戴爾擁有大量的產(chǎn)品專家,他們搜集和分析用戶需求,了解到用戶需要什么樣的工作站產(chǎn)品,用戶有著什么樣的應(yīng)用需求,戴爾的工程師將這些需要反應(yīng)到最終的產(chǎn)品設(shè)計(jì)中,比如說,用戶需要更加輕薄的產(chǎn)品,戴爾的工程師就要去實(shí)踐和設(shè)計(jì),哪些材料能夠更好的幫助到用戶,在過去,戴爾采用了鎂作為移動(dòng)工作站的外殼材料,但是這樣的材料相對(duì)來說比較笨重,同時(shí)容易留下指紋,而由于外殼是金屬,在處理較高工作負(fù)荷任務(wù)時(shí),內(nèi)部熱量會(huì)比較明顯的體現(xiàn)在外殼上,體驗(yàn)不佳,為了解決這個(gè)問題,戴爾的工程師團(tuán)隊(duì)創(chuàng)新性的采用了鋁合金材料作為基底,硅材料作為表面材質(zhì),再結(jié)合上碳纖維的背板,這樣的類膚質(zhì)材質(zhì)解決了這些問題,不僅手感更好,更加輕巧,手感就像碰觸真正的肌膚,拉近了科技與生活的,工作與生活的距離。
Ken Musgrave還為我們分享了其他一些戴爾Precision工作站用戶體驗(yàn)上的設(shè)計(jì),比如說各種易拆卸的設(shè)計(jì),除了機(jī)箱的各個(gè)位置方百年拆卸之外,光驅(qū)、硬盤、內(nèi)存、顯卡都可以在數(shù)秒之內(nèi)就可以徒手卸下或者替換。
Ken Musgrave認(rèn)為,體驗(yàn)的方式包含有兩個(gè)部分:其一是結(jié)合行業(yè)用戶需求的設(shè)計(jì),其二是可用性的分析設(shè)計(jì),一個(gè)實(shí)現(xiàn)創(chuàng)意,一個(gè)體現(xiàn)技術(shù)價(jià)值,將這兩者融為一體是其他從事工作站設(shè)計(jì)領(lǐng)域的企業(yè)所沒有做到的。
在未來,工作站也將更多的實(shí)現(xiàn)移動(dòng)性,移動(dòng)工作站將逐漸擁有更大的發(fā)展空間,同時(shí),觸摸、觸控也更多的被最終用戶所采納,為了滿足用戶這樣的需求,戴爾的設(shè)計(jì)團(tuán)隊(duì)也與公司內(nèi)其他團(tuán)隊(duì)一起,致力于打造出更加輕便,擁有更加自然的交互方式,任何時(shí)間地點(diǎn)都可以展開工作的工作站產(chǎn)品。
Ken Musgrave的團(tuán)隊(duì)不僅僅是戴爾工作站的設(shè)計(jì)締造者,同時(shí)還是戴爾工作站第一線的用戶,他們用了大量的Precision工作站產(chǎn)品作為生產(chǎn)力工具,他們喜歡最新的Precision產(chǎn)品,也會(huì)把他們對(duì)于產(chǎn)品的理解、感悟融入到新的產(chǎn)品設(shè)計(jì)中。
好文章,需要你的鼓勵(lì)
新加坡國立大學(xué)研究團(tuán)隊(duì)開發(fā)了SPIRAL框架,通過讓AI與自己對(duì)弈零和游戲來提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。