CNET科技資訊網(wǎng) 1月21日 國(guó)際報(bào)道:蘋果iPhone手機(jī)出現(xiàn)新漏洞,iPhone 6S用戶的手機(jī)可能會(huì)顯示出比例不正確的電池電量,該問題已被蘋果證實(shí)存在Bug。
蘋果公司表示,可能是系統(tǒng)阻止了iPhone 6S和6S Plus上的電池電量顯示圖標(biāo)準(zhǔn)確更新,他們正在就該問題進(jìn)行調(diào)查。而這一問題導(dǎo)致部分用戶誤以為其手機(jī)電量還剩余很多。
去年九月,iPhone 6S和6S Plus發(fā)布后不久便有消息稱,這兩款新機(jī)的不同版本將有著不同的電池壽命,因?yàn)樗鼈儍?nèi)部安裝了兩個(gè)不同的芯片。蘋果公司承認(rèn)其電池電量之間可能存在偏差,但也表示它們的電池續(xù)航時(shí)間差異僅在2%和3%之間。
最新出現(xiàn)的這一電池電量顯示問題可能只是表面上的一種誤導(dǎo),但最終并不會(huì)影響用戶每充一次電可以使用的總體電池電量。
此外,這一問題似乎與iPhone設(shè)備上的時(shí)鐘密切相關(guān),特別是那些近期跨時(shí)區(qū)出行或是手動(dòng)調(diào)整其手機(jī)時(shí)間的用戶,他們更容易受到該漏洞的影響。
Reddit用戶Sonnyspak表示:“我的手機(jī)也出現(xiàn)了這種情況,但估計(jì)這是由于我自己更改了系統(tǒng)時(shí)間,導(dǎo)致我的手機(jī)電池電量百分比被凍結(jié)了。不過,自從我不再更改系統(tǒng)時(shí)間/日期后,這一情況便不再發(fā)生了。”
蘋果表示,該公司“已經(jīng)意識(shí)到了這個(gè)漏洞的存在,正在著手調(diào)查原因、尋找解決方案。”與此同時(shí),蘋果建議受到這一問題影響的用戶重啟其手機(jī),然后打開設(shè)置>一般>日期&時(shí)間,并確保“系統(tǒng)自動(dòng)設(shè)置”處于開啟狀態(tài)。
具體有多少用戶受到了這一漏洞的影響,目前仍不清楚。通常情況下,蘋果將通過下一次iOS軟件的更新推出修復(fù)這些漏洞的補(bǔ)丁,不過,該公司尚未透露iOS系統(tǒng)下一次更新的具體時(shí)間。
蘋果公司并未就此進(jìn)一步予以置評(píng)。
好文章,需要你的鼓勵(lì)
新加坡國(guó)立大學(xué)研究團(tuán)隊(duì)開發(fā)了SPIRAL框架,通過讓AI與自己對(duì)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(jiǎn)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(wú)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(duì)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(dòng)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(duì)通過對(duì)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(yǔ)言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)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(shí)無(wú)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(dòng)態(tài)稀疏性實(shí)現(xiàn)大語(yǔ)言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。