
据微软表示,首款非“诺基亚”品牌Lumia设备即将推出,但这并不意味着诺基亚品牌将完全从手机市场上消失——入门级手机依旧使用“诺基亚”品牌。
今年四月,微软以72亿美元的价格收购了诺基亚的手机业务,这笔交易将把Lumia系列手机从诺基亚手机业务部门中剥离出来。这家芬兰公司(诺基亚)仍继续存在,只是不再进行任何关于手机制造的业务了。作为本次交易的一部分,微软还获得了暂时继续在其新手机上使用“诺基亚”这个名字,但该公司也正逐步调整,将其即将推出的最新款手机命名为Microsoft Lumia。如上图所示,新款Microsoft Lumia设备发布时将会是这个样子。
微软手机市场营销高级副总裁tuula rytilä在一篇博文中写道:“我们期待着马上揭开Microsoft Lumia设备的面纱。”她表示品牌名称的变化是一个“自然发展”的过程,并否认此举会令当前的诺基亚Lumia手机过时。
然而,此举确实会令人感觉诺基亚Lumia手机已过时。对微软而言,为促进其Windows Phone平台的进一步发展,做出这一步重大改变具有很强的商业意识,毕竟Windows Phone平台目前还未能真正与其智能手机竞争对手相匹敌,如苹果iPhone和谷歌Android系统。但这已是微软第二次有效地剥离旧款手机设备了——Windows Phone 8推出时,其应用已不再兼容现有设备,便已意味着对Windows Phone 7设备的淘汰。未来某一天,待下一代Windows Phone与Windows 10结合在一起时,微软或将故技重施。
与此同时,微软已经获得诺基亚的授权,还将继续销售入门级手机如诺基亚130等众所周知的诺基亚品牌。这些低端功能机对微软而言非常重要,该公司还指望借此从印度和中国等发展中国家市场中获取利润。
对微软来说,制造手机在短期内尚未表现出有利可图:在微软最新的财务业绩报告中,虽然其销售方面表现不错,但收购诺基亚导致的重组成本还是拖累了该公司的盈利。
虽然诺基亚在美国及其他地区从未获得过如此强大的力量,但在欧洲和世界上其他地区,诺基亚这个手机品牌有着悠久的历史。然而,仅在短短几年前,三星基本上永远地摘下了曾属于诺基亚的“全球最大手机制造商”的桂冠。在CNET的伦敦办公室,我们不禁对诺基亚手机的逐渐消失感到哀伤,对我们许多人来说,诺基亚手机是我们的第一部电话,如今我们依旧对诺基亚3210等曾经的手机强者有着深深的依恋。
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。