苹果宣布在中国开展新的可再生能源以及环境保护项目,其中包括一项与世界自然基金会长期合作多年的计划,此项目将改善中国负责管理森林将近百万英亩的森林,这些森林是纤维纸浆、纸张和木材的重要来源。
此外,苹果公司在中国还有很多环境相关的项目,包括三个星期前,在中国四川建立了第一个太阳能发电项目,这个项目产生的能源远远高于苹果中国地区所有消耗。
与乐山电力股份有限公司、四川发展(控股)有限责任公司、天津津联投资控股有限公司、天津中环半导体股份有限公司和美国SunPower公司合作,建设了两个20兆瓦的太阳能农场。该项目每年将生产8000万千瓦时的清洁能源,足以提供大致相当于6.1万个中国家庭的用电量。
苹果公司CEO库克表示“我们通过让数据中心,零售店和办公设施使用清洁能源树立榜样,并且已经准备好去引领大家在生产制造中实现碳排放的减少。这不可能一蹴而就,实际上需要多年的努力,但这是一件必须要做的重要工作,而苹果愿意主动带头来实现这一远大的目标。这是我们的责任。我们很高兴能够和那些愿意走在中国绿化转型的前沿的供应链中的领导者一起努力。”
好文章,需要你的鼓励
新加坡国立大学研究团队开发了SPIRAL框架,通过让AI与自己对弈零和游戏来提升推理能力。实验显示,仅训练AI玩简单扑克游戏就能让其数学推理能力提升8.6%,通用推理提升8.4%,且无需任何数学题目作为训练材料。研究发现游戏中的三种推理模式能成功转移到数学解题中,为AI训练提供了新思路。
同济大学团队开发的GIGA-ToF技术通过融合多帧图像的"图结构"信息,创新性地解决了3D相机噪声问题。该技术利用图像间的不变几何关系,结合深度学习和数学优化方法,在合成数据集上实现37.9%的精度提升,并在真实设备上展现出色泛化能力,为机器人、AR和自动驾驶等领域提供更可靠的3D视觉解决方案。
伊利诺伊大学研究团队通过对比实验发现,经过强化学习训练的视觉语言模型虽然表现出"顿悟时刻"现象,但这些自我纠错行为并不能实际提升推理准确率。研究揭示了AI模型存在"生成-验证差距",即生成答案的能力强于验证答案质量的能力,且模型在自我验证时无法有效利用视觉信息,为AI多模态推理发展提供了重要启示。
MIT等顶尖机构联合提出SparseLoRA技术,通过动态稀疏性实现大语言模型训练加速1.6倍,计算成本降低2.2倍。该方法使用SVD稀疏性估计器智能选择重要计算部分,在保持模型性能的同时显著提升训练效率,已在多个任务上验证有效性。