8月10日小米召开秋季新品发布会,正式发布MIUI12.5增强版(Enhanced)。该版本立足基础体验优化,全力解决系统问题,成功修复了160个系统头部问题及224个系统应用问题。MIUI12.5增强版通过自研的四项全新技术,实现系统更加流畅、更低功耗的效果。
发布会上,小米集团软件与体验部总经理金凡首先感谢用户对MIUI的衷心建议并向用户郑重道歉。他表示“用户对我们的要求,是我们改进产品的最大动力。十一年来,MIUI一直是行业的先锋和标杆,我们理应保持先锋姿态,不断去实现功能和技术的突破,用最优秀的产品去赢得用户的认可!”
读写方面,MIUI12.5增强版针对文件存储机制进行优化,带来自研的液态存储技术。该技术能够高灵敏监测文件系统碎片化程度,使读写保持顺畅;内存方面,MIUI12.5增强本对内存管理机制进行优化,推出自研的原子内存技术。该技术实现行业顶尖的应用驻留和切换响应,保障系统更加流畅;处理器调度方面,MIUI12.5增强版自研出焦点计算,有效提高UI渲染优先级,实现系统流畅全面加速;此外,在功耗方面,MIUI12.5增强版针对旗舰硬件性能的智能调配,带来自研的智能均衡技术。该技术兼顾性能和功耗,满足不同场景下硬件性能的最大限度发挥。
MIUI12.5增强版带来了液态存储技术,这是MIUI团队针对文件存储机制的自研优化。安卓设备在长时间的使用过程中,频繁的创建和删除文件使存储空间逐渐碎片化,导致文件读写效率衰减、手机卡顿。MIUI液态存储技术能够高灵敏监测文件系统碎片化程度,将碎片整理效率提升60%。在使用手机36个月后,原生安卓系统的读写性能会衰减50%左右,而MIUI的读写性能仅衰减不到5%,手机依然流畅如初。
MIUI12.5增强版还带来了独创的内存管理技术——原子内存技术。在原生安卓系统机制下,当手机运行内存空间不足时,启动新应用会“杀掉”老应用,老应用“杀掉”后再次启动,需要重新读取耗费计算资源。不同于安卓直接“杀掉”老应用的机制,MIUI原子内存技术通过超精细内存管理,将后台应用“原子化”,当出现内存压力时,一方面对后台驻留应用做进程级的内存回收,另一方面对整体系统内存占用进行压缩,减少频繁的后台清理和反复加载,应用驻留和响应得到全面提升。
针对处理器调度,MIUI12.5增强版推出了焦点计算。全新系统针对当前用户感知最明显的核心场景,提高UI渲染优先级。无论是入门机、中端机、还是旗舰机,进行点击、滑动及其它复杂操作都顺滑跟手不卡顿。焦点计算还会在社交、购物等8类高频场景下抑制后台不重要的应用,使CPU使用率下降15%,电量平均节省8%。新系统不仅带来流畅度的提升,还使功耗更低。
此外,MIUI12.5增强版致力于均衡性能和功耗,推出智能均衡技术。一般来说,随着硬件性能的提升功耗也随之增加,MIUI12.5增强版对硬件性能功耗进行智能调配,满足不同场景下硬件性能的最大限度发挥,达到稳定、流畅、省电的目的。
在米粉最关心的机型适配和版本升级方面,MIUI一直都堪称业界良心。MIUI12.5增强版将于8月13日开启稳定版逐步推送。本次推送共12款机型,包含小米MIX 4、小米11 Ultra、小米11 Pro、小米11、小米10至尊纪念版、小米10 Pro、小米10S、小米10、Redmi K40、Redmi K40 Pro、Redmi K30S至尊纪念版、Redmi K30 Pro等。MIUI依旧延续了适配机型多、发版速度快的优势,让更多人能够体验到科技带来的美好生活。
MIUI12.5自发布以来,高度重视米粉的问题反馈。为此专门成立MIUI先锋小组,不断对系统进行修复及优化,力求在流畅度方面实现进一步提升,为用户带来顺畅的用机体验。MIUI12.5增强版顺势推出,及时解决了米粉反馈的大量问题,是对MIUI12.5大版本的完美收官。
业内人士表示,MIUI12.5增强版的推出再次现了小米注重用户参与感的文化基因。得益于亿万米粉的有效问题反馈和MIUI团队的优化及修复,共同实现了MIUI的流畅体验。今年第二季度,小米手机销量超过苹果,晋升全球智能手机销量第二名,这离不开MIUI极致操作系统的保驾护航。
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。