北京時間1月7日,CES2015的主展館將對外開放,而在1月6日,參展商們都在忙著布展,好多“猶抱琵琶半遮面”的設(shè)備以及創(chuàng)意也會部分呈現(xiàn),記者在前一天特地去主展館轉(zhuǎn)了一圈,在這里說道說道CES2015主展館給人留下的印象:
NO.1:展館門口被福特承包了
與往年一樣,CES2015的主展館區(qū)也分為Central Hall(中心樓)、South Hall(南樓)以及North Hall(北樓)。在這些展館的門口處,都設(shè)有福特汽車的展區(qū),展示了不同型號的福特汽車,非常霸氣。而其他汽車都“藏”在了展館中。
NO.2:瞬間出戲 車展還是棒棒噠
逛主展館時,最直觀的感覺是,汽車儼然成為了“石獅子”的地位,哪家展區(qū)要是不放上一臺都不好意思,這也側(cè)面印證了汽車領(lǐng)域果然備受關(guān)注,很多IT廠商都有涉獵。
NO.3:被“黑衣人”攔截 請明天再來
因為主展區(qū)尚未開放,所以大部分展區(qū)還是“進(jìn)不去”的狀態(tài),在這時好想呼喚一張參展商的Badge。
NO.4:中國家電廠商 有錢任性
如去年一樣,像是長虹、海信、TCL這樣的中國家電廠商均在CES2015主展館區(qū)里面設(shè)置了展臺,海信跟TCL在CES2015上均有發(fā)布活動,而長虹卻沒有,但其展臺的地理位置最佳,就在Central Hall(中心樓)與South Hall(南樓)銜接處,臨近門口,與英特爾展臺隔街相望。
NO.5:中國參展商 呈幾何數(shù)字增長
再逛South Hall(南樓)一層時,越是往里面走越是覺得奇怪,明明身在拉斯維加斯,為什么大家說的都是漢語?我也跟幾位參展商聊了幾句,那個區(qū)域確實來自中國的參展商占了多數(shù),與去年相比,今年來自中國的IT廠商也越來越多了。
NO.6:看似吉祥物的巨型袋鼠
雖說展館門口被福特承包了,但是dish還是在Central Hall(中心樓)附近擺了一只超大的巨型袋鼠,因為主場館門口四周只有這一只大型“洋娃娃”,就像是CES2015的吉祥物一般。
NO.7:索尼啊 你發(fā)布會的地兒還是不夠大
索尼不僅展臺沒換地方,連發(fā)布會的地方也沒換,就是在展臺…看著排隊等發(fā)布會的人群,大索尼啊,你的展區(qū)這次還是沒有椅子吧。
NO.8:復(fù)仇者聯(lián)盟占領(lǐng)三星GALAXY展臺
Central Hall的三星GALAXY展臺大部分產(chǎn)品并沒有被拿出來,不過布展的主題是復(fù)仇者聯(lián)盟還是挺意外的,玩偶幾乎“占領(lǐng)”了這片區(qū)域。
NO.9:高通與英特爾 我們只是挨著
平板、手機(jī)、可穿戴等領(lǐng)域業(yè)務(wù)均有重疊的高通與英特爾,它們在CES2015設(shè)立的展臺變成了好鄰居,而參觀的人群也可以“更近”的對比兩家展出的產(chǎn)品,它們是好鄰居,更是好對手。
NO.10:每個館的料都不少
雖然逛很多區(qū)域時都遭遇被“黑衣人”攔截的窘境,但是也會站在門口“瞄一眼”,各展館的料都不少,大家可千萬不要錯過。
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。