微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 乐视网TV版荣获驱动中国“2013年IT风云榜年度评选卓越奖”

乐视网TV版荣获驱动中国“2013年IT风云榜年度评选卓越奖”

2014-01-09 18:41
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2014-01-09 18:41 CNET科技资讯网

近日,由驱动中国网举办的“2013年度IT风云榜年度评选”落下帷幕,活动盘点了2013年硬件、软件及互联网三大领域中的佼佼者,评选出“年度卓越奖”、“年度优秀奖”及“年度编辑推荐奖”。其中,乐视网TV版凭借海量内容优势和极致用户体验,荣获智能家电应用领域的“2013年IT风云榜年度评选卓越奖”。

据悉,驱动中国“2013年度IT风云榜年度评选”共分为手机、平板电脑、笔记本电脑、硬件产品、智能家电、智能家电应用、软件、移动APP、互联网九大类,经过业内人士的精心考核和遴选,最终共诞生了30个奖项。目前,该评选已经成功举办5届,在行业内具有较强的权威性和公信力。

2013年,随着互联网大战向客厅的转移,大屏应用也日渐走入人们的生活。改变了人们观看习惯的大屏视频app,最吸引用户的首先是比传统电视更丰富的内容。乐视网作为最早拥有盒子和电视硬件的视频网站,早在2012年就开始储备电视大屏的独家版权资源。目前,乐视网TV版拥有电影、电视剧、动漫、体育、音乐等不同类别的丰富视频资源,满足了不同类型用户的多样需求。

新兴的大屏互联网,比其它终端更考验产品的用户体验。乐视网TV版十分注重用户体验,里面没有翻来覆去的电视广告刷屏,让用户一看到底。而1080P+杜比+3D的高科技观影效果,更是满足了用户的更高观影需求。目前,乐视网TV版在以每周一个版本的速度更新迭代,不断完善用户体验。

据悉,乐视网TV版除已在乐视TV•超级电视、乐视盒子等乐视自身设备上使用外,还已在海信、创维、TCL等电视上进行了预装和上线,目前已成为智能电视第一装机应用。

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。

  • 香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。

  • 中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。

  • 字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-