如今,在中国的手机市场中,进口品牌的强势投入、国产品牌的速度崛起,已然厮杀成一片血海。而就在这时,“红衣教主”周鸿祎携全新手机品牌“奇酷”,也投入了这篇血海之中。
5月6日,360与酷派联合举行了发布会。会上发布了全新的手机品牌“奇酷”。周鸿祎在现场也为到场的新老朋友们详细介绍了“奇酷Qiku”新品牌“全民造机”的新理念。
“对不起,这次我来给手机圈添堵了。”
“Are you OK?”周鸿祎一出场便开始了幽默的调侃。这场发布会在老周的带领下,已然成为了新老朋友交流会。老周用诙谐、朴实的话语,调侃着、讲述着自己做手机的原因以及遇到的问题。
一开始,周鸿祎就明确表示,此次发布会不会有手机现身,尽管工程机已经出来了,周鸿祎对工程机也基本满意,但还是有需要继续调整、改进的地方,所以,希望用户们能够再耐心等上一段时间。
“对不起,这次我来给手机圈添堵了。”屏幕上打出这么一行有趣的话,老周自嘲自己是Trouble maker,而这次进入手机圈,力争不给手机圈添堵。
十条热门问题 表达老周对“做手机”的态度
在现场,筛选出了网友对周鸿祎“做手机”提出的十条最热门的问题,老周一一作了解答,从老周诙谐且朴实的调侃中,不难看出老周对“做手机”的态度。
屏幕上打出的第一个问题,便是关于“做手机”的原因。周鸿祎表示,如今年轻的手机用户大多都喜新厌旧,更换手机的频率很高,这样的市场情况给了“奇酷”机会,而自己也想尝试一下,想要做出一款不一样的手机来。
而在谈到对苹果的看法,老周表示,iPhone的做工十分精致,是他做手机的榜样。自己做手机,并不想着要超越苹果,而是要先向苹果学习。周鸿祎说道“我尊敬苹果,但世界上不能只有一个苹果。”
随后,又提到了“奇酷”手机的售价以及如何看待竞争对手的压力,周鸿祎表示,尽管目前不能透露手机的最终售价,但是,他保证这款手机售价不高,更风趣的回答道,刚毕业参加工作的朋友都可以一次买两台。
而对于竞争对手的压力,老周表示并不会过多考虑竞争对手的压力,因为用户才是老周所看重的,他表示,用户对手机的苛求,是他做手机的最大动力,也是最大的挑战。
360联姻酷派 诞下名为“奇酷”的互联网智能硬件公司
在活动现场,周鸿祎的三位重量级老友也来助阵,支持老周做一款好手机,他们分别是大家熟悉的潘石屹、任志强及王功权。而此次合作的另一主角,酷派集团董事长郭德英也表示,很高兴与360公司周鸿祎合作研制智能手机。周鸿祎也表示,新成立的名为“奇酷”的公司将会是一家互联网公司、一家创业公司,将来要发展成为互联网智能硬件公司。
全民造机 好奇心改变世界
在发布会上,周鸿祎还宣布成立一个“好奇者联盟”,邀请“程序猿、攻城狮、产品狗、设计猫”四类具有好奇心的人加入,共同打造一款中国最有诚意的手机。
周鸿祎认为“好奇心是做互联网的基础,没有好奇心,就不会做出有趣的产品。”老周还强调说,“成立‘好奇者联盟’,为的就是聚集一群共同拥有好奇心的人,打造一款中国最有诚意的手机。我们走到一起不是因为谁是谁的粉丝,而是因为共同的好奇心走到了一起。”
最后,周鸿祎还宣布了一个正在筹划中的计划,新成立的“奇酷”公司将会开启股权众筹的模式,让更多的用户来投资老周做手机,从而真正的实现“全民造机”的新理念。并且老周以个人名义为参与股权众筹的朋友们保本。
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。