
继微软宣布其Skype网络电话支持亚马逊Fire Phone后,紧接着,微软又为之开放了其OneNote笔记本应用支持。
微软高管表示,OneNote对亚马逊Fire Phone的支持将于7月24日登陆亚马逊Android应用商店。不过,这并不是一版专为亚马逊Fire Phone进行了优化的OneNote笔记本应用,而是一个现有的Android版OneNote电子记事本应用,目前可从亚马逊Android应用商店获得。
虽然Android版OneNote应用主要为手机开发及优化,而非Android平板电脑,但它也可以安装在Android平板电脑上。这意味着可从亚马逊Android应用商店获得的这个Android版OneNote应用也可以安装在亚马逊Kindle Fire平板电脑上。(图片正是OneNote应用在Kindle Fire HDX上运行时的状态)。
微软仍在继续为Android平板电脑打造一系列的触控优先型的Office应用套件。据悉,这套应用将在今年年底前公布。它很可能可免费获得,只是需要订阅Office 365服务才可开启其各种功能——与iPad版Office应用套件异曲同工。
对微软而言,为所有顶级移动设备提供生产力软件和服务是其当前优先考虑的事情,而这也很可能是微软很快为亚马逊的这些移动设备提供Skype和OneNote支持的一个关键原因。此外,亚马逊Android应用商店中现有的Evernote印象笔记软件或许也是促使OneNote团队为亚马逊移动设备发布其应用的原因之一。
微软在2012年首次为Android智能手机发布了其OneNote应用。Android手机版OneNote应用也可从谷歌Play商店中下载。
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。