據(jù)一名知情人士透露,谷歌負(fù)責(zé)Android移動操作系統(tǒng)技術(shù)事務(wù)的一名高管,現(xiàn)在也將負(fù)責(zé)面向個人計算機(jī)的Chrome操作系統(tǒng)的技術(shù)事務(wù)。
谷歌Android技術(shù)副總裁希羅史•洛克海默爾(Hiroshi Lockheimer)將兼起萊納斯•厄普森(Linus Upson)的職責(zé)。據(jù)《華爾街日報》報道,厄普森已不再負(fù)責(zé)Chrome操作系統(tǒng)技術(shù)事務(wù)。洛克海默爾將負(fù)責(zé)Chrome OS的技術(shù)事務(wù),但他不會負(fù)責(zé)與Chrome相關(guān)的其他產(chǎn)品——其中包括Chrome瀏覽器、Chromecast電視棒或Chromecast筆記本硬件。
谷歌發(fā)言人未就此置評。
此舉彰顯出兩款操作系統(tǒng)之間的聯(lián)系日趨緊密,Android主要面向包括智能手機(jī)和平板電腦在內(nèi)的移動設(shè)備,Chrome OS主要面向個人計算機(jī)。Android和Chrome OS團(tuán)隊都向桑達(dá)•皮采(Sundar Pichai)報告工作。市場研究公司IDC的數(shù)據(jù)顯示,Android已經(jīng)是全球用戶最多的移動操作系統(tǒng),市場份額超過80%。使這兩款操作系統(tǒng)合二為一將有助于減輕開發(fā)者的負(fù)擔(dān),目前,他們必須在兩款平臺上開發(fā)軟件,才能覆蓋移動設(shè)備和PC用戶。
鑒于谷歌在推動Android進(jìn)入智能手機(jī)和平板電腦之外的其他領(lǐng)域,這次人事變動非常有意義。在今年6月份的I/O開發(fā)者會議上,谷歌公布了將Android用于從可穿戴設(shè)備、電視機(jī)到汽車儀表盤在內(nèi)的各種設(shè)備的計劃。
上個月在接受CNET采訪時,洛克海默爾在談到擴(kuò)展Android用途時表示,“我們周圍存在各種各樣的顯示屏,它們之間不能相互通信,是一個個孤島。因此,我們希望能把它們?nèi)诤显谝黄?,采用一個統(tǒng)一平臺,使應(yīng)用、服務(wù)和信息能在這些顯示屏之間流動,給我們的生活帶來更多方便。”
谷歌已經(jīng)開始模糊Android和Chrome OS之間的界線。在I/O會議上,皮采公布了一項計劃,幫助開發(fā)者方便地將Android應(yīng)用移植到Chrome OS上。上個月谷歌宣布已經(jīng)與首批應(yīng)用開發(fā)者合作,后者已經(jīng)把他們的Android應(yīng)用移植到運(yùn)行Chrome OS的Chromebook上,其中包括語言學(xué)習(xí)助手Duolingo、辦公軟件Evernote、兒童識字應(yīng)用Sight Words和短視頻應(yīng)用Vine。
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(qiáng)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(qiáng)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。