iMessage垃圾短信和騷擾電話一直都是果粉難以躲避的困擾,近日,360手機(jī)衛(wèi)士iOS版新版針對電信騷擾問題進(jìn)一步升級優(yōu)化,利用7億用戶共同標(biāo)注的云端騷擾電話大數(shù)據(jù),將云標(biāo)記庫的騷擾號碼從1000個(gè)提高至2500個(gè),識別更精準(zhǔn),并增加號碼庫分類,不用擔(dān)心錯(cuò)過外賣和快遞的電話了。
圖1:360手機(jī)衛(wèi)士iOS新版 通訊錄來電歸屬地即顯
目前,果粉無需越獄就能使用360手機(jī)衛(wèi)士的騷擾電話識別功能,開啟我的歸屬城市后,還可使360手機(jī)衛(wèi)士攔截騷擾電話更精準(zhǔn)。據(jù)了解,開啟我的歸屬城市后,360手機(jī)衛(wèi)士會通過云計(jì)算,結(jié)合當(dāng)前機(jī)主城市,導(dǎo)入最新、最熱,最有可能的騷擾電話數(shù)據(jù)到本地?cái)?shù)據(jù)庫,并為2500個(gè)電話號碼保持動態(tài)更新,為手機(jī)用戶實(shí)現(xiàn)高效攔截騷擾電話。
iOS 8增加的來電歸屬地讓果粉們覺得越來越中國化,但是來電歸屬地僅針對陌生號碼,果粉也大呼不夠過癮。360手機(jī)衛(wèi)士iOS版新版發(fā)布的通訊錄來電歸屬地功能,恰好彌補(bǔ)了這個(gè)短板。只要開啟號碼歸屬地顯示,360手機(jī)衛(wèi)士會自動檢測手機(jī)用戶當(dāng)前通訊錄的全部號碼,并根據(jù)對運(yùn)營商提供的地域數(shù)據(jù)進(jìn)行逐一匹配,這樣與iOS 8的陌生號碼歸屬地相結(jié)合,所有電話在來電時(shí)都會顯示號碼所屬地。
資深果粉對垃圾短信也是怨念已久。這些來源或各種郵箱,或一長串奇怪?jǐn)?shù)字,且發(fā)送方很少重復(fù)出現(xiàn)。雖然蘋果早已出臺舉報(bào)措施,但因操作過程繁瑣果粉多稱并不實(shí)用。360手機(jī)衛(wèi)士iOS新版大升級,一鍵舉報(bào)垃圾短信省去多道舉報(bào)步驟,此外,新版具備通訊錄來電即顯功能,讓小伙伴的號碼信息更清晰明了,接到外地號碼也能做到心里有數(shù)。
圖2:360手機(jī)衛(wèi)士iOS新版 垃圾短信也能一鍵舉報(bào)
打開360手機(jī)衛(wèi)士iOS新版后,就可以使用騷擾識別功能,將垃圾短信一鍵舉報(bào)。首先,當(dāng)收到垃圾信息后,在保證日期與時(shí)間顯示完整的情況下截屏(同時(shí)按住手機(jī)電源鍵+Home鍵),而后返回至360手機(jī)衛(wèi)士一鍵舉報(bào)中心,點(diǎn)擊“一鍵舉報(bào)”給蘋果官方發(fā)郵件。
據(jù)了解,蘋果官方開通的垃圾短信舉報(bào)辦法是,垃圾短信全屏截屏,再打開電子郵件,編輯短信內(nèi)容,發(fā)送地址imessage.spam@icloud.com,并掛附件截圖,最終發(fā)送郵件才可完成整個(gè)過程。因此對于頻頻收到垃圾短信的果粉來說,360手機(jī)衛(wèi)士iOS新版中的一鍵舉報(bào)則更適用,更快捷。
App Store下載鏈接:https://itunes.apple.com/cn/app/360shou-ji-wei-shi/id441216572?mt=8
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。