
“冰桶挑战”现如今在全球范围内掀起热潮,接受冰桶挑战的也已经不限于人类了,三星Galaxy S5手机前段时间就自愿参加了冰桶挑战,并且还将接力棒抛给了其他厂商,诺基亚Lumia 930当即被点名。
作为诺基亚在被微软收购前的最后一款自主设计的手机,Lumia 930并没有在上市之初进行过多防水宣传,但是结果却对冰水的侵蚀毫无畏惧。Lumia 930在接受冰水浇下后依然能工作,并顺利通过了挑战。
图片来源:Techrum.vn
除了防水表现带来的惊喜意外,诺基亚930最大的亮点来自于外观部分的调整,一改之前诺基亚Lumia手机圆润的风格,整体造型非常方正硬朗,再加上金属边框的元素,既在质感上有了提升,并且依然保持了诺基亚非常受人喜爱的多彩机身。
Lumia 930还搭载了一块5英寸1080P屏幕,运行Windows Phone 8.1操作系统,CPU采用的是Qualcomm 骁龙 800四核处理器,主频为2.2GHz,2GB+32GB内存组合,2000万像素后置摄像头,纯景PureView。另外专业拍摄、Office以及MixRadio等Lumia主流应用也搭载在WP8.1系统当中。
目前该机在国内正式上市,售价3599元,定价上颇为亲民,喜欢WP8.1系统的用户值得关注。
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。