
據(jù)可靠消息來源表示,微軟近期已調(diào)整了有關(guān)開始菜單的計劃,在即將發(fā)布的Windows 8.1 Update 2更新中,微軟最終不會為用戶提供一個回歸的Windows 8新開始菜單了。
直到最近,微軟還一直有望在其Windows 8.1的第二次更新中添加一個新的“迷你”開始菜單。據(jù)傳聞稱,微軟計劃將Windows 8.1 Update 2更新定于今年8月發(fā)布。
據(jù)悉,微軟的操作系統(tǒng)團隊已決定推遲微軟自主開發(fā)的開始菜單的交付時間,并決定在研發(fā)代號為“Threshold”(閾值)的下一代Windows的“重大”發(fā)布活動中推出此項功能。“Threshold”(閾值)預(yù)計將在2015年4月發(fā)布,目前還不確定它最終是否會被稱為Windows 9。目前還不清楚該開始菜單的推遲是因為這項功能還未完全研發(fā)成功而導(dǎo)致計劃變更,還是另有原因。
微軟仍在按計劃全速前進,想辦法令其Windows 8.x操作系統(tǒng)變得更加兼容,使其適用于那些使用鼠標和鍵盤以及習(xí)慣用過去Windows系統(tǒng)迭代產(chǎn)品的用戶。而微軟的這一戰(zhàn)略從未改變過。
微軟開發(fā)的全新開始菜單將不同于Windows XP/VISTA/Windows 7的開始菜單,它有望為用戶帶來一些我們熟悉且同時整合了Windows 8 Metro風(fēng)格開始屏幕的設(shè)計理念。(對那些更喜歡傳統(tǒng)Windows開始菜單體驗的用戶來說,市場上也有一些第三方開發(fā)的Windows 8開始菜單,包括Stardock軟件商推出的Start8軟件,以及Pokki Windows 8開始菜單應(yīng)用。)
在微軟于四月初舉辦的BUILD開發(fā)者大會上,負責(zé)管理微軟操作系統(tǒng)團隊的微軟執(zhí)行副總裁特里·邁爾森(Terry Myerson)展示了該開始菜單的實體模型,并指出,微軟將會令開始菜單重返Windows,作為其操作系統(tǒng)“下一次迭代”的一部分。不過他并未明確指出這是否意味著在該公司的內(nèi)部計劃中,“下一次迭代”的操作系統(tǒng)指的是Windows8.1 Update 2還是Threshold,但基于今年4月晚些時候透露的消息,微軟的內(nèi)部計劃是將開始菜單作為其Windows8.1 Update 2更新的一部分的。
今年四月初,邁爾森還展示了一個新的選項,能夠允許用戶選擇在桌面上運行Metro風(fēng)格的應(yīng)用或Windows Store應(yīng)用。此外,據(jù)悉,窗口模式的Metro風(fēng)格應(yīng)用功能仍只可能在Threshold中推出,而非Windows8.1 Update 2更新。
那么Windows8.1 Update 2將會有哪些更新變化呢?它的用戶界面會不會有什么變化?是否會有另外一個編程接口工具和可靠性的改進呢?這些問題目前均尚不清楚。
好文章,需要你的鼓勵
浙江大學(xué)團隊提出動態(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)上顯著提升推理準確率,且不增加計算成本。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)研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準確率低"的問題。實驗顯示,該方法在數(shù)學(xué)競賽題上將模型準確率提升43.2%的同時,輸出長度減少46.9%,真正實現(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)合研究團隊開發(fā)出Rolling Forcing技術(shù),實現(xiàn)AI視頻實時流式生成的重大突破。該技術(shù)通過滾動窗口聯(lián)合去噪、注意力錨點機制和高效訓(xùn)練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,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)研究團隊發(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個幾何題目的Euclid30K數(shù)據(jù)集,使用強化學(xué)習(xí)方法訓(xùn)練多個AI模型。實驗結(jié)果顯示,幾何訓(xùn)練在四個空間智能測試基準上都帶來顯著提升,其中最佳模型達到49.6%準確率,超越此前最好成績。這項研究揭示了基礎(chǔ)幾何知識對培養(yǎng)AI空間智能的重要價值。