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 网友自制空气盒子微视 捉凶本领获赞“空气警察”

网友自制空气盒子微视 捉凶本领获赞“空气警察”

2014-04-11 23:02
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2014-04-11 23:02 CNET科技资讯网

随着近年来空气污染程度加剧,空气污染指数大有超过温度指数,成为人们日常最为关注数值的趋势。而墨迹天气、空气质量指数等手机APP软件的出现,也使其更为贴近生活。相比之下,对人体健康影响更密切的室内空气质量却没有如此待遇,其质量好坏仍然只能凭人们自行判断。

近日,网友@咕叽叽上传的一组实测空气质量视频,在微博平台一石激起千层浪,引起大规模转发。说到该视频的引人之处,便是各类室内空气污染源被一一曝光。片中实测空气质量的主角更是被网友盛赞为“空气警察”。截至目前,#空气警察#话题讨论量已超过30万。

记者在视频中看到,实测室内空气污染的情况可谓触目惊心,一个亮着绿灯的小黑球被拿到窗口,绿灯数秒后变红。而该灯光正是表示PM2.5是否超标的提示灯。在随后的视频中,吸烟、炒菜等日常琐事均亮起红灯。指甲油,新鞋则让另一个标示VOC的指示灯亮起了警示的红色。据了解,这是指甲油和新鞋中所含的苯散发到空气中,造成空气苯超标。这一情况被黑色小球灵敏地捕捉到,并发出提示。

网友自制空气盒子微视 捉凶本领获赞“空气警察”

“这个小黑球太灵敏了吧,原来以为测空气污染只能请专业公司呢,没想到这一个小球就能测得这么全面,精准。这‘空气警察’看来绝非浪得虚名啊!”网友@魏晓家评论到。据悉,这个对空气质量极其敏感的小黑球就是海尔已经上市销售的空气盒子。除检测空气质量外,它最大特点就是可以通过对码控制大多数市售空调,然后通过手机APP连接盒子进而达到智能控制空调的目的;同时,空气盒子也能通过自行检测空气质量自行启动净化器、加湿器等产品。

网友自制空气盒子微视 捉凶本领获赞“空气警察”
网友自制空气盒子微视 捉凶本领获赞“空气警察”

作为海尔“U+智慧生活操作系统”的重要组成部分,空气盒子弥补了室内空气质量检测数值在日常生活中的缺失,更以智能化、便捷化的方式,通过手机APP提供了智能净化空气的解决方案。据悉,在3月21日凌晨零点,首批限量500个空气盒子预售,短短1小时26分钟便已售罄,有力证明了其在该领域存在着巨大的市场需求。

而据海尔内部消息透露,为了满足第一批未抢上空气盒子的网友的需求,第二轮的预售也将于近期启动,不过具体时间还未最终敲定。

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 奖励设计:让AI学会智能使用工具的关键
    2025-04-23 17:39

    奖励设计:让AI学会智能使用工具的关键

    想象一下,你有一个非常聪明的朋友,他知道很多知识,但每当需要使用计算器、搜索引擎或查询最新天气时,却变得像个笨手笨脚的孩子。这正是当前大语言模型(简称LLMs,如ChatGPT这类AI系统)面临的尴尬处境。

  • ToolRL:奖励设计是工具学习所需的全部
    2025-04-23 17:34

    ToolRL:奖励设计是工具学习所需的全部

    想象一下,你拥有一个聪明的助手,它知道很多知识,但在面对需要使用计算器、搜索引擎或查询最新信息时却显得笨手笨脚。这正是当前大语言模型(LLMs)面临的困境。虽然这些模型已经通过监督微调(SFT)学会了使用工具的基本能力,但它们常常在面对复杂或不熟悉的场景时表现不佳。

  • X-Teaming:使用自适应多智能体进行多轮越狱攻击和防御
    2025-04-23 14:08

    X-Teaming:使用自适应多智能体进行多轮越狱攻击和防御

    想象你正在和一个智能助手聊天。如果你直接要求它提供有害信息,它很可能会礼貌拒绝。但如果你通过一系列看似无害的对话,逐步引导它走向你的真实目标呢?这就是当前AI安全领域面临的一个严峻挑战——多轮对话中的安全漏洞。

  • "思考操纵":用外部思考让大型推理模型更高效
    2025-04-22 16:43

    "思考操纵":用外部思考让大型推理模型更高效

    想象你在使用一个非常聪明的AI助手完成一项复杂任务,比如解决一道数学难题。你可能注意到这个助手会花很长时间"思考",一步一步写下大量推理过程,最后才给出答案。虽然这种详细的思考过程确实帮助AI做出了更准确的判断,但同时也带来了一个明显的问题:它太"啰嗦"了,消耗了大量的计算资源和时间。

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