北京時間5月4日早間消息,除游戲之外的Android應(yīng)用通常使用Java語言來開發(fā),而谷歌內(nèi)部的一個團隊正在探索全新的應(yīng)用開發(fā)方式。他們利用了谷歌自主的網(wǎng)頁開發(fā)語言Dart來開發(fā)Android應(yīng)用。這幫助他們專注于速度,并可以與網(wǎng)頁進行深度整合。
Dart由Chrome V8引擎的團隊成員發(fā)明。該團隊近期舉行了Dart開發(fā)者峰會,展示了在Android項目中使用的Dart。在Android項目中使用的Dart并未被稱作“Android版Dart”,而是有了一個新名字“Sky”。目前,Sky只是一次開源的嘗試。但相對于傳統(tǒng)的Android應(yīng)用開發(fā)方式,Sky有著多方面優(yōu)勢。
Sky的最主要目的包括提高運行速度和響應(yīng)速度。在大部分設(shè)備上,應(yīng)用流暢的標(biāo)準(zhǔn)都是實現(xiàn)60FPS的幀率。不過,Dart團隊希望實現(xiàn)高達120FPS的幀率。目前在Android平臺上,許多應(yīng)用連標(biāo)準(zhǔn)的60FPS幀率都難以達到,更不用說120FPS。60FPS的幀率要求每16毫秒繪制一幀,當(dāng)畫面繪制速度達不到這一水平時,應(yīng)用就會出現(xiàn)卡頓。
Dart團隊展示了一款演示應(yīng)用,每幀的繪制速度僅為1.2毫秒。盡管這只是一次簡單的展示,但這意味著,對于開發(fā)流暢而復(fù)雜的應(yīng)用來說,Sky有著很大的空間,這也使120FPS的幀率成為了可能。該團隊表示,Sky的應(yīng)用程序接口(API)不會影響界面的主線程,這意味著即使應(yīng)用運行速度變慢,用戶界面仍將保持流暢的響應(yīng)速度。
Sky并不依賴于平臺,其代碼可以運行在Android、iOS,以及任何集成了Dart虛擬機的平臺上。這類應(yīng)用的運行類似于網(wǎng)站。應(yīng)用的很大一部分基于HTTP,這意味著開發(fā)者可以進行持續(xù)的開發(fā),并確保所有用戶一直使用最新版本。這款演示應(yīng)用的弱點在于無法離線運行,而啟動應(yīng)用則需要1到2秒鐘時間,因為應(yīng)用需要下載數(shù)據(jù)。不過,這兩方面的問題可以通過緩存機制來解決。
基于HTTP的模式使開發(fā)變得很簡單。開發(fā)者不必編輯代碼、編譯并打包,這些代碼可以在HTTP服務(wù)器上編輯。而用戶只需關(guān)閉并重新打開應(yīng)用,即可完成應(yīng)用的“升級”。這就像是一款網(wǎng)頁瀏覽器。Android開發(fā)者可以使用Sky Framework,這提供了一整套Material Design小工具,幫助開發(fā)者方便地增加操作欄、觸控效果、導(dǎo)航面板,以及Android應(yīng)用中所需的一切元素。
與普通應(yīng)用類似,Sky應(yīng)用可以獲得Android的全部權(quán)限和API,但結(jié)合來自網(wǎng)頁服務(wù)器的自動升級功能,這將帶來信息安全問題。不過目前,Sky僅僅只是一個試驗項目。在Sky成為一種主流的Android應(yīng)用解決方案之前,Sky團隊需要解決這些問題。該團隊的GitHub頁面顯示:“我們?nèi)栽趯ky進行頻繁地迭代,這意味著框架和底層引擎有可能以不兼容的方式出現(xiàn)改變。”
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(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。