今天上午，vivo宣布即将发布的新一代摺叠屏手机vivo X Fold 2成为博鳌亚洲论坛官方指定手机，同时vivo向论坛秘书长李保东赠送即将发布的摺叠屏手机vivo X Fold2，从配图中可以看到该机外观。

vivo X Fold 2机身背面相比上一代在细节上有所变动，首先後摄模组取消了盖板的区域设计，蔡司的小蓝标移至後摄镜头的下方，但是摄像头依旧采用圆形设计，并且偏左摆放在机身背面。

图：vivo X Fold 2

图：vivo X Fold

从图片来看，vivo X Fold 2後置采用的是三个镜头，机身背面貌似采用的是素皮材质，并且在背面的右侧加入了一条烫印分割线，外屏采用的是居中单挖孔曲面屏，看起来屏幕尺寸比例比较正常。

结合爆料消息，vivo X Fold 2将搭载第二代骁龙8处理器，主摄采用的是5000万像素IMX866感测器，没有配备潜望式摄像头，配备了1200万像素的超广角以及1200万像素长焦镜头，内置4800mAh电池，支持120W快充。vivo X Fold 2新机将会在4月发布。

喜欢这篇文章吗？立刻分享出去让更多人知道吧！

本站内容充实丰富，博大精深，小编精选每日热门资讯，随时更新，点击「抢先收到最新资讯」浏览吧！

请您继续阅读更多来自 热点科技 的精彩文章:

※小米手机弹出式摄像头专利曝光，升降摄像头手机重出江湖？
※iQOO Neo7竞速版手机发布，搭载骁龙8 双晶元，售价2799元起…

由华为、长安汽车、宁德时代联合打造的阿维塔已经发布了阿维塔11智能汽车，主打的便是智能化驾驶，同时以其时尚的外观以及出色的操纵体验受到了大家的高度认可，尤其是通过华为研发的智能驾驶系统让整车在智能驾驶体验上达到了行业领先的水准。而在今天晚上阿维塔又发布了阿维塔11单电机版，不但拥有与阿维塔11双电机版完全一样的智能驾驶体验，而且价格也更加打动人心。

首先是外观，阿维塔11单电机版与双电机版几乎没有什麽区别，阿维塔11单电机版同样是由阿维塔全球设计中心操刀设计，整体造型的辨识度很高。灯光呈现出流水动态，给人们带来独特的动态美感。此外，前格栅继续采用了无封闭式设计，阿维塔也将半固态激光雷达、毫米波雷达、超声波雷达和摄像头这些负责智能导航的硬体完美地融合在汽车的前身，并不会产生突兀感。从侧面来看，整车采用的是溜背式设计，让其充满运动感，同时藉助庞大的轮毂展示出整车出色的力量感。

从内饰上来看，阿维塔11单电机版同样采用了环拥式感应座舱，基於现在最流行的双连屏设计，由两块12.5英寸的液晶屏所构成，并且中控采用的是一块15.6英寸的悬浮式屏幕，让消费者的操作感更加舒适。当然鸿蒙OS的加入也让整车的操作流畅性让人十分地满意。

当然作为一款智能汽车，最受关注的还是在於汽车的智能驾驶性能，对此阿维塔11单电机版全系标配3个激光雷达，6个毫米波雷达，12个超声波雷达以及13个摄像头，同时藉助华为强大的演算法以及计算晶元实现道路路况的实时搜集，为智能导航提供准确而又实时的数据。阿维塔11也是业内首创交互博弈演算法，类人控制演算法，实现34个智能驾驶感测器的全场景利用。同时阿维塔11单电机也是首批全系迭代华为最新一代高阶智能驾驶系统ADS 2.0的汽车，藉助HI华为全栈智能汽车解决方案，逐步摆脱高精地图的束缚，实现更加智能化的驾驶体验，将感知、计算、HMI交互以及车控高效配合，让智能驾驶无卡点。此外阿维塔也表示阿维塔11全系标配高速NCA智驾导航辅助，并且将会在深圳、上海、广州、重庆等城市率先推送城区NCA智驾导航辅助。

阿维塔11单电机版采用的是後驱的单电机，最大功率达到了230KW，最大扭矩为370N?M，百公里加速为6.6s和6.9s两个版本，搭载的是宁德时代最新研发的90度与116度的三元锂电池包，CLTC 续航可以达到600KM以及706KM。同时藉助750V的电压平台，可以实现10分钟充电200KM。

最後是价格，长续航单电机版售价31.99万元，而超长续航单电机版售价34.99万元，从价格上来说还是符合其中高端汽车的定位的。作为采用华为最新智能驾驶解决方案的汽车终端，阿维塔11在获得众多好评的前提下推出了单电机版本的整车产品，自然会受到关注智能驾驶消费者的追捧。…

