首页
快讯
模型与研究
工具与产品
开发实战
评测
行业应用
关于孤本网
登录
菜单
首页
快讯
模型与研究
工具与产品
开发实战
评测
行业应用
关于孤本网
孤本网 科技资讯
聚焦人工智能模型、AI 工具、智能应用与开发实战,提供经核验的发布动态、产品评测、教程与行业观察。
归档
2026 年 10 月
Austin Mann 评 iPhone 18 Pro 影像:可变光圈与胶片风格重塑创作自由
2026-10-14
工具与产品
一句话结论 iPhone 18 Pro 通过新增可变光圈与胶片摄影风格,赋予摄影师更精细的光影控制力,显著拓展了移动端影像创作空间。 关键要点 iPhone 18 Pro 新增可变光圈设计,最大光圈达 ƒ/1.48,使弱光环境下的进光量提升 50%。 1x 主摄支持四档光圈切换,其中 ƒ/1.8 档
STEPX Neo 发布:首款大模型原生智能体手机开启软硬模全栈定价模式
2026-10-14
模型与研究
#大模型
#AI Agent
#终端硬件
一句话结论 STEPX Neo 确立智能体手机新范式,以软硬模全栈定价重构终端商业逻辑与开发者生态。 关键要点 STEPX Neo 搭载 Step AOS 1.0 系统与阶跃 Amoo 智能体,硬件融合六麦克风与 MiniLED 背屏。 首创软硬模全栈定价,先售价 3,999 元,赠 12 个月每月
英国构建主权AI生态:NVIDIA投入2.5亿美元算力,全行业加速应用落地
2026-10-14
行业应用
#算力芯片
#技术生态
#人工智能
一句话结论 英国通过引入主权AI算力、开放基础模型及行业专属数据集,推动AI从概念验证迈向千万级用户的服务部署。 关键要点 NVIDIA承诺在英国部署为期5年、总额达2.5亿美元的算力基础设施,重点用于强化代理(Agentic)安全与相关领域的研究。 Locai Labs 发布了名为 Nemotro
NVIDIA联合欧洲城市构建本地化AI工厂,以物理智能与数字孪生重塑城市运营
2026-10-14
行业应用
#算力芯片
#人工智能
一句话结论 NVIDIA携手欧洲城市及伙伴部署本地AI工厂与物理AI代理,以数字孪生和开放模型提升交通、能源及公共服务的效率与自主控制力。 关键要点 法国科多省(Jura department)利用数字孪生管理500多座公共建筑,将文档搜索时间从数周缩短至分钟级,运营成本降低10%,规模化目标为30
腾讯发布企业微信与WorkBuddy互通新版本,实现办公场景下的智能体双向深度融合
2026-10-14
行业应用
#AI Agent
一句话结论 腾讯企业微信与 WorkBuddy 发布新版实现账号打通,使智能体具备调用企业全域上下文的能力,显著提升办公效率。 关键要点 企业微信 5.0.12 版本中,WorkBuddy 以可对话机器人身份进入联系人列表,用户可通过聊天直接处理工作任务。 最新 5.8.0 版本的 WorkBudd
便携 Sonos Play 与 Sonos Ace Ultra 深度评测:长续航与空间音频的平衡术
2026-10-14
工具与产品
#模型评测
一句话结论 Sonos 发布售价 2999 元的 Play 便携音箱与旗舰 Ace Ultra 耳机,以 24 小时续航和 45W 快充为核心,但空间音频降级与语音助手缺失构成核心局限。 关键要点 Sonos Play 售价 2999 元,内置电池支持 24 小时播放,配备 45W USB-C 插头
中欧达成混动与电动汽车贸易共识,中汽协声明支持并强调维护产业链稳定
2026-10-14
快讯
#终端硬件
一句话结论 中欧达成混动与电动汽车贸易磋商共识,中汽协声明支持并强调维护产业链稳定。 关键要点 10 月 14 日午间,中国汽车工业协会发布关于中欧混动汽车、电动汽车磋商共识的正式声明。 中欧双方在贸易投资磋商机制下,就混动汽车、电动汽车贸易问题开展密集磋商并达成共识。 共识明确秉持基于事实、非歧视
MDN-VJEPA提出多模态概率联合嵌入世界模型,提升分支未来规划一致性
2026-10-14
评测
#多模态
一句话结论 MDN-VJEPA通过混合密度网络表征多模态未来分布,在时序一致性与组合一致性层面改进世界模型预测能力。 关键要点 MDN-VJEPA将变分JEPA(VJEPA)的潜变量预测器实例化为混合密度网络(MDN),未来状态用高斯混合表示,各分量编码不同未来、其概率及模态内不确定性。 论文提出三
预测先于修改:自进化智能体引入改进动力学模型提升跨域性能
2026-10-14
评测
#AI Agent
一句话结论 研究团队提出改进动力学模型,使自进化智能体在评估前预测修改结果,跨领域性能最高提升46%。 关键要点 该模型在评估前预测任务级结果,并指导可选的修改方案,避免盲目迭代。 评估后利用历史修改与观测结果更新模型,使预测知识在代际间累积。 在四个领域全面超越基础系统HyperAgents,平均
PRIME 通过统一优化将混合专家模型的压缩转化为频率加权的整数线性规划问题,显著降低部署时的内存需求
2026-10-14
评测
一句话结论 PRIME 框架通过联合优化剪枝与合并策略,将混合专家模型的内存占用显著降低并提升了吞吐量。 关键要点 PRIME 提出了一个统一的优化框架,将原本割裂的专家剪枝(pruning)与合并(merging)操作整合为一个整体优化过程,取代了传统的贪心启发式算法。 该框架将离散的剪枝-合并分
上一页
1 / 262
2 / 262
3 / 262
4 / 262
5 / 262
6 / 262
7 / 262
8 / 262
9 / 262
10 / 262
11 / 262
12 / 262
