
全球最大游戏展会E3于美国时间6月18日在洛杉矶落幕,微软、索尼、EA、任天堂等知名游戏厂商均在展会上亮相并展示了多款新游戏。CNET应景采访了五位骨灰级游戏玩家,让他们谈谈对电子游戏有什么样的期待,以及当下正在升温的娱乐化智慧客厅概念,他们对此提出了各种不一样的需求。
骨灰玩家一
昵称:不知道
年龄:34
收入水平:年入50万
游戏年龄:27年
今年E3展上传递出的这么多讯息中,你对哪个消息最为关注?
看到的消息有几块,PS4增加播放器功能,XBOX ONE支持XBOX 360游戏了,任天堂没太关注,感觉快不行了。我本身有点期待的是任天堂出3DS的下一代机种,就是XDS,但是最终也没有。
你认为娱乐化的智慧客厅应该是怎样的?例如提供哪些设备或体验?
智慧客厅,首先音响要按照娱乐来做,有多声道环绕至少7.1;视频需求是投影、大型液晶电视,这两个可以同时存在;从数据集中角度,至少需要一个NAS来保存视频和游戏的数据;其他包括游戏机都需要接入网络,要有专门线路,要玩国外游戏的话,还需要特定的VPN。
你期待玩虚拟现实的游戏吗?
对虚拟现实感兴趣,我这样的人一定会买来试试,但真正的游戏效果可能不太好,想要适应这种游戏,需要游戏厂商试一段时间才能针对虚拟现实有一套游戏开发的体系,能让用户真正体验虚拟现实在游戏中的价值,但刚开始都是噱头,估计也做不好。
你想玩什么品牌的游戏机?
我想玩比较好的手持游戏机,品牌没那么在意,更多跟他发展的游戏和游戏风格有关。
你最想在游戏机上玩的是什么游戏?
我是接近30年的游戏玩家,很怀旧,对于现在3D游戏没那么多兴趣,我就想玩传统2D的,无论是射击、还是RPG都OK,我觉得专业玩家很多人都很怀念传统2D游戏,只是很多厂商都不做了。
今年你最关心的游戏是什么?
期待NBA2K16。

骨灰玩家二
游戏年龄:23年
今年E3展上传递出的这么多讯息中,你对哪个消息最为关注?
关注E3微软和索尼的产品变化。
你认为娱乐化的智慧客厅应该是怎样的?例如提供哪些设备或体验?
智慧客厅可能是以游戏机为终端的娱乐化系统。
你期待玩虚拟现实的游戏吗?
不玩虚拟产品。
你想玩什么品牌的游戏机?
想玩PS4
你最想在游戏机上玩的是什么游戏?
最想玩的是gta6
骨灰玩家三
昵称:阿狸
年龄:25
收入水平:3000-4000/月
游戏年龄:20年
今年E3展上传递出的这么多讯息中,你对哪个消息最为关注?
微软XBOX ONE向下兼容Xbox360的游戏。
你认为娱乐化的智慧客厅应该是怎样的?例如提供哪些设备或体验?
一个更加智能化的系统,加上功能不同的传感器,提升我休闲娱乐时的品质。
你期待玩虚拟现实的游戏吗?
一般,因为觉得带很多设备在身上很麻烦。
你想玩什么品牌的游戏机?
目前是PS4吧,因为很喜欢上面的一款独占游戏。
你最想在游戏机上玩的是什么游戏?
目前是《如龙0》
骨灰玩家四
昵称:LikeX
年龄:25
收入水平:3000-5000/月
游戏年龄:17
今年E3展上传递出的这么多讯息中,你对哪个消息最为关注?
《植物大战僵尸花园战争2》发布确认。
你认为娱乐化的智慧客厅应该是怎样的?例如提供哪些设备或体验?
应该具备:明暗灯光、智能空调、体感电视、家庭影院。
你期待玩虚拟现实的游戏吗?
很期待。
你想玩什么品牌的游戏机?
微软、索尼、任天堂。
你最想在游戏机上玩的是什么游戏?
体感类各种游戏 但需要良好的体感环境。
今年你最关心的游戏是什么?
《植物大战僵尸 花园战争2》
骨灰玩家五
昵称:只要向前走
年龄:26
收入水平:4000元/月
游戏年龄:8年
今年E3展上传递出的这么多讯息中,你对哪个消息最为关注?
《古墓丽影:崛起》的发布。
你认为娱乐化的智慧客厅应该是怎样的?例如提供哪些设备或体验?
投影,各类游戏的体感仪器。
你期待玩虚拟现实的游戏吗?
期待。
你想玩什么品牌的游戏机?
PS4
你最想在游戏机上玩的是什么游戏?
神秘海域,女神异闻录。
今年你最关心的游戏是什么?
神秘海域,女神异闻录。
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。