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
企业谈AI基础设施时,注意力往往首先集中在模型、GPU和算力集群上。但当大模型应用走向规模化推理,一个瓶颈开始浮现:算力采购完成,并不意味着Token能够被稳定、低成本、可控地交付出去。
STATE16研究院这篇综述发现,物理AI系统存在"静默失效"风险——AI以高度自信执行基于错误世界信息的动作,却不触发任何报警,并提出在AI输出与物理执行之间建立独立授权层的框架。
穆拉蒂时隔18个月首次接受重大媒体采访,介绍其创立的Thinking Machines Lab正在开发的"交互模型"。该模型能以200毫秒间隔处理音频、文本和视频流,捕捉人类交流中的中断、修正和停顿。她还谈及OpenAI"政变周"经历,强调行业决策权过于集中的担忧,并回应了公司近期研究人员离职问题,表示这是初创实验室的正常波动。
UIUC与微软联合研发的OpenWebRL框架让4B小模型仅凭400条初始数据,通过在真实网站上边做边学的强化学习方式,在网页智能体基准上超越了用27万条数据训练的竞争对手。