进入大赛官网:https://www.easemob.com/event/mqtt/
大赛背景
随着云通讯行业持续增长,5G建设逐步推进、音视频技术快速迭代,都是为了满足人与人、设备与人、设备与设备之间的消息传输。这无疑是一个消息传输的时代。在这个时代中,所有的协议、配置都在于恰到好处。正如MQTT消息传输协议基于物联网,但又不局限于物联网,同样可以在移动互联网中承担多种功能。MQTT是一个极其轻量级的发布/订阅消息传输协议,它解除时间与空间耦合,可以在应用内实现推送、通知等功能;它简约、轻量,极小的SDK空间占用,适用于嵌入Android、iOS、RTOS等多端平台;它数据包小、功耗低,适用于低带宽、高延迟或不可靠的网络环境。环信MQTT消息云的产品定位就是充分发挥MQTT协议优势,为开发者提供应用与应用之间、设备与应用之间、应用与平台之间的消息传输服务。为了让大家更深入了解MQTT协议优势,环信举办本次MQTT创意挑战赛,诚邀广大开发者通过编程实战,实际感受MQTT协议在应用间消息传输的优势。为助力本次活动,MQTT消息云特提供两个月限免期!!大家可以肆意发挥idea进行创作,期待大家通过MQTT消息云,实现更多有趣的功能,挖掘更新奇的场景!
大赛官网:https://www.easemob.com/event/mqtt/
报名地址:http://easemobmqtt.mikecrm.com/ZGGQ9Lk
参赛对象
1、iOS端、Android端、Web端开发者
2、创客团队
3、有编程基础的在校学生
赛程安排
赛道赛题
本次大赛有2个赛道:创意挑战赛和命题练习赛
1、创意挑战赛本赛道采用开放命题,不限开发语言与平台。参赛作品使用环信MQTT消息云相关技术并遵循相关设计、开发指南与规范。可以对日常生活、交通运输、医疗、教育、公共安全、公益等行业领域进行探索,并最终交付能够进行可视化应用展示的参赛作品 demo及源码。没有idea?试试参考以下场景
提交方式:开发完成后,将作品源码提交至个人 GitHub 仓库,仓库命名为【创意挑战】+作品名,在Readme 文档中描述项目介绍、使用说明,然后将Github地址回复在作品提交帖下方。评选规则: 环信将组织评审专家对作品进行评审,包括但不限于作品的完成度、创新性、实用性、普适性、社会效益、商业价值等因素。活动奖励:
2、命题练习赛根据功能需求实现具体的逻辑开发。本赛道为练习赛,题目从简单到复杂,适合 MQTT 从入门到进阶。
共有四个题目:
作品提交:开发完成后,将作品提交至个人GitHub仓库,将Github地址回复在作品提交帖。仓库命名为【命题练习】+ 题目名评选及奖励1、符合验收标准后,根据逻辑完成度30%,技术性60%,用户体验10%的维度,每题目每端奖励1人,平分奖金。2、每个获奖开发者各获得价值5000元MQTT消息服务
参赛须知
1、活动期间可随时报名,随时提交作品;2、不限个人或团队参赛,团队参赛须指定一名联系人;3、参赛作品须保证原创性,不违反相关法律法规,不存在任何法律或合规风险,作品中使用的素材(包括但不限于开源代码、图片、视频等)不存在版权问题;4、请在活动结束前,及时回复作品链接至imgeek作品提交帖下方,否则将不能参与领奖;5、参赛作品的源代码均以 MIT 协议对外进行开源;6、参赛作品的 Readme 文档中应包含详细的项目介绍、使用说明;7、创意挑战赛作品不建议模仿其他作者的创意,评选时如果有90%相似度的作品以先提交作品链接为首选
好文章,需要你的鼓励
一旦人工智能达到通用智能(AGI)或超级智能(ASI)水平,人类将无法逆转回传统AI。AGI与人类智力相当,ASI则超越人类智慧。由于人类会对此类AI产生依赖,且AGI/ASI具备自我保护能力,通过全球禁令、内置终止开关或控制措施都难以有效阻止。AI末日论者担心existential风险,而AI加速主义者认为将解决人类问题。唯一可能的逆转机会是AGI/ASI主动选择关闭自己以拯救人类。
新加坡国立大学研究团队开发了SPIRAL框架,通过让AI与自己对弈零和游戏来提升推理能力。实验显示,仅训练AI玩简单扑克游戏就能让其数学推理能力提升8.6%,通用推理提升8.4%,且无需任何数学题目作为训练材料。研究发现游戏中的三种推理模式能成功转移到数学解题中,为AI训练提供了新思路。
开源加密初创公司ZamaSAS宣布完成5700万美元B轮融资,专注于为区块链和AI应用构建全同态加密技术以保护隐私。本轮融资由BlockchangeVentures和PanteraCapital共同领投,使公司总融资超过1.5亿美元,估值突破10亿美元。同时,Zama推出保密区块链协议公开测试网,允许开发者在以太坊上构建私密通信应用。
同济大学团队开发的GIGA-ToF技术通过融合多帧图像的"图结构"信息,创新性地解决了3D相机噪声问题。该技术利用图像间的不变几何关系,结合深度学习和数学优化方法,在合成数据集上实现37.9%的精度提升,并在真实设备上展现出色泛化能力,为机器人、AR和自动驾驶等领域提供更可靠的3D视觉解决方案。