
苹果今天在全球开发者大会上公布了HealthKit平台,使用户能跟踪与健康有关的信息。HealthKit是健康信息的“中心”,包含一款名为Health的应用。Health支持第三方健康设备。
苹果软件技术副总裁克莱格·费德里希(Craig Federighi)表示,许多医疗机构已经成为苹果合作伙伴,其中梅约医院已经在其系统中整合了HealthKit,帮助患者检查血压等指标。Health能自动判断患者血压是否在正常范围内,并通知医院患者是否需要做进一步的检查。
鉴于苹果尚未推出可穿戴设备,Health支持第三方设备并不让人感到意外。Health还揭示了未来苹果可穿戴设备的“模样”。
健康已经成为科技产业的热门话题。数家公司已经推出了以健康为中心的产品,例如三星Gear Fit和Jawbone Up24,还有大量公司在开发血糖仪和其他类似产品。其他公司则认为收集用户数据,预测他们何时会患病并提供有针对性的治疗方案是一个巨大的商机。
苹果的老对手三星已经在利用移动设备大举进军健康领域。Galaxy S5智能手机和Gear Fit整合有心率检测仪和健康应用。上周三星公布了开发新型传感器和云计算平台,收集健康数据的计划。
迄今为止,苹果在健康和健身市场还没有什么动作。苹果与耐克联合开发了一款健身应用,但尚未独立发布可穿戴或健康应用。苹果去年秋季曾表示,M7协处理器将催生新一代的健康和健身应用,但目前只有少数几款应用利用了M7芯片,其中包括Nike+ Move、DayOne、Runtastic和Strava Run。
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。