5月20日消息,苹果公司正式对Apple Watch系统进行跟新,据了解目前新系统版本为Watch OS 1.0.1,此次主要是针对性能做了优化,并增添了多种语言支持。
这是苹果公司首次为Apple Watch发布软件系统更新,更新包大小是51.6MB,用户必须通过iPhone上的Apple Watch应用才可更新,并且手表要在iPhone连接范围内,至少有50%的剩余电量或连接充电器。
本次更新方面包括:
Siri
站立活动的测量
室内单车与划船训练的卡路里计算
户外步行与跑步训练的距离与配速
辅助功能
第三方应用改进
除此之外,这次更新还加入了iOS 8.3和OS X 10.10.3中的300多个全新emoji表情及更多语言支持,包括巴西葡萄牙文、丹麦文、荷兰文、瑞典文、俄文、泰文和土耳其文。
网络中传闻称,苹果将在WWDC2015上将为Watch OS带来更多的功能,将会有前所未有的更新,包括与Apple TV进行整合,加入“Find My Watch(查找我的手表)”及与健康相关等。
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。