据索尼手机部门欧洲区掌门皮埃尔·佩龙(Pierre Perron)称,该公司至少愿意考虑推Windows Phone智能手机。
佩龙在接受科技博客网站TechRadar采访时说,索尼不愿意只依赖一款移动操作系统。目前索尼销售Android手机。佩龙在谈到Windows Phone时说,“我们在继续与包括微软在内的其他合作伙伴洽谈。”
佩龙向TechRadar表示,“对于我们来说,在PC领域与微软合作是一个有趣的议题,我们将继续与它们合作。我们在探索与微软在移动领域合作的可能性,其中一种可能是使用Windows Phone平台。”
索尼移动通信CEO铃木国正(Kunimasa Suzuki)则表示,该公司没有推Windows Phone手机的计划。佩龙没有披露索尼推Windows Phone手机的具体时间表,并表示与微软的洽谈是试探性的。
去年末有传言称索尼会推Windows Phone手机。The Information网站援引知情人士的话报道称,索尼一直在与微软洽谈2014年中推一款Windows Phone手机的事宜。The Information还报道称,为了吸引其他手机厂商使用Windows Phone,微软已经下调了授权费。
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。