十一將近,智能手機(jī)界刮起的九月風(fēng)暴也臨近尾聲?;乜催@一個月中誕生的新品手機(jī),三星這個開創(chuàng)了大屏手機(jī)時代的廠商總會吸引到人們的目光。今年三星帶來了兩款智能手機(jī)產(chǎn)品,其一是Note系列的嫡系——GALAXY Note4,而另一款就是本文的主角——進(jìn)行了商務(wù)范兒與個性化創(chuàng)新結(jié)合的GALAXY Note Edge。
GALAXY Note Edge作為Note家族的新成員,成功的繼承了Note家族經(jīng)典的商務(wù)范兒外觀設(shè)計。除了創(chuàng)新的側(cè)屏設(shè)計外,其余部分依舊中規(guī)中矩,給人穩(wěn)重大方的感覺。相比Note4來說,側(cè)屏的設(shè)計無疑給這款商務(wù)范兒手機(jī)增添了個性的元素,在“端莊大氣”的氣質(zhì)中加入了“俏皮可愛”的元素。
作為Note家族2014年共同推出的兄弟產(chǎn)品,Edge與Note4擁有著“孿生兄弟”般的共同點。屏幕材質(zhì)同為Super AMOLED,主屏分辨率也均為2560x1440像素。硬件配置上均采用高通 驍龍805處理器,3G的RAM容量。前置370萬像素、后置1600萬像素攝像頭,同時配備了索尼IMX240傳感器。均搭載Android OS 4.4系統(tǒng),另配備了同樣功能的S-Pen。
俗語有云“一龍生九子,九子各不同。”說過了這對“孿生兄弟”相同的地方,再來看看區(qū)別的地方。
GALAXY Note Edge此次最大的賣點莫過于曲面?zhèn)绕恋膫€性設(shè)計,不要小看這條只有0.1英寸的長條狀屏幕,它可不是個“花瓶”,而是一次大膽的嘗試,三星成功的通過這條屏幕開創(chuàng)了一種全新的智能手機(jī)的操作方式。常規(guī)使用手機(jī)時,它并不參與顯示,更多時候擔(dān)當(dāng)著功能區(qū)與通知欄的作用,但在一些特殊的使用場景下,它擁有著獨一無二的作用:
1. 縱向的Dock欄:在正常的待機(jī)狀態(tài)下,用戶可以把一些常用的應(yīng)用圖標(biāo)加入其中,方便隨時點擊使用。
2. 解鎖按鍵:當(dāng)手機(jī)處于鎖屏狀態(tài)時,用戶只需用手指在側(cè)屏上進(jìn)行上下滑動便可解鎖手機(jī)。
3. 巧妙的小功能集合:左右滑動側(cè)屏?xí)r,可切換出很多具有新意且實用的小功能,例如可讓手機(jī)變成一把尺子、可充當(dāng)秒表/倒數(shù)計時器、可進(jìn)行記步功能以及玩一些小游戲。
4. 個性化的設(shè)定:用戶可根據(jù)個人喜好對曲面?zhèn)绕吝M(jìn)行個性設(shè)置,包括主題皮膚的自定義、編輯自身的常用功能、選擇曲面屏的顯示數(shù)量等。
總的來說,三星推出GALAXY Note Edge是一次大膽的創(chuàng)新,也是對曲面屏幕實際應(yīng)用的探索。試圖從這種新技術(shù)的應(yīng)用中探索出一種全新的智能手機(jī)交互方式,或許這是三星智能手機(jī)全面進(jìn)化的一個預(yù)兆、一個開端、一個先行者。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團(tuán)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(jì)大學(xué)團(tuán)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(jī)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(jī)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(tuán)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(zhǔn)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(jī)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。