“他是我的伙伴!”,不知道多少海賊迷曾為路飛這句斬釘截鐵的話,流淚慟哭,熱血沸騰。而在聯(lián)想NBD舉辦的“大神面對面”見面會上,一聲“伙伴”,同樣燃起了大神們內(nèi)心澎湃已久的激情。
近日,聯(lián)想NBD內(nèi)部邀請眾多newifi大神級開發(fā)者以及newifi用戶共聚聯(lián)想,與newifi的主創(chuàng)團隊開啟了一場科技界的“華山論劍”。一些伙伴們提出問題:大神負責(zé)開發(fā)插件,但有些小白用戶其實特別需要一些使用教程,希望有人能教小白用戶玩路由器。
對此,眾大神紛紛表示,甘愿為伙伴當二神,架起插件大神與普通用戶之間的橋梁,大神負責(zé)開發(fā)插件,而二神則負責(zé)編寫使用教程,讓大神開發(fā)的新功能,小白用戶也能用。這正是聯(lián)想NBD本次活動中強調(diào)的“伙伴精神”。
圖:大神暢談走下神壇計劃
“聯(lián)想NBD,大神面對面”活動開場,聯(lián)想NBD總經(jīng)理白欲立親切的稱活動參加者為伙伴,與粉絲的死忠不平等無關(guān),也與朋友的情感支持無關(guān),伙伴是相互尊重、相互認可并有著共同擔(dān)當?shù)姆Q謂。
聯(lián)想NBD與大神們的擔(dān)當是什么?聯(lián)想NBD社區(qū)負責(zé)人胡浩認為,伙伴的情感紐帶對大神們來說是尊重,不分等級、尊重他們提出的每一個問題,這樣才能給用戶最好的體驗。所以,聯(lián)想NBD與大神們共同的擔(dān)當就是追求極致用戶體驗,而此次大神走下神壇,未來將付出更多,甘愿為newifi小白用戶當“二神”,將更多的產(chǎn)品功能奉獻給用戶。
伙伴是雙方共同的擔(dān)當,在大神甘愿走下神壇、接地氣時,聯(lián)想newifi主創(chuàng)團隊表示,將公開源代碼,構(gòu)建新路由開放生態(tài)環(huán)境,為實現(xiàn)更多更好的產(chǎn)品功能搭建平臺。newifi論壇大神級開發(fā)者Dragon就指出,此前,因為受限于平臺,所以插件功能的開發(fā)只能以繞圈和非直接的方式實現(xiàn),很多功能的開發(fā)跟不上用戶需求,而新路由全新平臺出現(xiàn),則提供了很好的方式,未來根據(jù)用戶需求,UI、固件將會在最短時間內(nèi)得以更新。
依托平臺,在尊重的基礎(chǔ)上,一起與創(chuàng)造產(chǎn)品的伙伴們相互切磋,共同鉆研,只有在這樣良性激勵機制下,優(yōu)秀的產(chǎn)品才會涌現(xiàn)。聯(lián)想NBD無疑為同行業(yè)的其他品牌樹立了一個良好的榜樣,尋得了一條產(chǎn)品發(fā)展的長久之計。未來,產(chǎn)品不再是生產(chǎn)商開發(fā)制造,用戶被動接受的局面。就像聯(lián)想NBD,團隊抓主線,開發(fā)主打極致賣點,大神負責(zé)開發(fā)插件,將企業(yè)、大神捆綁在一起,共同支撐用戶無限需求。
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。