
北京时间1月22日凌晨1点,微软召开了Windows 10操作系统发布会。会上发布了名为“Windows 10 January Preview”的Windows 10一月预览版,重新确立了该款操作系统在微软未来发展中的关键作用。下面就一起来看看一月预览版有哪些新的改变吧。
整体设计依旧“回归”
此次发布的Windows 10一月预览版整体设计依旧延续了去年发布的Windows 10技术预览版的设计风格,重置了windows 8的设计,恢复了原有的开始菜单设置,并增加了虚拟桌面功能。但在细节方面的设计,再次进行了调整。
去年Windows 10技术预览版的开始菜单
全新的开始菜单增添了更加丰富的功能,整体使用体验回归到Windows 7,而磁贴界面在技术预览版原有的基础上,开始支持纵向滚动,并可利用开始按钮呼出全部应用的菜单。此外,一月预览版还可根据用户的需求,选择开始菜单的全屏化显示。
发布会上展示的Windows 10一月预览版开始菜单
除开始菜单的再次调整外,任务栏的功能整合,也是此次一月预览版的一大特点。在一月预览版中,任务栏已经不仅仅是实现单一的功能,而是整合了所有用户有可能用到的常用设置及功能,从发布会的演示来看,用户体验较为方便。
Windows 10一月预览版的任务栏
PC、平板、手机及Xbox One多平台支持
如去年发布技术预览版时相同,此次发布会上进一步宣布了Windows 10将完全支持PC、平板、手机及Xbox One多个平台。让用户实现更好的信息、设置、交互的立体式互联体验。让不同的办公设备间建立起无缝衔接,使得整体办公流程变得更加简单。用户可根据需求把日程安排、个人文件、联系人等信息进行跨设备的同步,使跨设备的切换使用体验更加流畅。
IE未走远 Spartan已来到
Windows 10一月预览版除整体系统的多平台支持外,在软件方面也进行了调整。首先,就是在Windows系统上服役多年的IE浏览器尽管没有完全退役,但新的接班人——代号为Spartan的浏览器已经与大家见面了。
Spartan浏览器是一款更适合Windows 10使用的浏览器,在会场的演示中可以看到,该款浏览器的界面更加简洁,可支持用户在网页上直接进行批注,并可通过侧边栏轻松的把批注过的内容进行分享。另外新加入的截图功能也提供给用户较为方便的使用体验。
除新浏览器外,例如Office办公软件这样原本独立的软件也在此次更新中进行了深度的融合。可提供更方便的跨平台分享使用。并且对移动设备上的版本进行了大幅优化,使得在移动端的使用体验与PC上基本相同,并可提供内容的无缝衔接,用户可轻松的实现随时随地跨平台的完成同一个任务。
新增Cortana(小娜)语音助手
集合Cortana语音助手后的搜索栏
相比去年的技术预览版,此次的一月预览版加入了Cortana(小娜)语音助手。新加入的Cortana位于原版本搜索栏的上方,用户可轻松找到它。从现场演示来看,PC上运行的Cortana语音助手有着较为不错的用户体验,可提供查询天气、收发邮件、在线搜索等功能,并可成功支持较口语化的用户表达方式,语音识别度极高。
去年Windows 10技术预览版的搜索栏
下周可进行免费升级
据悉,Windows 10一月预览版将在下周面向订阅用户推送升级,而手机端的推送预计在2月份将会进行。而微软也首次表示,正式版发布后的一年时间内Windows 7、Windows 8.1及Windows Phone 8.1的用户均可进行升级,并且可免费使用一年。并且升级至Windows 10之后,只要在设备支持的生命周期内,微软都会提供免费更新与支持,即便是免费升级一年之后也不会收取额外的费用。
好文章,需要你的鼓励
Adobe研究院与UCLA合作开发的Sparse-LaViDa技术通过创新的"稀疏表示"方法,成功将AI图像生成速度提升一倍。该技术巧妙地让AI只处理必要的图像区域,使用特殊"寄存器令牌"管理其余部分,在文本到图像生成、图像编辑和数学推理等任务中实现显著加速,同时完全保持了输出质量。
香港科技大学团队开发出A4-Agent智能系统,无需训练即可让AI理解物品的可操作性。该系统通过"想象-思考-定位"三步法模仿人类认知过程,在多个测试中超越了需要专门训练的传统方法。这项技术为智能机器人发展提供了新思路,使其能够像人类一样举一反三地处理未见过的新物品和任务。
韩国KAIST开发的Vector Prism系统通过多视角观察和统计推理,解决了AI无法理解SVG图形语义结构的难题。该系统能将用户的自然语言描述自动转换为精美的矢量动画,生成的动画文件比传统视频小54倍,在多项评估中超越顶级竞争对手,为数字创意产业带来重大突破。
华为诺亚方舟实验室提出VersatileFFN创新架构,通过模仿人类双重思维模式,设计了宽度和深度两条并行通道,在不增加参数的情况下显著提升大语言模型性能。该方法将单一神经网络分割为虚拟专家并支持循环计算,实现了参数重用和自适应计算分配,为解决AI模型内存成本高、部署难的问题提供了全新思路。