隨著智能手機的不斷發(fā)展,手機的淘汰周期也越來越短。手機的硬件配置無法應對大量的移動辦公需求的周期縮短至大約2年左右。于是,企業(yè)員工為了可以更好的應對工作的需求,只能開始考慮購買新機來代替舊機,以便保證工作效率,智能手機也終于被迫成為更換頻率較高的耗材。
而換手機時,往往最令人抓狂的是把舊手機中海量的聯(lián)系人、照片、備忘錄等信息全部轉(zhuǎn)移至新手機中。這個過程如果采用傳統(tǒng)的手動輸入的方式,無疑會耗費大量的時間與精力,更是一個令人抓狂的過程。
近期,摩托羅拉推出的三款新機Moto G、Moto X以及Moto X Pro均出廠內(nèi)置了數(shù)據(jù)遷移的應用程序。通過該應用程序可輕松實現(xiàn)從舊機到新機信息的轉(zhuǎn)移,用戶不必再擔心更換新手機造成的聯(lián)系人、文檔、照片等重要辦公信息的丟失。
摩托羅拉遷移應用可廣泛安裝于安卓系統(tǒng)的手機,即使用戶使用的不是Moto品牌的安卓手機也可以輕松運行該程序,從而實現(xiàn)信息的遷移。其主要通過藍牙為媒介進行數(shù)據(jù)的遷移,理論上只要支持藍牙的手機,均可進行信息的遷移。但目前非安卓系統(tǒng)的手機上,還沒有摩托羅拉遷移應用,故非安卓手機僅可作為舊機,在更換新機時把數(shù)據(jù)轉(zhuǎn)移到新的安卓機上。
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(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,僅訓練AI玩簡單撲克游戲就能讓其數(shù)學推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學題目作為訓練材料。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)學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(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)合深度學習和數(shù)學優(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。
伊利諾伊大學研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學習訓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練效率,已在多個任務(wù)上驗證有效性。