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)
浙江大學(xué)團(tuán)隊(duì)提出動(dòng)態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學(xué)、編程等任務(wù)上顯著提升推理準(zhǔn)確率,且不增加計(jì)算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學(xué)研究團(tuán)隊(duì)提出SIRI方法,通過"壓縮-擴(kuò)張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準(zhǔn)確率低"的問題。實(shí)驗(yàn)顯示,該方法在數(shù)學(xué)競(jìng)賽題上將模型準(zhǔn)確率提升43.2%的同時(shí),輸出長(zhǎng)度減少46.9%,真正實(shí)現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團(tuán)隊(duì)開發(fā)出Rolling Forcing技術(shù),實(shí)現(xiàn)AI視頻實(shí)時(shí)流式生成的重大突破。該技術(shù)通過滾動(dòng)窗口聯(lián)合去噪、注意力錨點(diǎn)機(jī)制和高效訓(xùn)練算法三項(xiàng)創(chuàng)新,解決了長(zhǎng)視頻生成中的錯(cuò)誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標(biāo)從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學(xué)研究團(tuán)隊(duì)發(fā)現(xiàn),通過讓AI模型學(xué)習(xí)解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個(gè)幾何題目的Euclid30K數(shù)據(jù)集,使用強(qiáng)化學(xué)習(xí)方法訓(xùn)練多個(gè)AI模型。實(shí)驗(yàn)結(jié)果顯示,幾何訓(xùn)練在四個(gè)空間智能測(cè)試基準(zhǔn)上都帶來顯著提升,其中最佳模型達(dá)到49.6%準(zhǔn)確率,超越此前最好成績(jī)。這項(xiàng)研究揭示了基礎(chǔ)幾何知識(shí)對(duì)培養(yǎng)AI空間智能的重要價(jià)值。