针对当前沸沸扬扬的iPhone 6“弯曲门”事件,美国《消费者报告》日前对多款智能手机在展开耐压测试。测试结果显示,iPhone 6和iPhone 6 Plus并非想象中那样脆弱。
《消费者报告》对包括iPhone 6、iPhone 6 Plus、iPhone 5以及LG G3、三星Galaxy Note3、HTC One等多款手机进行了“三点弯曲测试”——两点支撑设备、再在第三个点上施加压力。
测试发现,深陷“弯曲门”的iPhone 6 Plus最大可以承受约90磅(约40千克)的压力而不弯曲,若要实现屏幕和机身分离,则需要施加110磅的压力。
显然,iPhone 6耐压程度不及iPhone 6 Plus:iPhone 6最大可以承受约70磅的压力而不弯曲,在施加超过100磅的压力后,该手机屏幕和机身出现分离。
出人意料的是,三星Galaxy Note 3成为此次耐压测试的一大亮点:其弯曲耐压和断裂耐压两项指标均为150磅。其次是苹果的iPhone 5,可以承受130磅的压力而不弯曲,并承受150磅的压力而不断裂。LG公司的G3产品两项指标均为130磅。而此次测试的HTC M8手机弯曲耐压和断裂耐压两项指标分别为70磅和90磅,在多款测试产品中垫底。
针对iPhone 6“弯曲门”事件,苹果官方称非人为因素的iPhone 6/6 Plus可以进行更换,前提是经过苹果工作人员的视觉检验,并称iPhone 6/6 Plus出现被压弯案例仅是“极少数”情况。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了SPIRAL框架,通过让AI与自己对弈零和游戏来提升推理能力。实验显示,仅训练AI玩简单扑克游戏就能让其数学推理能力提升8.6%,通用推理提升8.4%,且无需任何数学题目作为训练材料。研究发现游戏中的三种推理模式能成功转移到数学解题中,为AI训练提供了新思路。
同济大学团队开发的GIGA-ToF技术通过融合多帧图像的"图结构"信息,创新性地解决了3D相机噪声问题。该技术利用图像间的不变几何关系,结合深度学习和数学优化方法,在合成数据集上实现37.9%的精度提升,并在真实设备上展现出色泛化能力,为机器人、AR和自动驾驶等领域提供更可靠的3D视觉解决方案。
伊利诺伊大学研究团队通过对比实验发现,经过强化学习训练的视觉语言模型虽然表现出"顿悟时刻"现象,但这些自我纠错行为并不能实际提升推理准确率。研究揭示了AI模型存在"生成-验证差距",即生成答案的能力强于验证答案质量的能力,且模型在自我验证时无法有效利用视觉信息,为AI多模态推理发展提供了重要启示。
MIT等顶尖机构联合提出SparseLoRA技术,通过动态稀疏性实现大语言模型训练加速1.6倍,计算成本降低2.2倍。该方法使用SVD稀疏性估计器智能选择重要计算部分,在保持模型性能的同时显著提升训练效率,已在多个任务上验证有效性。