本周,戴爾CEO邁克爾·戴爾(Michael Dell)借引入“業(yè)界第一”的負排碳包裝大肆鼓吹該公司在持續(xù)發(fā)展方向所做的努力。
戴爾通過與生物科技創(chuàng)業(yè)公司Newlight Technologies合作,使用由AirCarbon材料制作的包裝袋。AirCarbon是一種從大氣和溫室氣體中提取出的材料,該材料能夠轉化為部分空氣。據說AirCarbon生產過程本身減少的碳排放量大于產生的碳排放量,能夠對環(huán)境產生積極影響。
顯然,AirCarbon生產過程也很廉價,便于戴爾實現其2020年使用100%環(huán)保包裝的目標。
使用AirCarbon材料的包裝今年秋季上市,率先用于戴爾Latitude系列筆記本包裝套,戴爾還計劃在全球范圍包裝和產品領域推廣該環(huán)保材料。
除使用綠色包裝外,戴爾表示已與Wistron GreenTech合作開發(fā)出一個反復回收利用系統。該系統將回收的電子產品中的塑料用于新系統,為戴爾設備創(chuàng)建一個循環(huán)生命周期。
戴爾表示,計劃把反復回收利用方案作為公司重復使用材料和其他材料的藍本,并借此實現其他綠色目標:到2020年,戴爾計劃在產品中使用5000萬磅再生塑料和其他環(huán)保材料。
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學推理能力提升8.6%,通用推理提升8.4%,且無需任何數學題目作為訓練材料。研究發(fā)現游戲中的三種推理模式能成功轉移到數學解題中,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,結合深度學習和數學優(yōu)化方法,在合成數據集上實現37.9%的精度提升,并在真實設備上展現出色泛化能力,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,經過強化學習訓練的視覺語言模型雖然表現出"頓悟時刻"現象,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等頂尖機構聯合提出SparseLoRA技術,通過動態(tài)稀疏性實現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。