
贝尔金(Belkin)今年将增加4款智能感应器。这四款产品预计在年底之前上市,价格目前尚未公布。它们仍然需要WeMo Link智能插座的配合。
第一款新品是一个无线运动感应器,与目前贝尔金有线运动感应器的设计初衷一样,且能给予用户更大的使用空间。贝尔金声称,WeMo Room Motion Sensor的感应距离有30英寸,90度范围均可以接受,利用红外线感应器,它还可以区分宠物与人。
下一款产品是一个报警感应器,可以用于烟雾与盗贼报警。一旦感应到烟雾或窃贼,WeMo Alarm Sensor感应器可以发送信息或自动进行响应。
另外一款产品WeMo Keychain Sensor钥匙链感应器,可以附着在钥匙,放入小孩的书包内或宠物的项圈当中,用户的家庭网络便能侦测到相关物体的位置。
最后一个产品叫WeMo Door and Window Sensor门窗感应器,它可以感知门窗,柜子,保险箱或任何附着于上物体的开合情况。
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。