彩色外形可選。“我選綠色,這顏色跟盒子本身的功能契合度高,讓室內(nèi)常保持清新綠色的空氣環(huán)境。”投票的網(wǎng)友留言到。熒光綠與空氣盒子智能檢測、遙控調(diào)節(jié)室內(nèi)空氣質(zhì)量和諧統(tǒng)一,而白色則是眾多智能產(chǎn)品的基本款,相信勝出無任何疑問。
在對空氣盒子負責人的采訪中,記者發(fā)現(xiàn)“微創(chuàng)新”是個提及頻率頗高的詞匯。而微創(chuàng)新具體指的是什么呢?該負責人介紹說“我們通常做大家電的更新?lián)Q代周期比較長,但是空氣盒子這種‘小玩意’則不一樣。我們可以實時根據(jù)用戶實用中遇到的問題,提出的建議進行研發(fā)創(chuàng)新。比如有人就提出空氣盒子可以通過預留USB接口,引入用戶需求的其他技術(shù),形成可拆卸、模塊化的解決方案,將其打造成生活安全系統(tǒng)集成盒子。又比如盒子可以做一個燈泡卡扣,固定在頂棚,這樣既可以省去電源連接線,又能保證盒子一直供電長期使用。這對海爾來說都是非常有借鑒意義的建議”。
“微創(chuàng)新”模式給海爾帶來的不僅是更新鮮的設計理念和更為前沿的科技資訊,為海爾產(chǎn)品的研發(fā)提供了非常有意義的借鑒,更是將用戶意見轉(zhuǎn)化為實際需求,豐富、完善用戶的使用體驗的有效形式。
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(zhuǎn)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(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(lǐng)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(jīng)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(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。