
华尔街日报报道说,新一代谷歌眼镜将于明年上市,有可能采用英特尔处理器,电池续航时间更长。
除了价格高昂,旧版谷歌眼镜的续航时间比较短,通常只能使用一天时间。虽然进行了一定的升级改良,电池续航性仍然是一个短板。
目前还不清楚谷歌将使用哪种处理器,华尔街日报举出了两种可能的型号:基于ARM的一种处理器以及英特尔x86芯片,Quark,前者的续航时间可以达到2天。
英特尔希望借助谷歌眼镜的机会进入企业市场,许多人认为,即使谷歌眼镜在个人消费市场失败了,它也有潜力进入企业市场。
同时,采用英特尔芯片也可以加强谷歌自身的“工作眼镜”(Glass at Work)项目计划,有一系列的合作伙伴为谷歌眼镜开发医疗,物流,制造与体育行业的应用。
过去20年,尽管英特尔称霸PC和服务器市场,但它并未在智能手机和平板电脑市场占据多少优势,英特尔希望加强这方面的进攻力度。
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。