技術(shù)大神與小白用戶之間如何實(shí)現(xiàn)無縫對接?那些高級的程序編譯語言如何能讓更多的人了解?如何才能舉伙伴之力研發(fā)更豐富的產(chǎn)品功能?近日,在聯(lián)想NBD舉辦的“大神面對面”活動現(xiàn)場,眾位技術(shù)大神、伙伴們與聯(lián)想newifi主創(chuàng)團(tuán)隊集思廣益,有望聯(lián)手破解上述問題,集開發(fā)者、愛好者、用戶于一體,打造國內(nèi)首個完整的路由器生態(tài)鏈。
圖:三位大神接受伙伴們諫言
在“大神面對面”拍磚會環(huán)節(jié),各大神們紛紛獻(xiàn)計獻(xiàn)策,與newifi三位主創(chuàng)團(tuán)隊共同構(gòu)建新路由未來發(fā)展前景。針對現(xiàn)場不少大神提出的產(chǎn)品插件功能開發(fā)的問題,諦聽科技CEO李程表示,官方產(chǎn)品團(tuán)隊會將重點(diǎn)放在官方插件上,未來將進(jìn)一步開放源代碼,讓大神們能夠充分發(fā)揮,做出更好的插件;同時,以物質(zhì)獎勵的形式,鼓勵NBD伙伴們開發(fā)更多更好的插件,形成產(chǎn)業(yè)生態(tài)鏈。
當(dāng)企業(yè)與開發(fā)者形成無縫對接后,如何集用戶、愛好者與開發(fā)者、企業(yè)于一體?在“大神面對面”環(huán)節(jié)中,一位大神就提到了這個問題,“目前在NBD社區(qū)中,有幾位大神擔(dān)負(fù)著開發(fā)新插件功能的重任,但是在社區(qū)里更多的是路由器的小白用戶,大神們辛苦開發(fā)的成果無法在第一時間得到他們的反饋”,于是“NBD學(xué)院”一詞誕生。
按照現(xiàn)場大神的提議,將大神與愛好者組織起來,建立“NBD學(xué)院”,大神負(fù)責(zé)開發(fā)插件,而部分懂HTML語言但還達(dá)不到設(shè)計插件水平的愛好者專職編寫教程,通過視頻和文字的形式,將新開發(fā)的插件功能傳授給小白用戶。
現(xiàn)場,插件大神Dragon對“NBD學(xué)院”的想法表示了認(rèn)可。他提到:“其實(shí)在newifi團(tuán)隊內(nèi)部,對將NBD學(xué)院化的概念也有過討論,希望能在社區(qū)里建成一種梯隊的模式,這種模式可以很大程度地解決技術(shù)達(dá)人和小白使用者之間存在的溝壑,減少產(chǎn)品在傳播過程中的真空,形成完整的生態(tài)鏈。”
“NBD學(xué)院”這一全新的概念不僅僅對于聯(lián)想,對于整個互聯(lián)網(wǎng)行業(yè)而言都是一種新穎的模式,如果聯(lián)想能夠?qū)⑵渥優(yōu)楝F(xiàn)實(shí),既是對NBD伙伴精神的一種強(qiáng)化,更填補(bǔ)了業(yè)界空白,真正實(shí)現(xiàn)路由器領(lǐng)域里的生態(tài)鏈完整化。
以往任何一款互聯(lián)網(wǎng)新產(chǎn)品在問世之后,不完整的行業(yè)生態(tài)鏈導(dǎo)致很多功能都無法得到小白用戶的認(rèn)可,后續(xù)的功能開發(fā)遠(yuǎn)遠(yuǎn)跟不上用戶的需求。而大神們提出路由器生態(tài)鏈的解決方案,通過搭建集企業(yè)、開發(fā)者、產(chǎn)品愛好者、用戶于一體的平臺,能很好的解決這一問題。
雖然聯(lián)想NBD并未透露何時會完成這條生態(tài)鏈,但已經(jīng)與大神們在構(gòu)建新路由生態(tài)鏈的問題上達(dá)成了一致,并且有了初步的想法,未來依靠NBD過硬的產(chǎn)品品質(zhì)以及聯(lián)想NBD伙伴精神,路由生態(tài)鏈不會只是一個概念,何時實(shí)現(xiàn),只是時間問題而已。
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(shí)驗(yàn)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(shí)現(xiàn)37.9%的精度提升,并在真實(shí)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(shí)驗(yàn)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(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)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(shí)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(yàn)證有效性。