
在本届CES上,我们看到了不少最新的高科技玩意儿。
Parrot也带来了旗下新品,不过这次不是玩具,而是两款智能的蓝牙设备——H2O和Pot,它们的共同点就是,都为植物提供了贴心的“按需浇水服务”。
Parrot Pot:这款产品的外形是一个花盆,身体可容纳两升水,其内置了传感器,能够测量土壤的肥沃程度、温度、水分,并在植物缺水的时候通知你。
Parrot H2O:这款相比Parrot Pot,体积更为小巧,可以插在任意花盆的土壤中进行工作,把H2O前半部分插入土壤之后,后半部分有一个可以安装水瓶的螺纹,其最大可以容纳两升水(与Parrot Pot相同),通过H2O设备上的软管可以最多提供连续3周的自动浇水。
据悉,在Parrot所提供的数据库中包含了超过8000种的植物,所以设备可以熟练掌握不同植物每次需要浇水的量,可以说Parrot H2O和Pot是你盆栽的贴身保姆。
好文章,需要你的鼓励
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。
南洋理工大学与腾讯联合研究团队开发出Rolling Forcing技术,实现AI视频实时流式生成的重大突破。该技术通过滚动窗口联合去噪、注意力锚点机制和高效训练算法三项创新,解决了长视频生成中的错误累积问题,可在单GPU上以16fps速度生成多分钟高质量视频,延迟仅0.76秒,质量漂移指标从传统方法的1.66降至0.01,为交互式媒体和内容创作开辟新可能。
华中科技大学研究团队发现,通过让AI模型学习解决几何问题,能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集,使用强化学习方法训练多个AI模型。实验结果显示,几何训练在四个空间智能测试基准上都带来显著提升,其中最佳模型达到49.6%准确率,超越此前最好成绩。这项研究揭示了基础几何知识对培养AI空间智能的重要价值。