今天,中国 Android手机娱乐搜索平台豌豆荚与 Android 原生图库应用Android Gallery开发商 Cooliris 合作,在中国推出 Cooliris Android 版应用。
Android Gallery在美国拥有超过 4000 万用户。而其另一款相片库应用 Cooliris 此前在 iOS 平台已大获成功,连接超过40亿张照片和20个社群平台,包括新浪微博,腾讯微博,百度云和人人网等。今天起,Android 用户也能够收集、整理、协作、并有选择地共享所有分散在各个社交网络和云服务上的照片,Cooliris Android 版现已提供简体中文和日文版本。
随着 Cooliris Android 版的发布,Android用户可以在一个平台上连接其所有照片来源。通过Cooliris 3D墙功能,用户可以通过原生的 Android 操作界面选择性地分享并浏览特定相片。
凭借最新版本, Android 和 iOS 两个平台的用户都可以在自己的设备上使用。
目前,豌豆荚在中国已有超过3.5亿安装量,此前曾帮助Evernote、Flipboard、Path、Pocket等应用成功进入中国市场。
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。