
移动市场研究公司Mixpanel的数据显示,发布不到1天时间,苹果iOS 8操作系统的普及率就超过14%。
Mixpanel称,截至太平洋时间周四上午6时,iOS 8普及率为14.22%。在iOS 8正式版发布时的太平洋时间周三上午10时,iOS 8的普及率为0.53%,其中可能包括面向开发者发布的β测试版本。
发布不到24小时普及率超过14%是一个了不起的成绩,但与1年前的iOS 7操作系统相比仍然逊色不少。2013年9月18日,发布不到1天的iOS 7普及率达到约15%,24小时后iOS 7普及率达到38%。
iOS 7和iOS 8普及率之间的差异并不让人感到意外。苹果对iOS 7的宣传力度要大得多,其中包括经过大幅修改的用户界面,新的系统控制和通知功能,iTunes Radio和其他改进。
Mixpanel的数据还显示,截至周四早上,iOS 7普及率仍然高达81%,遥遥领先于其他版本的iOS,iOS 7、8之外其他版本iOS的普及率加在一起略超过4%。
Mixpanel发言人表示,“我们的数据来自使用我们客户的应用的用户,都是匿名的。我们收集数千款应用的数据,这意味着数千万甚至数亿名使用不同型号iOS设备的用户。”
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。