10月18日,小米官方正式发布MIUI11稳定版,首批推送一共包括12款机型。本次稳定版升级推送距离MIUI11发布会只过去不到一个月时间,是小米史上距离发布会时间最短的稳定版升级,同时也是安卓手机行业最快适配升级的一次典范。
9月24日,MIUI11和小米Alpha一同发布引起了行业的高度关注。雷军曾在个人微博表示,“MIUI11是MIUI所有版本升级中最好的一次!”随着MIUI11的内测和公测,网上也有非常多用户在使用MIUI11后给予了高度评价。比如微博用户iMichaeIHu表示,“MIUI11再续一年,美不胜收,臻于完美。”科技异族则提到,“小米6稳定版MIUI11一整晚只掉了一格电。”类似的评价还有很多,记者不在此一一列举。总之,历经一年多时间打磨的MIUI11已经获得来自行业以及普通消费者的高度认可。
首批MIUI11稳定版支持十二款小米机型升级。具体包括:小米9SE、小米MIX3、小米MIX2S、小米8、小米8青春版、小米8透明探索版、小米8屏幕指纹版、小米8SE、小米MAX3、Redmi K20、Redmi Note 7Pro、Redmi7等十二款机型。这是MIUI11发布后的首批稳定版升级推送,也创下了行业内稳定版发版最快的纪录。
除此之外,小米还是国内支持Android 10最早的手机厂商。今年9月初,小米便对外官宣Redmi K20 Pro成功适配升级了Android 10系统,是国内首家给用户提供Android 10稳定版的手机厂商。记者了解到,目前除了上述十二款机型,像小米9、Redmi K20 Pro等热门机型的MIUI11系统也正在基于Android 10做最后的适配测试,预计大家不会等太久。
用户可以通过小米官方在线升级(OTA)方法,接收官方升级消息推送,或者从“设置-我的设备-MIUI版本”检测升级,支持从MIUI8、MIUI 9、MIUI10稳定版直接升级到MIUI11。
全新MIUI11系统在视觉和听觉方面又一次刷新认知,是继MIUIV5之后的又一经典版本。动态字体系统和动态自然音效同时拿下两项德国红点设计大奖,这在业界尚属首次。在手机字体的探索上,小米一直走在前列,早在2016年6月,小米就推出了自定义的小米兰亭字体,是首家对字体重新定制的手机厂商。这次MIUI11不仅带来了全新的小米兰亭Pro,而且率先在手机系统行业推出全球首个无级字重功能,在手机系统领域继续领跑业界。
功能方面,MIUI11带来了Mi Work与Mi Go功能套件,分别针对办公和出行给出了全方位解决方案。Mi Work套件包括小米互传、超级文档、智能投屏及无线打印等功能,Mi Go则包括出行助手和超级省电两个功能。MIUI11带来的两个全新功能套件让手机工作效率大幅提升,给工作和生活带来更为舒心的使用体验。
业内人士表示,MIUI11稳定版刷新了行业适配升级时间最短的纪录,进一步展现了小米在手机适配速度上领先的优势。全新系统围绕设计和效率两大核心方面进行打磨升级,从用户的实际需求出发,不仅带来了耳目一新的视觉冲击,功能上更加便捷实用,小米MIUI在安卓系统定制方面依旧保持着领先行业的前瞻性。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。