昨日,2014北京马拉松圆满落幕。联想集团再度聚集由高管、员工、合作伙伴和媒体同仁等人士组成的450人 “联想乐疯跑团”方阵,在联想集团董事长兼CEO杨元庆带领下,踏上北马赛道,挥洒联想三十年“逆生长”的青春活力。本届赛事中,联想以科技装备赋能马拉松,全新可穿戴设备“乐手环”首度亮相,与联想“乐疯跑”APP以及联想智能手机科技产品一起,让跑步更科学、时尚。
联想集团董事长兼CEO杨元庆带领联想“乐疯跑团”踏上北马赛道
联想集团副总裁 T模式事业部总经理王峰表示,“联想乐手环是联想对可穿戴设备的一次探索。联想希望以智能可穿戴设备,助力未来“以人为本”的智能科技生活形态。乐手环的诞生,将引领消费者形成更加科学、健康的生活方式。我们期待将它打造为消费者运动和生活中不可或缺的智能管理专家。“
影视明星任泉(图上)、百合网副总裁慕岩(图下)在北京马拉松比赛中佩戴乐手环
智能的运动健康管理专家
随着生活节奏加快,人们对自身健康和生活的管理需求越来越高。很多人希望通过跑步来获得减脂健身的效果,却很少知道如何健康科学地进行。联想乐手环通过与APP进行绑定,对用户的运动、睡眠等多角度进行监测管理。它支持运动距离、步数、所消耗卡路里等数据的记录,睡眠状况的记录,并可通过蓝牙4.0与智能设备互联,实现来电及短信提醒等功能。值得一提的是,乐手环可以监测使用者运动过程中的心率。用户设置自己心率的上下限后,乐手环会通过振动提醒,帮助用户将心率控制在设定范围之内,以实现最佳运动效果,并且根据身体状态合理分配体力,避免身体“过载“。正如此次参加马拉松的著名时尚编辑徐蕰云所说:”跑马拉松时,心率监测功能非常实用。长途奔跑过程中,联想乐手环可以实时监测我在运动中的心率情况,不用担心强度过高给身体压力。“
联想乐手环橙色版
联想乐手环蓝色版
体贴的生活管理专家
作为首款联想自主研发的可穿戴设备,联想在研发乐手环时,除了让它具备智能手环产品的基本卓越性能以外,还为它附加了诸多独有功能,力求突破,带给用户更人性化的使用体验。比如,定制化的提醒功能,让用户可以根据自己的习惯“私人订制”专属健康生活轨迹。喝水、站立等琐碎事情,乐手环都会贴心提醒。工作再忙,亚健康也休想有机可乘!
安全的数字化管理专家
针对上班族群,联想乐手环除了支持手机(Android/IOS)的连接,还独有支持Windows系统连接功能。通过设置乐手环与PC的连接距离,可实现对电脑登入和登出的自动化操作。当用户远离或进入电脑安全距离范围,通过操作乐手环,即可实现电脑的锁定和解锁。带来快捷便利的同时,也有效保障了电脑内的数据安全。外观设计方面,乐手环延续联想的设计风格,具有蓝色和橙色两种选择,时尚舒适的设计让你“戴不释手”,隐藏式屏幕为用户提高美观度的同时使产品更省电,七天充电一次即可!
在此次马拉松赛事上,联想专门为跑者们打造的科技装备“乐疯跑”APP,将科技与运动完美结合。用户不仅可以通过这款应用精准记录运动路线,实时监测运动速度,计算消耗的热量,还能实时分享运动成就和快乐,将跑步变为社交生活的分享内容。
虽然此次在北马上亮相的乐手环还处于公测阶段,但凭借联想强大硬件实力为产品注入的品质保障及时尚舒适的设计风格,。乐手环已经十足吸睛,备受众人瞩目!
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。