
CNET科技资讯网 5月5日 北京消息(文/梁议元):乐视智能终端事业群副总裁赵一成今日宣布:乐视商城将启用新域名"月正式发售。
我们所处的移动互联网时代,公平、共享这些理念是根本,而互联网所提倡的资源共享,同样也是乐视生态所追求的终极目标。乐视智能终端事业群副总裁赵一成提到,"乐视的移动生态系统不是传统的手机制造商,而是一个移动公司,而它的终极目标是给更多用户提供大量服务的同时,最终实现资源共享,这是乐视一直在做的。"未来不仅会承载超级电视、超级手机、超级汽车等智能终端,最核心的还是要完成乐视生态、产品、服务等所有环节线上与线下的打通,为用户提供一系列的相关服务。"
乐视智能终端事业群副总裁赵一成
据悉,乐视所打造的全球首个生态电商平台,基于“平台理念打通企业与用户的边界,开创基于产业链垂直整合的“人人电商”模式。
乐意互联智能科技公司总裁彭钢提到,传统的思维方式是除了在性能上做得更好以外,就是在上游技术层面的堆砌和商业模式上面的探索。在智能手机领域,过去乐视的定位是中国智能硬件第一电商平台,然而随着技术的发展,比如乐视的手机,仅做行业里最好的硬件是不够的。
乐意互联智能科技公司总裁彭钢
如果换个角度,寻求产品差异化竞争的空间,完全可以从商业模式的变化着眼。他借用"与其不好,不如不同"来诠释乐视生态所面临的机会。乐视生态在基于乐视商城平台的基础上,将通过硬件创新与商业模式间寻求耦合,也就是在产品上打造创意型的产品和服务,商业模式上保持差异化和突破性,从而借助差异化的突破性商业模式,从而为用户提供有趣、亲密、高品质的互联网生活体验。
而相比于目前所有硬件厂商所比较的出货量等数据,乐视的目标并不仅是让用户为产品的硬件而付费,而是在未来乐视生态的创新,将着眼于用户的真正需求,而这也就意味着未来乐视的服务,将使用户可以只为了使用产品税而付费,而不用为了产品以外的其他费用而买单。
本次发布会上,乐视体育副总裁金航首次披露了乐视体育的垂直电商体系布局。主要围绕四大业务版块(体育赛事授权产品及衍生品、智能化产品、游戏彩票等在内的增值业务)并通过乐视商城为用户提供产品和服务。他用体验实时赛场、征战第二赛场、所见即所得、智能运动家(分别对应线下的体育票务及线上的观赛券等产品、体育游戏、体育彩票竞猜等虚拟产品、观赛同时可购买俱乐部授权的正版产品、包括超级自行车在内的智能硬件产品)四句话概括了乐视体育所涵盖的产品及类型。
乐视体育副总裁金航
相比传统电商的体育产品售卖模式,乐视体育所打造的垂直电商体系,可在三方面实现体育与互联网的深度融合。一、内容与产品结合。乐视体育将与众多顶级俱乐部达成视频内容与授权纪念品的深度合作,缩短球迷与俱乐部的时空差距,满足球迷在收看赛事的同时,一站式购买正版官方纪念品;二、用户深度参与。后已成为互联网主流人群,而新生代球迷并不满足于观看比赛,他们更愿意以某种方式参与其中。所以乐视体育实行实物与虚拟商品并重的策略,这样用户可以在“体验实时赛场”和“征战第二赛场”之间即时切换,实现自我需求;三、大数据支撑。乐视体育背后有大数据系统的支撑。如乐视体育会在直播赛事中精准推荐参赛球队的纪念品,或者根据用户的浏览轨迹进行产品精准推荐。而乐视体育推出的智能硬件产品,也将会为用户打造基于大数据分析的定制化软件服务等。
此外,继今年月将正式发售。
5元以换带修、买电视送手机乐码、现金券、生态折扣等活动回馈广大乐迷。
据悉,生态电商节第一波“攻势”将于日,具体活动细节乐视方面尚未公布。
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。