美國時(shí)間5月20日上午8點(diǎn),北京時(shí)間20日晚上11點(diǎn),微軟在紐約召開了Surface新品發(fā)布會(huì)。
發(fā)布會(huì)上Panos Panay終于為我們亮相了Surface Pro 3,Surface Pro 3在硬件設(shè)施上相比上一代產(chǎn)品均有提升,此次屏幕加大到12英寸。
支架方面與上代相同的kickstand支架,機(jī)身厚度從13.46mm降到9.1mm。輕薄的機(jī)身依舊配有標(biāo)準(zhǔn)的USB3.0接口。
盡管配備了英特爾的處理器,但在重量方面Surface Pro 3的僅重800g,與11英寸1.06 kg的Macbook Air相比,二者對(duì)比極其明顯。
Surface Pro 3不僅變得更輕薄,更加便攜,性能方面相比第二代產(chǎn)品也有了很大的提升。這款設(shè)備搭載了英特爾酷睿 i7處理器,并在處理器部分有100個(gè)定制元件,與市場(chǎng)其他產(chǎn)品相比,散熱效率要提高了30%以上。此外,Surface Pro 3將屏幕分辨率提升到了2160*1440,用戶在辦公時(shí)能夠看到更多的內(nèi)容信息。
Surface 相比其他產(chǎn)品的最大的亮點(diǎn)之一可以說就是KickStand,Surface Pro 3的KickStand帶來了150度全新的支架體驗(yàn)?zāi)J?,這個(gè)模式又稱為‘Canvas’。
強(qiáng)勁的性能配合‘Canvas’模式,讓一些喜好創(chuàng)作的人士能夠更好的使用設(shè)備進(jìn)行內(nèi)容的創(chuàng)作,不再因角度的局限而刻意去調(diào)整自己的輸入方式。
在發(fā)布會(huì)上,微軟還亮相了新的Type Cover,相比上代產(chǎn)品將會(huì)更加輕薄。也許是由于用戶對(duì)于上一代Type Cover觸控區(qū)域提出的建議,微軟此次加大了觸控板的面積和靈敏度。
新的Type Cover在連接處還有一塊磁鐵,讓二者在接合的狀態(tài)下變得更加穩(wěn)定。升級(jí)版的Surface 無論在攜帶性還是信息錄入方面都做到了最佳。
Surface Pro 3在手寫記錄方面表現(xiàn)也極為出色,使用觸控筆在設(shè)備上進(jìn)行記錄時(shí)會(huì)給用戶帶來傳統(tǒng)的紙筆記錄般的體驗(yàn),其3:2的屏幕比例讓Surface Pro 3變得更像是一個(gè)便簽,并通過OneNote內(nèi)置的功能讓筆記同步到各種平臺(tái)與朋友們進(jìn)行分享。
Surface Pen的體驗(yàn)這次得到了加強(qiáng),用戶可以輕松用其來進(jìn)行文檔的批注和簽字,讓這塊設(shè)備更適合移動(dòng)辦公時(shí)代。同時(shí)在Surface Pen的頂部還添加了一個(gè)激活鍵,按下后屏幕便會(huì)立刻亮起,而當(dāng)使用者再次按下后,批注后的文件便會(huì)自動(dòng)上傳到云端,省去了以往操作需要的時(shí)間,辦公也將變得更高效。
Surface Pro 3會(huì)有i3/i5/i7三個(gè)不同的版本提供給用戶,售價(jià)為$799起。不過可惜的是傳聞已久的Surface mini并未在發(fā)布會(huì)中亮相。
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。