
我们又失去了一个推迟锻炼身体的借口:Fitbit健身追踪应用即将登陆Windows Phone 8.1设备。
这款健身追踪应用近乎就是其iOS版和Android版本的化身:用户只需通过蓝牙将其智能手机与Fitbit设备相连,如Flex或One,那么设备将自动同步用户数据。然后,用户即可利用这款应用监控其健身目标的进度,如检查用户已走步数和燃烧的卡路里数,或是记录用户一天内的饮食和饮水量。
此外,用户还可以调整已经设置好的个人目标(或创建新的个人目标),向使用Fitbit应用的好友发送消息,查看成就徽章和排行榜,从而令用户拥有健身动力。
对Windows Phone用户来说,一切都在好转——仅在过去几周内,Adobe Photoshop Express和随需应变的Uber打车服务均作为本地应用华丽亮相Windows Phone平台。尽管这未必标志着Windows Phone平台已不再缺乏应用,但这确实能为一些对Windows Phone感兴趣的用户带来些许希望——他们期待的应用或许还有可能登陆这个平台。
今天晚些时候,用户即可Windows Phone商店中为其Windows Phone 8.1设备添加这款健康追踪应用。该应用免费且其英文版全球可用,其他语言的版本将在今年晚些时候推出。
好文章,需要你的鼓励
清华大学等多家机构研究团队完成了语音分离技术的全面调研,系统梳理了从传统方法到深度学习的技术演进。研究揭示了"鸡尾酒会问题"的核心挑战,分析了各种学习范式和网络架构的优劣,并通过统一实验框架提供了公平的性能基准。调研涵盖了实时处理、轻量化设计、多模态融合等关键技术方向,为学术界和产业界的技术选型提供了重要参考,推动语音分离从实验室走向实际应用。
浙江大学和腾讯微信视觉团队发现AI图片生成训练中"时机胜过强度"的重要规律,开发出TempFlow-GRPO新方法。通过轨迹分支技术精确评估中间步骤,结合噪声感知权重调整优化不同阶段的学习强度,将训练效率提升三倍,在复杂场景理解方面准确率从63%提升至97%,为AI训练方法论带来重要突破。
谷歌DeepMind发布突破性AI规划技术,让机器人学会像人类一样进行"情境学习"规划。该技术通过Transformer架构实现了快速适应新问题的能力,在迷宫导航、机器人控制等测试中表现优异,为自动驾驶、智能制造、医疗等领域应用奠定基础,标志着向通用人工智能迈出重要一步。
新南威尔士大学研究团队开发了ZARA系统,这是首个零样本运动识别框架,能够在未经专门训练的情况下识别全新的人类活动。该系统集成了自动构建的知识库、多传感器检索机制和分层智能体推理,不仅实现了比现有最强基线高2.53倍的识别准确率,还提供清晰的自然语言解释,为可穿戴设备和健康监护等应用领域带来了突破性进展。