微软今年依旧没有参加CES展会,而刚刚被收购的诺基亚也缺席了本届的CES,不过诺基亚并没有放弃这次宣传的机会。
诺基亚在拉斯维加斯著名的大型购物中心Fashion Show Mall旁搭建了一个临时的展台,这个地理位置非常好,还与Treasure Island、Palazzo、Wynn赌场相邻,人群相对密集,展出的产品有Lumia1020及Lumia1520等产品。
而且据外媒报道,诺基亚为了吸引来往群众,展台工作人员向过往路人免费赠送Lumia手机,不过因为我去的时间较早,展台还没有工作人员出现,所以并没有看到诺基亚赠送手机这一热闹场面。
诺基亚此举可谓一举两得,不仅可借助来往人群做宣传,还成功的吸引了各国媒体的注意,算盘打的够响。
[video]uu=dfa091e731&vu=73970a0f0e&auto_play=0&width=600&height=450[/video]
好文章,需要你的鼓励
新加坡国立大学研究团队开发了SPIRAL框架,通过让AI与自己对弈零和游戏来提升推理能力。实验显示,仅训练AI玩简单扑克游戏就能让其数学推理能力提升8.6%,通用推理提升8.4%,且无需任何数学题目作为训练材料。研究发现游戏中的三种推理模式能成功转移到数学解题中,为AI训练提供了新思路。
同济大学团队开发的GIGA-ToF技术通过融合多帧图像的"图结构"信息,创新性地解决了3D相机噪声问题。该技术利用图像间的不变几何关系,结合深度学习和数学优化方法,在合成数据集上实现37.9%的精度提升,并在真实设备上展现出色泛化能力,为机器人、AR和自动驾驶等领域提供更可靠的3D视觉解决方案。
伊利诺伊大学研究团队通过对比实验发现,经过强化学习训练的视觉语言模型虽然表现出"顿悟时刻"现象,但这些自我纠错行为并不能实际提升推理准确率。研究揭示了AI模型存在"生成-验证差距",即生成答案的能力强于验证答案质量的能力,且模型在自我验证时无法有效利用视觉信息,为AI多模态推理发展提供了重要启示。
MIT等顶尖机构联合提出SparseLoRA技术,通过动态稀疏性实现大语言模型训练加速1.6倍,计算成本降低2.2倍。该方法使用SVD稀疏性估计器智能选择重要计算部分,在保持模型性能的同时显著提升训练效率,已在多个任务上验证有效性。