
在美国拉斯维加斯的CES 2015大会上,华硕召开了新品发布会,该公司董事长施崇棠推出两类新产品:混合式Windows PC和拍照型智能手机。
Transformer Book Chi系列均为笔记本+平板二合一可拆式Windows设备,拥有传统的翻盖笔记本电脑外观,同时可分离成平板电脑。鉴于该设备的处理器、RAM、显示屏及其他部件均组装在其屏幕后部,Transformer Book Chi笔记本电脑完全可以用作一台独立的Windows平板。
尽管Transformer Book系列产品本身已不再新奇,但Chi系列设备是全新的。Transformer Book Chi系列设备分三种尺寸:8.9、10.1和12.5英寸。不同于之前的Transformer Book系列的塑料外形,Chi系列设备采用全铝合金外观设计,部分产品搭载最新的英特尔Core M处理器。
Core M处理器主要为高端笔记本电脑、平板电脑和混合式设备而设计,节能高效,而Chi系列产品采用无风扇设计,轻薄且安静。
其中华硕Transformer Book Chi T300采用12.5英寸显示屏,屏幕分辨率分为1920×1080和2560×1440两种,均搭载英特尔Core M处理器,在美起售价分别为699美元和799美元,远远低于众所周知的联想Yoga 3 Pro,后者起售价为1199美元。施崇棠称之为他的“终极梦想机”,并将其12.5英寸版的Chi T300与MacBook Air进行了厚度对比。
华硕Transformer Book Chi T100配置10.1英寸显示屏,搭载英特尔低端Atom处理器,屏幕分辨率为1900×1200,在美起售价为399美元。
华硕Transformer Book Chi T90则配置一块8.9英寸的显示屏,作为该系列产品中最小的一款,其外观更接近于一台平板,不过还外带了一个可接键盘的小翻盖。其屏幕分辨率为1280×800,同样搭载英特尔Atom处理器,在美起售价为299美元。这三款产品均将于今年二月份上市,但尚未公布其国际价格及供货情况。
此外,为在二合一设备领域脱颖而出,该系列产品还支持蓝牙连接使用键盘。
除此之外,华硕还发布了一款全新旗舰智能手机ZenFone 2,以及一款主打拍照功能的ZenFone Zoom智能手机。
ZenFone 2搭载四核64位的英特尔Atom Z3580处理器,采用4GB运行内存。外观上仍选用金属质感同心圆设计,机身纤薄,仅3.9毫米厚,音量控制键移至手机后方,方便手指控制。ZenFone 2采用5.5英寸IPS显示屏,材质为大三代大猩猩玻璃(Gorilla Glass 3),提供全高清分辨率,主摄像头配备f/2.0大光圈镜头,1300万像素。
ZenFone 2运行谷歌Android 5.0 Lollipop系统,同时植入华硕ZenUI操作界面,其间包含新的手势控件(如滑动“e”型图标即可打开用户的电子邮件),以及大量自定义选项。
华硕ZenFone 2将于3月份在美国上市,售价为199美元。
除此之外,另一款ZenFone Zoom也是摄影师们的不二选择。这款智能手机配有一颗1300万像素的摄像头,并具备3倍光学变焦功能,以及光学防抖和快速激光自动对焦功能,可拍摄距离镜头最近五厘米的物体,华硕称之为世界上最薄的手机。
对高级用户而言,华硕为该手机配备了手动模式,允许所谓的“专业级”用户手动控制设置相机的ISO感光度、白平衡、快门速度及其他功能。这款手机将于今年第二季度在美国上市,售价为399美元。尚未公布其国际价格及供货情况。
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。