隨著游戲本市場的不斷擴張和深入,用戶已經(jīng)不再局限于性能上的極速體驗,他們更多的開始追求彰顯自我個性與出彩的游戲本。作為國產(chǎn)PC的代表,神舟電腦便觀察到這一消費動向,于昨日舉行2015春季新品發(fā)布會,一連發(fā)布含戰(zhàn)神系列在內(nèi)的多款筆記本新品,并宣布與ZOL中關(guān)村在線聯(lián)手啟動戰(zhàn)神眾籌項目。
本次發(fā)布會,神舟電腦就以“我本好色”為主題,一口氣發(fā)布了戰(zhàn)神Z6-i78154S2/R2(GTX960M 2GDDR5獨顯機型)和戰(zhàn)神Z7-i78172D2/R2(GTX970M 3GDDR5獨顯機型),在一貫以黑色為主色調(diào)的戰(zhàn)神系列游戲本中添加了紅色元素,展示了古典的黑紅相間以及大氣的中國紅兩種外觀。
性能上,15.6吋全高清IPS屏、四核i7-4720HQ處理器、8GDDR3L內(nèi)存、以及1TB硬盤(Z6加裝128GSSD固態(tài)硬盤)等硬件配置,6499元的Z6S2/R2和7499元的戰(zhàn)神Z7D2/R2再次延續(xù)戰(zhàn)神的高性價比戰(zhàn)略核心。
除了戰(zhàn)神系列的發(fā)布,神舟電腦另一主打輕薄時尚的優(yōu)雅系列,同時融入多彩元素。此次推出的優(yōu)雅系列新品,包含了優(yōu)雅U5-i3/i5,分別擁有妖嬈艷紅/深邃雅黑/閃耀純金/璀璨華銀/清新明黃/動感蔚藍/活力新橙/雨打翠綠/誘惑魅粉等外觀。機身輕薄若翼,整機最厚處僅21mm,重量不足1.9kg。
配置上則采用英特爾酷睿I3-4005U/I5-5200U處理器,14英寸1080P全高清IPS屏,4G/8G內(nèi)存,并搭載128G/256G SSD硬盤,預(yù)裝Win8操作系統(tǒng),輕松辦公盡享娛樂,價格僅為2999/3999元,打造定位于商務(wù)人群、年輕白領(lǐng)的輕薄時尚筆記本電腦系列。
本次發(fā)布會上,神舟還與ZOL中關(guān)村在線聯(lián)手啟動神舟戰(zhàn)神眾籌項目。根據(jù)前期的命名調(diào)研,本次眾籌產(chǎn)品最終定義為消費者最喜愛的“戰(zhàn)神雷霆版”。
產(chǎn)品線從中低端的眾籌價僅為4999元的GTX950M獨顯本戰(zhàn)神K5,到中高端的眾籌價5999元的K6(GTX960M獨顯機型)和眾籌價7999元的K7(GTX970M獨顯機型),再到高端的眾籌價為10999元的GTX980M獨顯本戰(zhàn)神K8,都從用戶需求出發(fā),竭力打造最貼近消費者的眾籌產(chǎn)品。
未來神舟還將引入更為強悍的采用臺式機CPU的筆記本機型來作為眾籌產(chǎn)品,相信將給用戶帶來更超值移動應(yīng)用,并將賦予整個筆記本電腦產(chǎn)業(yè)全新的內(nèi)涵。
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。