8月10日,一加手机在线上正式发布氢OS全新版本氢OS 11。氢OS 11 采用极具包容性的设计,带来全新的AOD、智能图库、语音便签、多人禅定模式、全新暗色模式等功能,并新增了快速切换多个应用的闪回键和AOD状态下的屏下指纹盲解功能,让操作更加便捷。此外,氢OS 11 在快稳省的基础体验上再次突破,为用户带来轻快流畅的使用体验。一加 6 及之后的全部一加手机也将陆续适配氢OS 11。
全新的氢OS 11 给人带来耳目一新的设计,一加创意总监曾熙表示:氢OS 11的设计理念是用包容性的设计打破隔阂。在氢OS 11上,设计将回归本质,用最简单的元素进行创作,让不同种族、文化、背景的人都能够“一看就懂”,例如在常用的天气APP就采用了全新的排版方式,让界面上的信息层次分明、一目了然。手机壁纸也充分呼应了氢OS 11的设计理念,不仅好看还能通过实时渲染技术来呼应天色与时间的变化,早、中、晚三个时段将为用户带来完全不同的视觉感受。
氢OS 11 上增加了许多新功能,如AOD(Always On Display常亮显示)、智能图库和语音便签。AOD是一加用户呼声极高的一个功能,氢OS 11 的AOD不仅拥有息屏显示时间、天气、通知等信息的常规功能,还加入了一系列特殊的功能,一加称之为“年轮AOD”。开启年轮AOD的绘影主题功能,可以将照片转换成一张高精度线稿图并保持常亮,让别具深意的照片能够常伴左右。同时,年轮AOD能够体现出每个用户的独特性,将用户的数字生活展示在息屏界面上,它将用户使用手机的频率、时长组成的时光轴展示在息屏界面,提醒用户在数字生活中保持自律与健康,更好地利用手机而不是被手机所利用。
氢OS 11 的智能图库整合了图片编辑功能,并新增“一周回顾”功能,利用AI算法在每周末自动将视频的精彩片段剪辑在一起,配好音乐和滤镜,生成用户一周回忆的视频片段,让用户能够快速方便地回顾精彩时刻。便签中新增的语音记录功能,不仅可以快速准确地直接录下瞬时的灵感,还能够借助高识别率的 AI 语音转文字,在语音与文字中灵活切换,随时随地记下创意脑洞。
氢OS一直坚持与用户共创,氢OS 11上多个新功能也正是来自一加的全球用户,例如多人禅定模式和全新的暗色模式。多人禅定模式支持用户建立虚拟房间,邀请朋友共同完成多人禅定、打卡分享,多人禅定模式将支持多品牌智能手机,并不局限于一加手机用户,所有人可以一起放下手机、专注当下。全新的暗色模式经过130 多次尝试,找到了让视觉更舒适的黑色,并用不同深浅的黑色来展现内容信息的层级,暗色模式还支持快速开启和定时启用,让阅读体验更佳。不仅如此,氢OS11新的暗色模式还通过了 WCAG(Web内容无障碍指南)双 A 认证,为视障用户提供了更好的暗色模式体验。
在用户的心目中,氢OS 一直是快稳省的代名词,快稳省的体验也是一加一直以来的追求。氢OS 11 带来了一套全新的 ORM 内存管理系统,大幅度提升内存利用效率,在相同内存情况下同时运行更多应用,大幅降低误杀后台的概率。一加实测显示,一加 8 Pro(8 GB内存版)升级前的后台平均驻留 12.5 个常用应用,升级氢OS 11 后的后台平均驻留应用增加为 17.7 个,提升幅度达到了 41.6%。全新的 Turbo Booster 2.0 帧率优化技术则针对一加的高刷新率屏幕而来,让手机能够在游戏等场景下更好地保持住“满帧率”运行的状态。配合全新的智能后台冻结技术和skip doFrame技术,氢OS 11不仅轻快流畅,还更省电。
氢OS 11 将陆续适配一加 6 及之后的全部一加手机,还有沉浸式小横条、禅定模式白噪音、新增全新字体、升级版负一屏、系统层级的隐私加密等等功能也都将加入,用户可关注一加社区,体验全新氢OS 11 的魅力。
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。