几天前,我要去见一个在纽约上大学回北京过暑假的朋友,这个女孩家境很好,我在想送她点什么东西的时候发了愁,不知道有什么东西是她喜欢,而且又是美国没有的。想来想去,我送了她一个小米自拍杆,她非常喜欢,觉得小米自拍杆设计的很小巧,做工也精致,后来还问我在哪里能买到,她要买了回美国送朋友。
如果见这位朋友的时间放在下周,可能我还会再送她一个小米路由器青春版,这样,这位女孩再回到纽约,需要搬家的时候,她就可以带着这个轻巧的小路由器,不用再顾虑携带是不是方便,路由器的设置是不是可以信手拈来。
图1:小米秋季发布会上米粉们在合影留念
这就是小米在今天发布会上发布的新产品,一款仅有名片大小,支持802.11N协议,搭载MiWiFi 2.0的智能路由系统,并且拥有3个百兆有线网络接口(1个WAN、2个LAN),定价79元。
图2:小米路由器青春版
当然,这款产品并不是小米新品发布会的重点。作为小米的年度发布会,雷军今天的重点发布是MIUI 7和红米Note2。几乎小米的全线手机产品都能升级新的MIUI系统,通过这一系统升级,使得小米手机系统响应提速30%以上,续航延长25%以上。而红米Note2则是以799元的价格,叫板华为、魅族的旗舰机型。
图3:红米NOTE 2
MIUI 7新增四套面向不同人群的系统UI,包括女神版、女生版、男生版和轻奢版,并且设计了全新的全局大字体,并发布来电秀、小米漫游等新功能。
当手机拍照功能越来越受到用户重视的时候,小米在拍照、照片整理的需求上做了很多的功课,在这方面的细节考量,充分满足了中国用户的需求。
之前发布的小米路由器2,特别为照片备份做了细节优化,比如相机SD卡可以直接读取,相册备份能够实现自动无重复备份等等。
这次在MIUI 7上,特别推出了宝宝相册功能。利用人脸识别技术,将宝宝照片自动识别整理成册,纪录宝宝的成长。每个有宝宝的家庭,爸爸妈妈、爷爷奶奶、姥姥姥爷的手机里都会有一些宝宝照片,这些照片都可以统一入册,自动整理归类,还可以进行社交分享,让全家人都能看到宝宝更多的精彩瞬间。
我不是米粉,不是小米定义的“为发烧而生”的手机用户,MIUI 7、红米Note 2或许不能让我感到兴奋不已,但并不能阻挡我对小米产品的赏识。
在前面我忘记说了,刚才提到的那位在纽约上学的朋友,她回国送我的礼物,是哈佛大学自有品牌的书包和水壶,送给我们家孩子的,我很清楚,有哈佛大学品牌在,这些东西价值上百美金,而我送她的东西,只有不到十美金,但我仍然觉得,这是一件拿得出手的礼物。小米虽然比不得哈佛大学的品牌积淀,但不失为一个令中国人说道的品牌。
不知道从何时起,用小米的各种小东西当做礼物送朋友已经变成了我的送礼首选,比如说小米小盒子、小米路由器、小米插线板等等,每个东西或几百块钱人民币,或是几十块钱人民币,朋友们收到都很开心,因为他们用过之后,都感受到了小米产品在用户体验上的周到。
这也正是雷军“新国货运动”的主旨——超预期,这种预期不仅仅是价格公道,更重要的是产品设计人性化,做工质量的国际化。
数字是小米成绩最有利的证明。
据Analysys易观智库发布的《中国家用智能路由器市场季度监测报告2015年第2季度》数据显示,在刚刚过去的第二季度里,小米路由器以60.6%的市场份额居首。
8月初,调研公司Canalys发布报告称,第二季度小米以15.9%的市场份额,重新夺回中国最大智能手机厂商头衔,华为以15.7%的市场份额紧随其后,苹果被挤到了第三位,第四、第五位排名依次是三星和vivo。
在中国市场,80%的市场份额已经被国产手机占据,手机行业,正在成为中国制造的一面旗帜。
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。