2015年1月5日,在Wi-Fi® 設(shè)備銷量即將于2015年1月突破百億之際,Wi-Fi Alliance®推出新型工具,幫助消費(fèi)者輕松發(fā)現(xiàn)能夠提供出色Wi-Fi體驗的產(chǎn)品。Wi-Fi CERTIFIED™ 產(chǎn)品搜索工具(Product Finder) 幫助用戶輕松發(fā)現(xiàn)已通過嚴(yán)格測試且滿足可互操作性、安全與技術(shù)標(biāo)準(zhǔn)的產(chǎn)品,只有滿足這些標(biāo)準(zhǔn)的產(chǎn)品才有資格使用標(biāo)志性的Wi-Fi CERTIFIED標(biāo)識。用戶可以按設(shè)備類型搜索,也可使用高級的Wi-Fi功能搜索,如Passpoint™、Miracast®和Wi-Fi Direct®。
Wi-Fi CERTIFIED產(chǎn)品搜索工具的發(fā)布正值行業(yè)這一重要里程碑的出現(xiàn),Wi-Fi設(shè)備有望在未來五年以10%的年增長率持續(xù)增長。ABI Research的研究發(fā)現(xiàn),截至2014年底,全球共計售出99.8億部Wi-Fi設(shè)備,目前共有約45億部Wi-Fi產(chǎn)品正在使用當(dāng)中。該公司自行業(yè)剛起步時就開始統(tǒng)計Wi-Fi設(shè)備的出貨量 。
ABI Research公司研究總監(jiān)Phil Solis表示:“縱觀Wi-Fi發(fā)展歷程,我們觀察到Wi-Fi行業(yè)始終以驚人的速度增長,并且尚未出現(xiàn)任何放緩跡象。我們預(yù)計這一強(qiáng)勁增長勢頭仍將繼續(xù),因為多項Wi-Fi技術(shù)突破即將發(fā)布,并且Wi-Fi即將在多個新興領(lǐng)域(如汽車、智能家居和工業(yè)物聯(lián)網(wǎng))發(fā)揮重要作用。”
ABI Research公司預(yù)計,2014年共售出超過23億部Wi-Fi設(shè)備,其中手機(jī)、平板電腦和電子閱讀器占據(jù)總出貨量的64%。在2014年出貨的Wi-Fi設(shè)備中,46%的設(shè)備擁有Wi-Fi Direct特性,可實現(xiàn)設(shè)備和設(shè)備之間的連接。
Wi-Fi Alliance市場營銷副總裁Kelly Davis-Felner表示:“每天都有650萬部Wi-Fi設(shè)備出貨,產(chǎn)品搜索工具將幫助商務(wù)用戶和消費(fèi)者更輕松的發(fā)現(xiàn)所需要的產(chǎn)品。毫無疑問,Wi-Fi CERTIFIED標(biāo)識及其所代表的用戶體驗已經(jīng)成為保障Wi-Fi技術(shù)取得市場成功的重要基礎(chǔ),我們很高興能夠幫助消費(fèi)者更加便捷地找到出色的Wi-Fi CERTIFIED產(chǎn)品。”
Wi-Fi 行業(yè)的增長與Wi-Fi Alliance認(rèn)證項目的發(fā)展近乎同步。自2000年3月以來,已有23,000多種產(chǎn)品通過Wi-Fi認(rèn)證,汽車、智能家居和可穿戴設(shè)備等新產(chǎn)品類型也已開始出現(xiàn)在產(chǎn)品認(rèn)證項目中。今天的消費(fèi)者購買Wi-Fi產(chǎn)品時可從多種品牌中做出選擇,使新型產(chǎn)品搜索工具成為購買流程中必不可少的工具。
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。