在刚刚结束不久的CES国际消费电子展2023期间,全球领先的个人计算设备厂商联想集团推出了大批全新设备与解决方案阵容,包括ThinkPad、ThinkBook、Legion、Yoga、IdeaPad在内的众多产品系列不仅获得了全面性能升级,更延续联想集团创新传统,推出众多颠覆性产品。
在CES2023期间,新产品获得了全球媒体的盛赞:最负盛名的CTA官方创新奖颁给了全新的Yoga Book 9i、ThinkPad X1 Fold和Project Chronos,包括媒体奖项在内,Yoga Book 9i获得了50个奖项,联想ThinkPhone获得了15家媒体的认可,ThinkBook Plus Twist获得了14个奖项,Smart Paper获得了11个奖项,等等。
Yoga Book 9i作为联想集团在本次CES上发布的明星产品,受到了广泛关注与极高评价:
作为全球最大个人计算设备厂商,联想集团本次推出的全新笔记本电脑Yoga Book 9i开启Yoga系列的新篇章。Yoga Book 9i是全球第一台全尺寸的双屏笔记本电脑,在紧凑体型中配备了两块13.3英寸2.8K分辨率的OLED PureSight屏幕,无论是观看视频还是内容创作,100%的DCI-P3色彩精度和杜比视界HDR功能都将带来“双倍”震撼体验。
联想集团为Yoga Book 9i的创新设计研发和规划了独特的软件与使用场景:双屏获得自然的双倍屏幕面积,网络浏览、图像视频编辑、文件编辑都将具有更多的生产力;双屏也可作为两个显示器进行多任务工作,配合数字笔和联想开发的软件,在第二个屏幕上做笔记或研究将更加高效;在移动办公场景中,翻折后的双屏将大幅提升会议、演示的用户体验。
作为一款高端消费笔记本电脑,搭配配件使用时,Yoga Book 9i也将提供超越一般普通笔记本电脑的体验:外置键盘放置在第二块屏幕下方时,未被遮住的部分将变成生产力副屏;外置键盘放置在第二块屏幕上方时,下方的屏幕将自然变成触控板与手写板;搭配支架和键盘使用,Yoga Book 9i将随时为你提供双屏工作空间。
除了Yoga Book 9i,Yoga系列也发布了众多新产品,比如重新定义一体式台式电脑的外观,以设计为主导的 Yoga AIO 9i;包括设计精良、便携而强大的全新Yoga Slim 6i、Yoga Slim 7i Carbon、Yoga 6、Yoga 9i在内,全部Yoga新产品都使用最新的13代酷睿处理器或全新锐龙7000系列,性能更强的同时续航更长。
联想集团也在本次CES上发布了可以让用户全身心接入元宇宙世界的“传送门”设备:
基于多年的元宇宙布局,联想推出的代号Project Chronos的动作捕捉概念设备可另用户无须佩戴任何可穿戴设备便可完成实时动作捕捉,并应用到虚拟人物上,以实现虚拟现实的沉浸式体验。
目前,流行的VR/AR设备通常只有手柄和头显,部分设备可以侦测面部表情,但下半身的动作传感器还处在发展阶段,而缺乏全身的虚拟形象显然会影响元宇宙的沉浸式体验。因此,动作捕捉则成为了实现全沉浸的第一步,随着大量虚拟主播、虚拟偶像等虚拟人被应用在各大社交媒体平台,动作捕捉的场景需求更是进一步拓宽。
联想集团日前发布的混合现实概念解决方案Project Chronos,目标即是为用户提供全新、简化的虚拟现实交互体验。作为一款为顶尖创作者打造的家庭算力设备,借助内置的立体光学动作捕捉方案和深度摄像头来完成非接触式的全身动作捕获,并在虚拟环境中复制用户的实时动作并显示在如电视或大型PC屏幕等显示设备上。用户创建虚拟分身后,只需使用手势、动作、姿势甚至动作表情即可控制它,并实现近乎实时同步。
设计方面,Project Chronos是一款外形现代、设计精良的设备,可以安装在墙上或设置在兼容电视或显示器的正下方或者上方,同时相机还可以向下旋转,以保证在断电和不使用期间的隐私保护。
Project Chronos将为用户进入元宇宙世界提供一个“传送门”,进一步完善联想的元宇宙生态布局。从应用场景来看,无需佩戴动作捕捉装置或眼镜,用户将更加轻松地在虚拟世界中创建内容,或成为拥有逼真虚拟化身的“虚拟创作者”;健身教练可以与客户一起远程或虚拟锻炼,展示标准正确的运动技巧和动作;用户还可以将自己转变为任何类型的虚拟角色,超越物理距离、时间和环境限制,在虚拟世界中与新朋友交流;游戏体验者可以通过近乎实时、清晰可见的面部表情和动作,实现更加身临其境的互动。
目前,处在概念产品阶段的Project Chronos正与开发人员、内容和服务合作伙伴进一步合作开发,不断扩展其生态系统,最终推出一种可提供超越想象的虚拟自由的解决方案。
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。