在今天的CES2014现场,我们又看到了一家从事智能手机工作的厂商,名为RIBX,他们在CES上推出了两款智能手表产品,分别针对高端时尚市场和顶级户外市场,和现在市场上大量的主打健康、跑步这类相关的产品相比,RIBX的智能手表非常有特色,他们主推的是时间社交,在产品设计上也为这一理念做了优化,那么究竟是怎么回事儿呢?
先来看看RIBX推出的两款产品,首先是针对高端时尚市场的Ti-15,外形设计非常轻薄,重量55g,和普通的手表相当,相比于现在大量臃肿的智能手机表,Ti-15不论是男生女生都可以方便佩戴,对于西装党也毫无压力。同时Ti-15竟然还提供给了一个SIM卡槽,这样手表就不需要依赖手机上网,自己就能够连接网络,可能是考虑到通讯的数据量不大,Ti-15提供的是2G GSM支持。这款产品据我们了解到的信息,售价达到299美元。
再来看看更高端的,针对户外设计的FB,相比Ti-15来说,它更加庞大些,但同时也提供了各种防水、防摔的保障,可支持30米水深防水,同样它也提供了GSM的SIM卡槽。FB的售价高达699美元。
再来看看时间社交,不论是Ti-15还是FB都配置了Android 4.3操作系统,可以独立使用,里面都集成了一个RIBX Time的App,它可以实现一种非常有意思的时间社交功能。
所谓时间社交,就是利用RIBX上的GPS、GSM网络以及手表功能,在授权的情况下读取和分享手表用户所处的位置和时间信息,帮助我们找到在同一个时间干同一件事情或者在同一个地点的人,由于RIBX还有心跳记录功能,它还可以帮助我们找到在附近心跳相同的人,这样才会有心动的感觉。当然还有更多的应用模式可以挖掘,顿时感觉各种摇一摇、一起按弱爆了。
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。