CNET科技行者 11月28日 北京消息(文/孫封蕾): 辦公室的95后小朋友說,她覺得手機改換了,因為她覺得去年買的手機,已經(jīng)配不上今天的自己,為什么該換手機了呢?因為她手里攥的不是全面屏手機,不支持人臉識別。
本來按照一加發(fā)布產(chǎn)品的速度,在一加5發(fā)布不到半年的時候,一加就要開新品發(fā)布會了,就要宣布一加5T要發(fā)布了,因為一加還沒有全面屏啊,還沒有人臉識別啊。
今天下午,同時有三場手機發(fā)布會,有360手機,有華為榮耀,還有一加5T,辦公室里幾個同事還開玩笑說,今天的黃歷上可能寫的是,手機發(fā)布會的好日子。
一加5T采用18:9的6.01英寸全面屏,支持面部識別功能,配備高通驍龍835處理器和最高8GB超大運存的“雙8”組合,性能出眾。一加5T采用2000萬+1600萬像素的高清全彩雙攝鏡頭黃金搭檔,雙f/1.7大光圈,大師級調(diào)教的人像模式2.0,四合一像素技術加持,純凈夜拍表現(xiàn)出色,支持4K防抖視頻錄制。
在工業(yè)設計上,一加5T有一個獨特的設計維度,劉作虎稱它為“觸感設計”,并稱“一加的每款產(chǎn)品都能用觸感來記憶”。一加的觸感設計來自三個方面:輕薄機身減輕了手腕壓力,久用更友好,而且更具未來感;靈動弧線是一加5T機身的點睛之筆,背部的弧度讓一加5T更貼合掌心,繞機身一周的棱線非常挺拔,握持時也能感受到它獨特的手感。
一加5T正面是一塊完整的2.5D大猩猩5代玻璃,點亮屏幕后,18:9的6.01英寸全面屏幾乎占據(jù)了一加5T整個正面。發(fā)布會上,劉作虎稱一加5T做全面屏,不是盲目追求顯示面積和屏占比增大的數(shù)字,而是因為這樣的產(chǎn)品更具未來感和科技感,能給人帶來更好的產(chǎn)品體驗。同時,一加5T還加入了全新的面部識別功能,該功能基于AI人臉識別算法,系統(tǒng)會對當前人臉的128個特征值進行智能匹配,眨眼級面部識別體驗。配合一加獨有的雙擊亮屏功能,識別解鎖更方便。
一加5T采用主攝IMX398+副攝IMX376K的高清雙攝組合,支持雙核對焦,雙f/1.7大光圈,支持自動HDR以及4K防抖視頻拍攝,帶來了強悍的攝影攝像表現(xiàn)。一加邀請到國際攝影大師Kevin Abosch作為相機視覺指導,共同調(diào)校一加5T的人像模式。大師級調(diào)校的人像模式,不僅有虛化算法以外,還有像素精選和自主研發(fā)的自然美顏功能,人像照片不僅更清晰,還能夠更好地傳達感情。
從一加3的時候,一加就提出了純凈夜拍的夜景拍攝理念,強調(diào)在夜晚拍攝的時候并不能一味地追求提升亮度,而是捕捉夜晚的純凈美。一加5T上除了有376K副攝的硬件提升以外,還采用了四合一像素技術,單個像素面積更大,感光能力更強。
在發(fā)布會上,劉作虎還宣布,一加正式推出四周年紀念版一加5T熔巖紅。
據(jù)介紹,星辰黑一加5T將于12月1日在官網(wǎng)、京東商城同步開售,6GB RAM+64GB ROM售價2999元,8GB RAM+128GB ROM售價3499元。四周年紀念版一加5T熔巖紅將于12月17日一加品牌成立四周年之際在國內(nèi)首發(fā)銷售,8GB RAM+128GB ROM,售價3499元。
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(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。實驗顯示,僅訓練AI玩簡單撲克游戲就能讓其數(shù)學推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學題目作為訓練材料。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)學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(fā)的GIGA-ToF技術通過融合多幀圖像的"圖結(jié)構"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術利用圖像間的不變幾何關系,結(jié)合深度學習和數(shù)學優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領域提供更可靠的3D視覺解決方案。
伊利諾伊大學研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學習訓練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時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等頂尖機構聯(lián)合提出SparseLoRA技術,通過動態(tài)稀疏性實現(xiàn)大語言模型訓練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓練效率,已在多個任務上驗證有效性。