iPad一直需要一次变革,需要某种刺激因素让它更有效率和生产力、更像一台PC,更像其他平板电脑——如三星和微软多年来一直推出的Galaxy Note系列和微软Surface系列平板。现在,这一场变革似乎悄然来临,iOS 9很可能将成为iPad通向其下一关的门票。这是苹果近年来发布的最专注于iPad的一次系统升级:当地时间本周四,苹果发布了iOS 9公测版,终于让人们领略到了新系统的魅力。
好奇不?以下是一些重要的iPad独享新功能介绍。
分屏视图:可同时运行两个应用
这个功能名为分屏视图(Split View),仅支持iPad Air 2设备,有了这一功能,在iOS 9系统中,两个应用可共存于同一显示屏上,同时运行。用户甚至可以将一个应用锁定在某一位置,每次打开其他应用时它都可继续运行。例如,你可以将电子邮件页面锁定在一边,同时在另一边屏幕上浏览Safari浏览器内容,也可以边阅读新闻边搜寻路线,或者在阅读备忘录的同时查看Apple Music内容。两个应用窗口将暂时进入固定窗格,当前仅有部分应用支持使用分屏视图功能,不过最终,所有应用都将能够进入分屏任务模式。现阶段,仅仅尝试它所支持的几款应用也很有趣。
从屏幕侧边可以刷出应用程序的快捷工具条:无论是回复短信还是填写备忘录,不需离开当前应用,用户便可以点击打开其中任一应用程序并迅速访问。该功能支持更多型号的iPad设备,看起来感觉就像一个更为智能的侧边迷你应用栏。
支持该功能的应用将允许弹出视频在一个可以拖曳的小窗口中播放。这就好似在电脑上或三星平板电脑上进行操作。用户不仅可以播放电影、直播视频,也可以播放CNET网页中的评测视频,甚至还可以在主屏幕上移动播放。而且你可以调整窗口大小,或是轻松关闭窗口。
如今,苹果为屏幕上的输入软键盘推出了一项非常棒的新功能:当你把两根手指放在键盘上时,它将神奇般的变成一个触控板。在该功能所支持的应用中,用户不仅可以随意移动光标的位置,而且还可以迅速完成移动、编辑等操作,大大提供工作效率。当然,你依旧可以通过软键盘输入文字,不过升级后的键盘可以避免手指在输入位置和键盘两个区域间不停地切换。目前,除了某些功能的限制,用户在iPad上的操作几乎与在普通PC上的操作差不多了。针对独立的物理蓝牙键盘,iOS 9还引入了更多自定义键盘快捷键命令。
苹果新增的新闻应用News与Flipboard应用感觉很类似,设计简洁,不过目前该应用并未涵盖所有新闻推送信息。在News应用中,你可以点击心形按钮收藏文章供以后阅读。(有别于以上列出的其他功能,苹果News应用也支持iPhone设备,不过iPad更为宽敞的屏幕使得它在平板上尤为引人注目。)虽然News并非iPad中必不可少的应用,但它在iPad上的效果看起来很棒。
iOS 9还更新了许多其他功能:如改进Siri,提高电池续航时间,推出新的节电模式,更新地图功能,完善Notes应用,使其用起来更像Evernote,改进Spotlight智能搜索功能等。iPhone和iPad均支持这些新功能,不过对iPad而言,iOS 9可谓长期以来苹果对其进行的最大的一次软件升级。
注意:尽管到目前为止,笔者在安装运行iOS 9公测版时都很顺利,但如果你要升级到iOS 9,一定要在升级前为你的iPhone或iPad做一个完整备份。如果你持有一台iPad Air 2,那么这次升级将是值得的。
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。