聯(lián)想探索智能可穿戴設(shè)備領(lǐng)域,打造全新運動智能可穿戴產(chǎn)品——聯(lián)想樂手環(huán)。它集心率監(jiān)測、運動訓(xùn)練管理、人性化訂制提醒等功能于一身,一經(jīng)面世便引發(fā)消費者廣泛關(guān)注,成為人們健康運動生活的“新寵”。
聯(lián)想樂手環(huán)藍色款和橙色款
關(guān)注“心聲”,樂享運動
聯(lián)想樂手環(huán)鼓勵人們在享受運動樂趣的同時,能夠結(jié)合自身身體情況科學(xué)的制定運動計劃,關(guān)注“心聲”,把握好運動強度。結(jié)合市場需求,聯(lián)想賦予樂手環(huán)市面上大部分智能手環(huán)所沒有的心率監(jiān)測功能。配合不同的運動目的,用戶可以在手環(huán)的APP 訓(xùn)練模式中設(shè)定好運動目標和心率上下限,樂手環(huán)會通過振動提醒,幫助用戶將心率控制在設(shè)定范圍之內(nèi),以實現(xiàn)最佳運動效果,并且根據(jù)身體狀態(tài)合理分配體力,避免身體“過載“。
聯(lián)想樂手環(huán)心率監(jiān)測狀態(tài)
詳盡管理,精準訓(xùn)練
樂手環(huán)的訓(xùn)練模式可以精準記錄用戶的運動數(shù)據(jù)并對其運動活動進行輔助管理,包括步數(shù)、運動距離、消耗卡路里等詳盡信息。同時,樂手環(huán)的鋰聚合物電池配合低功耗的設(shè)計可長時間支持手環(huán)監(jiān)測,即使你跑完了全程馬拉松,產(chǎn)品也不會在監(jiān)測過程中因電量不足而中斷,影響監(jiān)測數(shù)據(jù)。
除了運動訓(xùn)練的監(jiān)測管理,樂手環(huán)還可對用戶的睡眠進行監(jiān)測。雙次敲擊屏幕上的睡眠模式圖標,當手環(huán)出現(xiàn)“睡眠開始”時即開啟睡眠監(jiān)測階段。用戶也可以在手環(huán)APP中設(shè)定自動啟動和停止的睡眠時間以用戶在睡眠過程中的翻身次數(shù)等數(shù)據(jù)作為參考,監(jiān)測用戶在睡眠過程中的“深睡眠”、“淺睡眠”,并連續(xù)監(jiān)測睡眠數(shù)據(jù)和走勢從而輕松判斷睡眠狀況是否健康。
個性化提醒,貼心定制
聯(lián)想樂手環(huán)的用戶可通過綁定樂手環(huán)專屬APP——“樂手環(huán)”進行訂制提醒功能及來電提醒功能。用戶可以在“樂手環(huán)”APP上添加日常提醒,例如每天的哪個時間段該喝水,哪個時間段該走動一下,樂手環(huán)這個“智能伙伴”可通過震動和文字提示提醒用戶完成之前設(shè)置的健康軌跡,貼心又周到。
在外觀上,樂手環(huán)延續(xù)以往的聯(lián)想設(shè)計風(fēng)格,靚麗的色彩吸睛力十足,有橙和藍兩色供選擇。它貼心的在腕帶上設(shè)有導(dǎo)汗槽,讓運動佩戴體驗更加舒適!另外,樂手環(huán)的屏幕采用目前市面上獨有的隱藏式LED屏,不僅美觀且更省電,充電一次可靜態(tài)待機長達5-7天。樂手環(huán)在操作流程上盡可能貼合用戶的使用習(xí)慣,極度簡化操作流程。通過敲擊即可喚醒顯示屏和進行操作,帶給用戶便捷易用的使用體驗。
聯(lián)想為樂手環(huán)注入諸多人性化的運動健康管理功能,希望樂手環(huán)能夠幫助人們更加科學(xué)健康的運動,表現(xiàn)值得期待!
好文章,需要你的鼓勵
新加坡國立大學(xué)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(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。
同濟大學(xué)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(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(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。