在美國拉斯維加斯的CES 2015大會上,華碩召開了新品發(fā)布會,該公司董事長施崇棠推出兩類新產(chǎn)品:混合式Windows PC和拍照型智能手機。
Transformer Book Chi系列均為筆記本+平板二合一可拆式Windows設備,擁有傳統(tǒng)的翻蓋筆記本電腦外觀,同時可分離成平板電腦。鑒于該設備的處理器、RAM、顯示屏及其他部件均組裝在其屏幕后部,Transformer Book Chi筆記本電腦完全可以用作一臺獨立的Windows平板。
盡管Transformer Book系列產(chǎn)品本身已不再新奇,但Chi系列設備是全新的。Transformer Book Chi系列設備分三種尺寸:8.9、10.1和12.5英寸。不同于之前的Transformer Book系列的塑料外形,Chi系列設備采用全鋁合金外觀設計,部分產(chǎn)品搭載最新的英特爾Core M處理器。
Core M處理器主要為高端筆記本電腦、平板電腦和混合式設備而設計,節(jié)能高效,而Chi系列產(chǎn)品采用無風扇設計,輕薄且安靜。
其中華碩Transformer Book Chi T300采用12.5英寸顯示屏,屏幕分辨率分為1920×1080和2560×1440兩種,均搭載英特爾Core M處理器,在美起售價分別為699美元和799美元,遠遠低于眾所周知的聯(lián)想Yoga 3 Pro,后者起售價為1199美元。施崇棠稱之為他的“終極夢想機”,并將其12.5英寸版的Chi T300與MacBook Air進行了厚度對比。
華碩Transformer Book Chi T100配置10.1英寸顯示屏,搭載英特爾低端Atom處理器,屏幕分辨率為1900×1200,在美起售價為399美元。
華碩Transformer Book Chi T90則配置一塊8.9英寸的顯示屏,作為該系列產(chǎn)品中最小的一款,其外觀更接近于一臺平板,不過還外帶了一個可接鍵盤的小翻蓋。其屏幕分辨率為1280×800,同樣搭載英特爾Atom處理器,在美起售價為299美元。這三款產(chǎn)品均將于今年二月份上市,但尚未公布其國際價格及供貨情況。
此外,為在二合一設備領域脫穎而出,該系列產(chǎn)品還支持藍牙連接使用鍵盤。
除此之外,華碩還發(fā)布了一款全新旗艦智能手機ZenFone 2,以及一款主打拍照功能的ZenFone Zoom智能手機。
ZenFone 2搭載四核64位的英特爾Atom Z3580處理器,采用4GB運行內(nèi)存。外觀上仍選用金屬質感同心圓設計,機身纖薄,僅3.9毫米厚,音量控制鍵移至手機后方,方便手指控制。ZenFone 2采用5.5英寸IPS顯示屏,材質為大三代大猩猩玻璃(Gorilla Glass 3),提供全高清分辨率,主攝像頭配備f/2.0大光圈鏡頭,1300萬像素。
ZenFone 2運行谷歌Android 5.0 Lollipop系統(tǒng),同時植入華碩ZenUI操作界面,其間包含新的手勢控件(如滑動“e”型圖標即可打開用戶的電子郵件),以及大量自定義選項。
華碩ZenFone 2將于3月份在美國上市,售價為199美元。
除此之外,另一款ZenFone Zoom也是攝影師們的不二選擇。這款智能手機配有一顆1300萬像素的攝像頭,并具備3倍光學變焦功能,以及光學防抖和快速激光自動對焦功能,可拍攝距離鏡頭最近五厘米的物體,華碩稱之為世界上最薄的手機。
對高級用戶而言,華碩為該手機配備了手動模式,允許所謂的“專業(yè)級”用戶手動控制設置相機的ISO感光度、白平衡、快門速度及其他功能。這款手機將于今年第二季度在美國上市,售價為399美元。尚未公布其國際價格及供貨情況。
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(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(lián)合提出SparseLoRA技術,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。