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 联想Yoga Tablet 10 HD+平板电脑 超长18小时续航

联想Yoga Tablet 10 HD+平板电脑 超长18小时续航

2014-04-28 09:03
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2014-04-28 09:03 CNET科技资讯网

在这个千篇一律的移动设备世界里,联想Yoga系列移动设备往往会略微有些打破常规,其最新推出的平板电脑便是它着手打破常规的一个很好的例子。

联想Yoga Tablet 10 HD+平板电脑 支持18小时续航

联想Yoga Tablet 10 HD+平板电脑原本可能只会是又一台普通的Android平板电脑,尤其是在你查看了它的众多规格之后:高通Snapdragon 400四核处理器、32GB的内置存储、Android 4.3 Jelly Bean系统(“很快”即将升级到KitKat版本)等等。不过联想Yoga Tablet 10 HD+平板电脑确实有一些与众不同之处,令其脱颖而出。

首先是这款平板电脑的显示屏。顾名思义,联想Yoga Tablet 10 HD+平板电脑配置一块全高清10.1英寸的屏幕,分辨率为1920×1080。但在这样一个世界里,同样尺寸的谷歌Nexus 10平板采用的是分辨率为2500×1600的显示屏,只是略微需要更高的价格。纵然联想Yoga Tablet 10 HD+要优于普通的分辨率为1280×800的显示屏(例如非高清版本的联想Yoga 10),然而就其本身而言这并非特例。

更为有趣的是联想Yoga Tablet 10 HD+平板电脑的底部,不同于大多数平板,这款设备的底部略微向外突出。这个设计算是一个锦囊妙计,让人觉得这款平板拿在手中的“感觉”确实与一台传统平板电脑不大相同。不过,这并没有使联想Yoga Tablet 10 HD+重量大增,它仅仅比Nexus 10重一点点。此外,在设备的圆柱形底座放置了一块拥有9000mAh超大容量的电池,联想声称这将使得联想Yoga Tablet 10 HD+平板电脑能够实现18小时续航,成为一大亮点。另外,这款新设备还内置了一个多模式支架,可以供用户自由调换平板倾斜角度。

联想Yoga Tablet 10 HD+已悄然推出,联想官网售价为369美元。

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。

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