
作为各种古怪的可穿戴设备的忠实粉丝,2015年国际消费电子展上最新发布的一款Melomind无线连接耳机立即吸引了我们的目光。
如图,它看起来就像一个头盔,其核心设备的四“脚”上均突出有电极。这些电极能够像标准的脑电图扫描器(EEG)那样测量佩戴者的脑电波,并将其大脑活动数据传输到相连应用中。而这款应用将在今年晚些时候发布,届时Android、iOS和Windows Phone三大操作系统皆可适用,接着它便可以通过应用中的这些数据来确定选用哪首特制音乐帮助用户放松。
当然,音乐播放时,用户需要将该耳机连接至其智能手机或平板电脑等智能设备,而当佩戴者坐在桌边进行冥想时,把智能设备放在桌上将是非常方便之举。
在这个拥挤的展会厅内,笔者有幸短暂地试戴了这款Melomind耳机,而在它佩戴在笔者头上的这几分钟内,其体验感觉相当舒适。耳机中的伴奏音乐也很令人放松,至少在某一个短暂的瞬间,它曾令笔者忘记了周身成千上万拥挤的人群。置身于CES大会狂热的气氛中,平和的心态总是倍受欢迎的。
此外,这款应用能够随着时间的变化显示出佩戴者大脑活动的走势,让佩戴者了解自己所达到的放松程度。笔者看到了Android版测试应用上的大脑活动走势图,该图表看起来相当平滑且通俗易懂。
预计到今年年底,Melomind将会在精选出来的美国和欧洲零售商店中出售,此外,如果有用户极其喜爱这款可穿戴设备,消费者还可以以299美元的价格(约195英镑)在Melomind网站上预订。
好文章,需要你的鼓励
RGPO用"临时脚手架"破解大模型强化学习的奖励稀疏难题:先让模型独立解题,失败则分段放出标准解法引导重写,仅采纳经验证更优的答案。难题测试准确率从0跃至99.5%,语言模型平均分高出最强基线5.0分。
论文提出用MoE模型的路由器输出作为跨语言对齐目标,通过持续预训练对翻译句对施加路由KL散度损失,在不改变分词和架构的前提下让隐藏表示更接近,并在四个开源MoE模型、七种语言上验证了下游任务性能的一致提升。
DiffGate提出难度门控的教师指导机制,让验证器决定何时需要教师介入,仅对失败且困难的轨迹提供有界教师指导,结合GRPO强化学习,在数学与代码任务上显著提升解题覆盖率与跨领域迁移能力。
研究者用固定不变的16位二进制编码替代传统可训练词嵌入表,在17亿参数规模模型上训练1000亿token,证明模型仍可获得实质语言能力,揭示输入表并非必需,但性能略逊于可学习方案。