北京时间2月11日午间消息,美国宾夕法尼亚大学最近发布一项研究表明,智能手机的计步应用精度已经足够高,在精度上完全可以媲美可穿戴设备,甚至更优。研究报告中对多款App的计步功能进行了统计,误差在-6.7%到6.2%之间,而可穿戴设备的误差在-22.7%到-1.5%之间。
这项研究共统计了全美前十的智能手机运动应用和可穿戴设备,由14名志愿者完成了500步和1500步的测量,每人都进行了两次测试,最终得出以上的结论。就在前不久,JAMA学术期刊上还得出了可穿戴设备对使用者生活习惯和健康几乎无促进作用的结论。
最后该研究小组的负责人给出的建议是,考虑到有超过65%的成年人随身携带智能手机,而可穿戴设备的普及率不足2%。,手机可以作为通用的健康追踪设备使用。
好文章,需要你的鼓励
工业升级的关键,或许在于智能本身。“工业+机器人”将成为通向下一阶段工业体系的核心抓手。——黄仁勋。
浙江大学等联合研究发现,AI强化学习效果取决于"模型-任务对齐"程度。当AI擅长某任务时,单样本训练、错误奖励等非常规方法也有效;但面对陌生任务时,这些方法失效,只有标准训练有用。研究团队通过大量实验证实,这种"舒适圈"现象比数据污染更能解释训练差异,为AI训练策略优化提供了新思路。
瑞士政府正式发布了自主研发的人工智能模型,该模型完全基于公共数据进行训练。这一举措标志着瑞士在AI技术自主化方面迈出重要一步,旨在减少对外国AI技术的依赖,同时确保数据安全和隐私保护。该模型的推出体现了瑞士对发展本土AI能力的战略重视。
巴赫切希尔大学研究团队通过对五种不同规模YOLO模型的量化鲁棒性测试发现,静态INT8量化虽能带来1.5-3.3倍速度提升,但会显著降低模型对噪音等图像损伤的抵抗能力。他们提出的混合校准策略仅在大型模型处理噪音时有限改善,揭示了效率与鲁棒性平衡的复杂挑战。