科技行者 8月16日 北京消息: 近日,小米公司联手北京时代美术馆推出重磅科技艺术大展,利用天文物理学常见的“超级对撞”原理,比喻科技与艺术的再次对撞、裂解与融合,并命名为:“小米·时代艺术科技大展:超级对撞Xcelerator”。
小米与北京时代美术馆携手推出的“超级对撞Xcelerator”,将于8月12日—10月14日期间在北京时代美术馆持续展出。邀请十组国际级艺术家,利用工业机器人、现实增强、VR、AI人工智能等技术进行艺术创作,带来全新的科技艺术展。
据悉,这是继去年小米与今日美术馆合作的“小米·今日未来馆”之后,小米公司与艺术馆的第二次合作。
自2015年小米首度提出“一面科技,一面艺术”的品牌理念之后,就不断的在艺术领域深耕。频频与艺术的跨界,正是这一句品牌理念的最佳体现。
2017年初,小米携手YT,联合出品了中国首部艺术大师传记纪录片《大艺术家》,震惊艺术、文化、科技、营销等领域。2017年7月15日,小米与今日美术馆1号馆展开跨界合作,“.zip未来的狂想 | 小米?今日未来馆”正式开幕,引发艺术界的强烈共鸣。
2018年5月8日,小米与大英博物馆联合设计的小米MIX 2S艺术特别版发布,设计灵感来源自大英博物馆收藏的文艺复兴时期知名艺术品——马约里卡陶器 ,载有“无劳则不获”之标语,期望科技与艺术的探索永不止步,并借此向所有伟大的科技与艺术致敬。
2018年8月10日,小米MIX 2S翡翠艺术版发布,来自敦煌壁画天然宝石色彩的灵感,首次注入精密陶瓷机身,历经324天,突破材质特性限制,传承敦煌千年色彩艺术,正式开启了陶瓷手机色彩时代。
小米公司一直将设计作为公司核心竞争力之一,公司联合创始人黎万强和刘德均为设计师出身。目前小米的设计师团队已经超过了400人。2017年,小米一举获得德国iF设计金奖、德国红点最佳设计奖、美国IDEA金奖、日本Good Design Best 100四大奖项,完成了世界四大设计奖中高含金量奖项的大满贯。就在2018年初,在iF设计奖评比中,已有13款小米产品获奖。
2016年10月25日,小米公司发布全面屏概念手机小米MIX,此后“全面屏”设计已经成为世界各大手机厂商跟进的新潮流。2017年9月11日,小米公司发布了全面屏2.0时代产品——小米MIX 2。
自发布后,小米MIX 系列手机屡获世界顶级设计大奖。2017年8月,小米MIX荣获美国IDEA设计金奖。2018年2月,小米MIX 2荣获德国iF设计奖。
2018年2月, 德国慕尼黑新收藏-国际设计博物馆(Die Neue Sammlung - The International Design Museum,下称慕尼黑国际设计博物馆)正式将小米全面屏智能手机小米MIX列入永久馆藏。此前,小米MIX系列已经先后被芬兰国家设计博物馆和法国乔治-蓬皮杜国家艺术文化中心收藏。
三大博物馆前所未有地收藏同一系列手机,这是中国公司在工业设计领域取得的最新成绩,也是小米公司对设计艺术的执着追求,以及持续多年对创新投入的集中展现。
慕尼黑国际设计博物馆总监安吉莉卡·诺勒特(Angelika Nollert)在写给小米公司董事长兼CEO雷军的信件中,专门强调“小米MIX为后代留下工业设计史发展的珍贵记忆。”
11年前,第一代iPhone定义了智能手机的基本形态。现在,小米MIX系列代表全球消费电子工业的最新趋势,并领衔中国设计和中国工艺创新的崛起。
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。