发送的照片终于不糊了!虽然我已经是多年的iPhone老用户,但我的家人却特别爱用Android机。于是在长久以来的照片发送和接收过程中,我发现跨平台传输的画面只有邮票那么大、清晰度堪比水彩涂鸦。但在自己的iPhone 15 Pro上安装iOS 18 beta版的几分钟之后,我让家人又发来一张照片,并惊奇地发现自己看到的就是多年来期盼的高分辨率图像。什么叫升级?这才叫升级!
当然,RCS支持只是iOS 18中的众多新功能之一。在几周之前的WWDC大会上,苹果公布了一系列关于主屏幕自定义、Siri改进、照片应用改版等内容。该公司还增加了对RCS的支持,这是一种更现代、也更强大的消息传递协议,谷歌等其他厂商早已在Android当中采用了这项协议。不过苹果的改变似乎只是对监管机构严厉态度做出的勉强回应——在iOS发布的末尾,才顺带提到了这项功能。
然而对于许多iPhone用户来说,也包括多年以来与这些iPhone用户交互的数十亿Android用户来说,RCS支持绝对是件大事。
但必须承认,RCS并不能解决世界上所有的消息传递问题。首先,绿话泡仍然存在。在使用RCS时,话泡的颜色甚至都没改变——仍然是绿色一索。iPhone也没有在RCS的支持之上提供加密,尽管iMessage已经默认提供端到端加密支持,但苹果采用的RCS只是最基础的标准——也就是RCS通用配置文件,而非谷歌那边更安全的实现方案。所以总体来讲,RCS并不能算“Android版的iMessage”,也不足以吸引全球数十亿WhatsApp用户改换门庭。它只是一种“更好的短信”,只是确实比短信要好得多得多。
在使用RCS时,绿话泡消息的效果会更好。Android和iPhone用户都可以获得输入指示器、已读回执、高分辨率媒体以及其他大家对于一款合格消息类应用所期望的体验。现在,只要使用标准选项(比如!!、赞等),Tapback响应也能正常工作。在iOS 18中,现在我们可以将任意表情符号当作Tapback进行发送。这项功能只在iPhone之间效果很好,但目前在以Google Messages为代表的Android短信应用中会显示“David对‘今天晚饭?你想吃点什么?’消息做出了回复”这类烦人的内容。谷歌可能会很快解决这个问题,毕竟Messages应用一直被另一端的iMessage用户搞出种种麻烦。但至少就当前看,整个功能体验还是不够稳定。
看起来苹果是把RSC消息传递协议当作了三层系统。最好的情况是两台苹果设备之间往来通信,这时候苹果会默认使用iMessage。如果不是,则转向RCS。如果RCS不可用(可能是因为运营商不支持,可能是没有数据服务,也可能是其他原因),则进一步退回到基础短信。苹果并没有完全放弃短信,这是很聪明的做法。但真心希望从今年秋季开始,我们能够彻底告别这位老古董。
不过目前我仍然会经常用到短信。毕竟第一次用iPhone给别人发消息时,似乎主要还是靠短信的形式交流。等到对方回复,双方才正式转为RCS的联系方式。而在这一阶段的会话结束之后,似乎又会切换回短信(我们随时可以在自己的文本框中看到所发送的信息类型)。我在手机端没有遇到过任何可靠性或者性能问题,但在将笔记本电脑和iPad设置为短信收发同步后,我在测试中发现短信和RCS消息的发送速度都比之前要慢得多。不过这些小问题在早期测试版中确实经常出现,而且大多会在正式发布前得到解决(虽然偶尔也不行)。
还有一些功能仍然没有到位,而且可能永远不会到位。比如当我在RCS聊天过程中,根本无法访问iOS 18提供的任何新型文本格式选项。比如说发送带有气球的消息,也没有气球图标供我选择,只是在消息中添加了一条愚蠢的文字描述(带有气球图标)。我们也没法通过RCS使用iMessage应用或者进行内联回复。苹果明显是希望让iMessage的体验永远比RCS更好。确实,iMessage在iOS 18中的体验仍然非常出色。
尽管如此,iOS 18中的RCS支持对于世界各地的短信用户来说仍然是个巨大的胜利。用户们一直在呼吁苹果提供一种更好的跨平台照片与视频分享方式——而库克本人臭名昭著的发言——“不如给你妈妈买部iPhone”——实际上就是在回应这个关于通过短信发送视频的问题。现在这一切终于得到基本的解决,我知道自己的家人读了我的消息,也终于能在收到的视频和图片中看清家人的脸。爽!可一想到这样的要求居然直到2024年才得以实现,我又觉得一切是那么诡异而且讽刺。
好文章,需要你的鼓励
这项研究提出了R1-Searcher++框架,通过两阶段训练策略使大语言模型能像人类一样灵活利用内部知识和外部信息。该方法创新性地采用强化学习激励模型优先使用内部知识,并引入记忆机制将检索到的信息转化为内部知识,实现动态知识获取。实验表明,R1-Searcher++不仅在多步问答任务上表现优异,还大幅减少了检索次数,显著提高了推理效率。
这项研究提出了AutoRefine,一种革新性的强化学习框架,为大语言模型引入了"边思考边搜索和完善"的全新范式。与传统方法不同,AutoRefine在连续搜索调用之间添加知识完善步骤,让模型能够有效过滤和组织信息。通过结合答案正确性和检索质量双重奖励,该方法在七项问答基准测试中平均提升6.9%的准确率,特别在复杂多跳推理场景中表现突出,解决了现有检索增强推理的核心局限性。
这项研究揭示了一种新型网络安全威胁:利用普通网络广告攻击AI网页代理。中科院研究团队开发的AdInject攻击无需特殊权限,仅通过精心设计的广告内容就能误导AI代理点击恶意链接,成功率高达90%以上。研究使用严格的黑盒模型,更符合现实场景,暴露了当前AI代理面临的实际安全漏洞。实验还表明,即使添加专门的防御提示,这类攻击仍能成功率超过50%,凸显了设计更强大防御机制的紧迫性。
东北大学与快手科技联合研发的UNITE系统为多模态信息检索带来突破性进展。这项发表于2025年5月的研究首次系统分析了模态特定数据如何影响检索性能,并提出创新的模态感知掩码对比学习技术,有效解决不同模态间的竞争关系。UNITE能同时处理文本、图像、视频及其组合,在40多项测试中超越现有方法,即使与参数规模更大的模型相比也表现出色。研究发现视频-文本对在通用检索中表现优异,而文本-文本和文本-图像对对指令遵循任务至关重要,为未来多模态系统研究提供了宝贵指南。