
当地时间周三,亚马逊在公司总部西雅图,正式对外发布了传闻已久的智能手机产品——Fire Phone。
亚马逊Fire Phone配备了4.7英寸高清720p显示屏,2.2GHz四核Snapdragon处理器,2GB RAM,后置摄像头像素达到1300万,同时配置了用于视频通话的前置摄像头。此外,亚马逊Fire Phone引入了一项名为“动态视角”3D显示独特技术,有望成为该产品的一大卖点。
亚马逊Fire Phone“动态视角”3D显示技术,使手机桌面和锁屏画面能根据用户的观看角度进行实时调节。这一功能更多的借助了手机的重力感应和摄像头识别技术,通过安装在手机正面4个顶角的4个专业前置摄像头,并结合中心摄像头,可随时追踪用户头部动作、并发现用户的眼睛,这一过程称为“立体视觉”,从而向用户提供最好的视觉效果。
亚马逊称,包括红外发光二极管在内的“动态视角”3D显示设备基于低功率发送,因此能够确保用户在绝对黑暗处使用。在任何状态下,至少有两个摄像头处于共同工作状态,大大方便了用户进行自动网页浏览和单手操作。用户在玩游戏时,也可以通过倾斜设备,以获得新的视角。
亚马逊Fire Phone智能机7月25日上市销售,暂仅面向AT&T用户开放订购,32GB版本售价199美元,6432GB版本售价299美元。
此外,亚马逊还面向打算利用“动态视角”功能开发新应用的开发人员,发布了一款软件开发工具包。
好文章,需要你的鼓励
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。
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。
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。