13 / 262
14 / 262
15 / 262
16 / 262
17 / 262
18 / 262
19 / 262
20 / 262
21 / 262
22 / 262
23 / 262
24 / 262
25 / 262
26 / 262
27 / 262
28 / 262
29 / 262
30 / 262
31 / 262
32 / 262
33 / 262
34 / 262
35 / 262
36 / 262
37 / 262
38 / 262
39 / 262
40 / 262
41 / 262
42 / 262
43 / 262
44 / 262
45 / 262
46 / 262
47 / 262
48 / 262
49 / 262
50 / 262
51 / 262
52 / 262
53 / 262
54 / 262
55 / 262
56 / 262
57 / 262
58 / 262
59 / 262
60 / 262
61 / 262
62 / 262
63 / 262
64 / 262
65 / 262
66 / 262
67 / 262
68 / 262
69 / 262
70 / 262
71 / 262
72 / 262
73 / 262
74 / 262
75 / 262
76 / 262
77 / 262
78 / 262
79 / 262
80 / 262
81 / 262
82 / 262
83 / 262
84 / 262
85 / 262
86 / 262
87 / 262
88 / 262
89 / 262
90 / 262
91 / 262
92 / 262
93 / 262
94 / 262
95 / 262
96 / 262
97 / 262
98 / 262
99 / 262
100 / 262
101 / 262
102 / 262
103 / 262
104 / 262
105 / 262
106 / 262
107 / 262
108 / 262
109 / 262
110 / 262
111 / 262
112 / 262
113 / 262
114 / 262
115 / 262
116 / 262
117 / 262
118 / 262
119 / 262
120 / 262
121 / 262
122 / 262
123 / 262
124 / 262
125 / 262
126 / 262
127 / 262
128 / 262
129 / 262
130 / 262
131 / 262
132 / 262
133 / 262
134 / 262
135 / 262
136 / 262
137 / 262
138 / 262
139 / 262
140 / 262
141 / 262
142 / 262
143 / 262
144 / 262
145 / 262
146 / 262
147 / 262
148 / 262
149 / 262
150 / 262
151 / 262
152 / 262
153 / 262
154 / 262
155 / 262
156 / 262
157 / 262
158 / 262
159 / 262
160 / 262
161 / 262
162 / 262
163 / 262
164 / 262
165 / 262
166 / 262
167 / 262
168 / 262
169 / 262
170 / 262
171 / 262
172 / 262
173 / 262
174 / 262
175 / 262
176 / 262
177 / 262
178 / 262
179 / 262
180 / 262
181 / 262
182 / 262
183 / 262
184 / 262
185 / 262
186 / 262
187 / 262
188 / 262
189 / 262
190 / 262
191 / 262
192 / 262
193 / 262
194 / 262
195 / 262
196 / 262
197 / 262
198 / 262
199 / 262
200 / 262
201 / 262
202 / 262
203 / 262
204 / 262
205 / 262
206 / 262
207 / 262
208 / 262
209 / 262
210 / 262
211 / 262
212 / 262
213 / 262
214 / 262
215 / 262
216 / 262
217 / 262
218 / 262
219 / 262
220 / 262
221 / 262
222 / 262
223 / 262
224 / 262
225 / 262
226 / 262
227 / 262
228 / 262
229 / 262
230 / 262
231 / 262
232 / 262
233 / 262
234 / 262
235 / 262
236 / 262
237 / 262
238 / 262
239 / 262
240 / 262
241 / 262
242 / 262
243 / 262
244 / 262
245 / 262
246 / 262
247 / 262
248 / 262
249 / 262
250 / 262
251 / 262
252 / 262
253 / 262
254 / 262
255 / 262
256 / 262
257 / 262
258 / 262
259 / 262
260 / 262
261 / 262
262 / 262
下一页