众所周知,摩托罗拉对第三代Moto G的保密工作基本没有起到效果。显然,在下一代Moto G身上摩托罗拉也没有多少进步。本周一个巴西零售商不慎将新Moto G的开盒图片传到了网上,虽然后来该零售商删除了图片,但已然覆水难收,基本所有我们想要知道的信息都可以在图片中找到。
从图片中看,这款主打性价比的智能手机装备了1.4GHz四核处理器,后置摄像头为1300万像素,前置500万像素。外壳可更换多种色彩。同样有理由说至少一部分新Moto G机型使用了5英寸720p显示屏,内置存储16GB,支持双卡双待。
当然那张图片毕竟不是发布会,还有许多信息是没有了解的。比如这一代Moto G的不同版本之间是否会有巨大差异:是否会提供更大RAM的机型?无论如何,我们相信摩托罗拉8月28日应该会发布新Moto G。但它显然很难抢下新Moto X的风头。
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。