
虽然一台平板电脑正面的触摸屏能够让用户完成众多不同的任务,但其设备的背面通常却并未发挥多大作用。
图:位于iPad背面的传感器概念图
苹果或许想要改变这一点,希望在其iPad平板电脑背部表面添加传感器和控制器来赋予该平板更多功能。在美国专利和商标局于当地时间本周二批准的苹果专利中提到了这个理念,考虑以线型或网格型方式将传感器放置在一台平板电脑背面。
这一理念将有助于一台平板增加更多新用途,如运行更为复杂的游戏等。目前,由于大多数移动设备均没有单独的实物控制器,很多移动游戏只涉及点击和滑动屏幕的操作方式。如果在平板电脑背面增加一套新的控制元件,那么用户的游戏体检将有可能接近于通过游戏控制手柄的操作体验。
此外,苹果目前正忙于应对iPad日渐疲软的销量,作为该公司第二大设备收入来源,为其iPad添加一项新功能(比如一项背部功能)很可能会有助于刺激人们对该产品的需求。
该专利中提到,这个传感器可能为超声波传感器、压力传感器或电容式传感器,此外根据不同的用途,用户双手的感知位置既可以在平板前面显示,也可以不显示。
这项专利中还提到了一种有助于用户不必向下看键盘即可盲打的方法,这暗示着用户显示屏上或将出现一个虚拟键盘,能方便用户看到他们正在输入的内容。
苹果并未立即回应记者的置评请求。
好文章,需要你的鼓励
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。
南洋理工大学与腾讯联合研究团队开发出Rolling Forcing技术,实现AI视频实时流式生成的重大突破。该技术通过滚动窗口联合去噪、注意力锚点机制和高效训练算法三项创新,解决了长视频生成中的错误累积问题,可在单GPU上以16fps速度生成多分钟高质量视频,延迟仅0.76秒,质量漂移指标从传统方法的1.66降至0.01,为交互式媒体和内容创作开辟新可能。
华中科技大学研究团队发现,通过让AI模型学习解决几何问题,能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集,使用强化学习方法训练多个AI模型。实验结果显示,几何训练在四个空间智能测试基准上都带来显著提升,其中最佳模型达到49.6%准确率,超越此前最好成绩。这项研究揭示了基础几何知识对培养AI空间智能的重要价值。