技術(shù)大神與小白用戶之間如何實現(xiàn)無縫對接?那些高級的程序編譯語言如何能讓更多的人了解?如何才能舉伙伴之力研發(fā)更豐富的產(chǎn)品功能?近日,在聯(lián)想NBD舉辦的“大神面對面”活動現(xiàn)場,眾位技術(shù)大神、伙伴們與聯(lián)想newifi主創(chuàng)團隊集思廣益,有望聯(lián)手破解上述問題,集開發(fā)者、愛好者、用戶于一體,打造國內(nèi)首個完整的路由器生態(tài)鏈。
圖:三位大神接受伙伴們諫言
在“大神面對面”拍磚會環(huán)節(jié),各大神們紛紛獻計獻策,與newifi三位主創(chuàng)團隊共同構(gòu)建新路由未來發(fā)展前景。針對現(xiàn)場不少大神提出的產(chǎn)品插件功能開發(fā)的問題,諦聽科技CEO李程表示,官方產(chǎn)品團隊會將重點放在官方插件上,未來將進一步開放源代碼,讓大神們能夠充分發(fā)揮,做出更好的插件;同時,以物質(zhì)獎勵的形式,鼓勵NBD伙伴們開發(fā)更多更好的插件,形成產(chǎn)業(yè)生態(tài)鏈。
當(dāng)企業(yè)與開發(fā)者形成無縫對接后,如何集用戶、愛好者與開發(fā)者、企業(yè)于一體?在“大神面對面”環(huán)節(jié)中,一位大神就提到了這個問題,“目前在NBD社區(qū)中,有幾位大神擔(dān)負(fù)著開發(fā)新插件功能的重任,但是在社區(qū)里更多的是路由器的小白用戶,大神們辛苦開發(fā)的成果無法在第一時間得到他們的反饋”,于是“NBD學(xué)院”一詞誕生。
按照現(xiàn)場大神的提議,將大神與愛好者組織起來,建立“NBD學(xué)院”,大神負(fù)責(zé)開發(fā)插件,而部分懂HTML語言但還達不到設(shè)計插件水平的愛好者專職編寫教程,通過視頻和文字的形式,將新開發(fā)的插件功能傳授給小白用戶。
現(xiàn)場,插件大神Dragon對“NBD學(xué)院”的想法表示了認(rèn)可。他提到:“其實在newifi團隊內(nèi)部,對將NBD學(xué)院化的概念也有過討論,希望能在社區(qū)里建成一種梯隊的模式,這種模式可以很大程度地解決技術(shù)達人和小白使用者之間存在的溝壑,減少產(chǎn)品在傳播過程中的真空,形成完整的生態(tài)鏈。”
“NBD學(xué)院”這一全新的概念不僅僅對于聯(lián)想,對于整個互聯(lián)網(wǎng)行業(yè)而言都是一種新穎的模式,如果聯(lián)想能夠?qū)⑵渥優(yōu)楝F(xiàn)實,既是對NBD伙伴精神的一種強化,更填補了業(yè)界空白,真正實現(xiàn)路由器領(lǐng)域里的生態(tài)鏈完整化。
以往任何一款互聯(lián)網(wǎng)新產(chǎn)品在問世之后,不完整的行業(yè)生態(tài)鏈導(dǎo)致很多功能都無法得到小白用戶的認(rèn)可,后續(xù)的功能開發(fā)遠遠跟不上用戶的需求。而大神們提出路由器生態(tài)鏈的解決方案,通過搭建集企業(yè)、開發(fā)者、產(chǎn)品愛好者、用戶于一體的平臺,能很好的解決這一問題。
雖然聯(lián)想NBD并未透露何時會完成這條生態(tài)鏈,但已經(jīng)與大神們在構(gòu)建新路由生態(tài)鏈的問題上達成了一致,并且有了初步的想法,未來依靠NBD過硬的產(chǎn)品品質(zhì)以及聯(lián)想NBD伙伴精神,路由生態(tài)鏈不會只是一個概念,何時實現(xiàn),只是時間問題而已。
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(zhǔn)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(zhǔn)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(zhǔn)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(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(zhǔn)上都帶來顯著提升,其中最佳模型達到49.6%準(zhǔn)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。