
CNET科技资讯网 4月28日 国际报道:三星的面部识别解锁功能允许用户盯着Galaxy S8激活该设备。不过,据《韩国先驱报》(The Korea Herald)报道,援引自三星内部消息来源的信息称,距离三星这项功能足够安全到用于Samsung Pay支付款项,可能还要四年。
如今,成千上万的用户都使用指纹识别器(三星还有虹膜扫描仪)进行安全支付,支持Apple Pay、Android Pay和Samsung Pay等移动支付服务。而另一方面,有报道称人脸解锁功能被照片愚弄了。不过,如果将验证移动支付的方式换做面部识别技术,可能会比虹膜扫描仪和指纹读取器更加方便。
据《韩国先驱报》的消息来源表示:“要使脸部识别技术能够单独用于金融交易,考虑到目前的相机和深度学习技术水平,至少还需要四年以上。”
三星并未立即就此置评。
三星此前曾告诉向CNET表示,其面部识别还不够安全,不适合访问Samsung Pay或安全文件夹,甚至当用户在Galaxy S8上使用人脸解锁设置时,也会有免责声明。
不过,这并不能阻止其他公司考虑将这项技术用于移动支付。有传闻称LG将为其即将推出的LG Pay服务加入面部识别技术,也有传闻称苹果iPhone 8也允许用户使用脸解锁手机。
如果人脸解锁得以实现,目前我们还不清除LG或苹果的技术与三星将会有哪些不同。
当然,在一切尘埃落定前,用户一直都可以使用自己可靠的指纹解锁设备。
好文章,需要你的鼓励
本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。
这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。
中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。
这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。