杨净 萧箫 发自 凹非寺
量子位 | 公众号 QbitAI

「中国版ChatGPT首发」，争得不可开交，热闹却一直没个结果——

自ChatGPT发布以来，目前进展最快的国内产品也仅是开启了内测，不知道啥时候才能玩上。

结果现在有读者跟我们爆料，一个中文版类ChatGPT产品已经悄然上线。

不是预告、也不是开启小范围测试，而是直接人 人 可 用？！中国版ChatGPT这不就来了吗！

听起来有些玄幻，不过我们点进主页试了试，发现确实可玩：

这不得拿出十八般武艺与它较量一番？

我们注册了一个账号，试试它的实际效果如何。

和中国版ChatGPT较量中文

这个官网显示，写作猫同样通过对话问答来解决任务，功能上包括但不限於三大方向。

从功能上看跟ChatGPT差不多，甚至还拥有ChatGPT所没有的图片生成功能。

当然，还有手机端更方便一点，进入「对话写作猫」小程序就能随时和它聊天了。

体验上还算比较简单直接，但都是表面功夫还得来看真本领。比如它的理解、逻辑能力如何，懂不懂常识。

既然是中国版ChatGPT，当然得先来battle一下博大精深的中文。

首先看看它的中文理解能力是否过关，请听题——「能穿多少穿多少」是什麽意思？

不错。再试试高阶一点的「国足和国乒谁都赢不了」？

没想到，竟然连这种中文知识都具备了！

既然如此，是时候拿出一些弱智吧段子和它PK了，考考它的逻辑能力——

高中想提升升学率为什麽不直接招大学生？

万万没想到，问完自己被扎了一刀：

招收大学生可能会对学校的教学质量产生影响，因此高中不能直接招收大学生。

最後来考查一下它的常识。来个脑筋急转弯试试：

看起来并没有被问题带跑偏，还是比较理智的。

接下来，进入正经的第二阶段，评估一下它的内容生成效果。

首先是生成速度上，文字平均在3~5秒左右，生成4幅图则需要8秒左右，整体还是比较快的。

随後就是生成内容的实用程度了，简单来说就是解决实际需求的能力。

例如，写小说的故事情节是否完整？查阅到的知识是否直接可用？

先看生成情节的能力，确实是个完整的爱情故事……但等等，孙坚和小乔，这辈分好像有亿点点乱啊！

要是更玄幻一点呢？

天地之间、神秘的少年、精灵、森林……艾玛有画面了！…

Brilliant 投稿
量子位 | 公众号 QbitAI

AI生成的图像太逼真，为什麽不能拿来训练AI呢？

可别说，现在还真有人这麽做了。

来自香港大学、牛津大学和位元组跳动的几名研究人员，决定尝试一下能否使用高质量AI合成图片，来提升图像分类模型的性能。

为了避免AI合成的图像过於单一、或是质量不稳定，他们还提出了几类提升数据多样性和可靠性的方法，帮助AI合成更好的数据集（来喂给AI的同类doge）。

结果他们发现，不仅效果不错，有的AI在训练後，效果竟然比用真实数据训练还要好！

目前这篇论文已经被ICLR 2023收录。

把AI生成的数据喂给AI

作者们分别从零样本（zero-shot）、少样本（few-shot）图像分类、模型预训练（pre-training）与迁移学习三个??进?了探讨，并给出了提升数据多样性与可靠性的方法。

零样本图像分类

零样本（Zero-shot）图像分类任务，指没有任何?标类别的训练图?，只有对?标类别的描述。

作者们先是提出了一种名为语言增强（Language Enhancement，LE）的?法，用於增强合成数据多样性。

具体来说，这种方法会给标签「扩句」，如果原标签是简单的「飞机」，那麽经过「扩句」後的提示词就会变成「一架盘旋在海滩和城市上空的白色飞机」。

随後，还采用了一种叫做CLIP过滤器（CLIP Filter）的?法确保合成数据的可靠性，即过滤掉合成质量不行的图片，确保AI数据质量过硬。

在17个数据集上，相?此前效果最好的CLIP模型，相关??模型均获得了显着提升（4.31%/2.90%），展示了合成数据的有效性。

少样本图像分类

少样本图像（Few-shot）分类任务，通常仅有极少数量（1～16张）的?标类别图?，与零样本任务的区别是增加了类别与任务特定领域信息。

因此，作者们决定将域内数据（in-domain）的知识?於图像?成，即将少量的?标类别图??於杂讯叠加的初始状态（Real Guidance），进?步发挥?成模型的能?，从而进?步提升性能。

预训练与迁移学习

模型预训练（pre-training）任务，即将模型在?量数据上进?训练，将训练後的模型作为「起始点」，来帮助提升下游任务的性能。

作者们利?合成数据，对模型进?了预训练，并对数据量、数据多样性程度、预训练模型结构和预训练?法进?了实验研究。

最终发现：

1. ?合成数据进?预训练。已经可以达到甚?超越?真实数据预训练的效果。
2. ?更?的数据量和数据多样性的合成数据，可以获得更好的预训练效果。
3. 从模型结构和预训练?法来看，ViT-based模型（相比convolutional-based模型）、?监督?法（相比有监督?法）会更适合合成数据下的预训练。

论文认为，利??成模型产?的合成数据来帮助图像分类任务是可行的，不过也存在?定的局限性。

例如，如何处理特定任务的domain gap和数据多样性之间的trade-off，以及如何更有效地利?潜在?穷量的合成图??於预训练，都是需要进一步去解决的问题。

作者介绍

一作何睿飞，香港大学在读博士生@CVMI Lab，指导老师为齐晓娟老师，本科毕业於浙江大学竺可桢学院，研究方向是data-efficient …