OnePlus 擅长把握潮流——如果其他智能手机制造商尝试了某种新趋势,你可以肯定 OnePlus 也会提出自己的方案。该公司近日确认,将放弃备受推崇的警报滑块,转而采用类似 Microsoft Apple 的快捷键 Plus Key,而这并不是其最新手机追逐的唯一潮流。OnePlus 还宣布扩展 AI 功能系列,涵盖翻译、摄影、屏幕捕捉等多个领域。虽然 OnePlus 并未开辟全新局面,但它确实挑选了一些在其他手机中已被证明实用的 AI 功能。
OnePlus 的方案覆盖了大多数已确立的 AI 应用场景。未来将推出 AI VoiceScribe 功能,该功能能够录制并摘要流行的消息和视频通话应用中的通话内容。同样的,AI Call Assistant 可用于录制和摘要电话通话,有点像 Google Pixel 手机上的功能。但目前这两项功能仅限于印度市场。
在全球范围内,OnePlus 用户将享受到 AI Translation 功能,该功能将文本、语音、相机和屏幕翻译整合到一个由 AI 驱动的应用中。与此同时,AI Search 允许你以“对话”方式搜索手机内以及 OnePlus 系统应用中的内容。这让人觉得它基本上就是手机上的又一个聊天机器人,类似于 Motorola 的 Ask and Search 功能,不过我们对此并不十分买账。
OnePlus 还在摄像功能中注入了 AI 智能。AI Reframe 可以分析取景器中的画面,并给出不同的构图建议。AI Best Face 2.0(计划于今年夏末推出)能够分析并修正眯眼或“表情不理想”等问题。这听起来像是 OnePlus 版的 Google Best Take,但我们并不抱怨——这确实是一项很棒的功能。该功能支持最多 20 人的合影,你甚至可以导入其他手机拍摄的照片,自动修正每个人的面部细节。
OnePlus 方法的核心在于一项名为 AI Plus Mind 的功能,该功能与 Plus Key 集成在一起。它允许你捕捉屏幕中的内容,并将其存储至由 AI 策划的“Mind Space”中。同样,OnePlus 似乎正借鉴 Google 的经验,推出了自家的截图应用版本。据称,此功能甚至可以提取诸如日历约会等有用信息,免去了手动添加的麻烦。未来的更新还将实现对 Mind Space 内容的自动分类。
Plus Key 具备可自定义的快捷键,并与“Mind Space”屏幕录制器相连。
来源: OnePlus
该公司表示,采用的是混合处理方式,即将敏感数据保留在手机中,只有在需要更多算力时才调用云端资源。不过,OnePlus 系统的具体细节目前尚不明确。三星提供了一个切换按钮以禁用云处理,而 Google 则是在后台默默按照其认为合适的方式运行。如果 OnePlus 能借鉴三星的做法,我们会非常期待。
在某些方面,OnePlus 正在效仿三星。当三星发布 Galaxy S25 系列时,其中就首次展示了 Gemini 在 Google Pixel 手机之外跨应用工作的能力。如今,OnePlus 将步其后尘。作为 OnePlus AI 推广的一部分,Gemini 将获得与 OnePlus 应用(如 Notes 和 Clock)交互的功能。
许多全新的 OnePlus AI 功能将率先在本公司全新的 OnePlus 13s 上亮相,该机型是面向中国市场的 OnePlus 13T 的一个变种。然而,美洲和欧洲地区再次被排除在外,OnePlus 13s 将仅在印度上市。未来的 OnePlus 设备也将采用 Plus Key,从而实现类似的 AI 功能快速访问。OnePlus 13 系列现有设备也将通过更新启用大部分新 AI 功能。所以,即使你不换新机,也能享受到更多 AI 带来的便利。
把那副不尽人意的表情擦掉吧——你难道不知道,现在已经是 AI 时代了吗?
好文章,需要你的鼓励
上海交通大学研究团队利用影响函数揭示了数据特征如何刺激大型语言模型的数学和代码推理能力。研究发现高难度数学问题能同时提升数学和代码推理,而低难度编程任务对代码推理最有效。基于此,他们提出了"任务难度翻转"策略,使模型在AIME24准确率翻倍至20%。细粒度分析还显示,探索性思维行为对推理有积极影响,而数学推理偏好逻辑连接词,代码推理则强调结构化语法。这些发现为优化AI训练数据提供了重要指导。
本研究提出了"能力-难度对齐采样"方法(CDAS),革新了大型语言模型强化学习训练中的数据采样策略。与传统方法不同,CDAS通过聚合历史表现差异实现更稳定的问题难度估计,并将模型能力与问题难度动态匹配。在多个数学推理基准测试中,CDAS达到了46.77%的最高平均准确率,同时比竞争策略提高了2.33倍的计算效率。研究还证明了CDAS在代码生成任务和更大型模型上的有效性,为提升大型语言模型的推理能力提供了高效可靠的新方法。
InfantAgent-Next是一款突破性的多模态通用型AI助手,能通过文本、图像、音频和视频与计算机进行交互。不同于现有方法,它采用高度模块化架构,将基于工具和纯视觉的代理技术融为一体,让不同模型能逐步协作解决分散任务。在OSWorld视觉测试中达到7.27%的准确率,超越Claude-Computer-Use;同时在代码处理基准SWE-Bench和通用任务平台GAIA上也表现出色。其开源设计不仅提供了丰富工具集,还优化了鼠标点击定位和文件编辑功能,为AI自动操作计算机开创了新范式。
KAIST等机构研究团队提出的"覆盖原则"框架揭示了大语言模型在组合泛化能力上的基本局限。研究表明,依赖模式匹配的模型只能泛化到那些可以通过替换功能等价片段到达的输入。实验证实,两步推理任务的训练数据需求与词表大小成二次方增长,且增加模型参数并不改善这种关系;路径歧义任务会导致模型形成上下文依赖的表示;思维链监督虽能提高效率但仍受覆盖限制。研究最终提出三类泛化机制的分类法,为理解组合推理和真正系统性泛化所需的创新提供了清晰路径。