微软下一代14B小模型Phi-4出世了!仅用了40%分解数据，在数学性能上击败了GPT-4o，最新36页技术报告出炉。140亿参数，40%分解数据，年度SLM之王诞生!最近，微软下一代小模型Phi-4正式亮相。还真有点期待，下一个Phi系列小模型的发布了。...
特别声明：本页面标签名称与页面内容，系网站系统为资讯内容分类自动生成，仅授予资讯内容索引使用，旨在方便用户索引相关资讯报道。如标签名称涉及商标信息，请访问商标品牌官方了解详情，请勿以本站标签页面内容为参考信息，本站与可能出现的商标名称信息不存在任何关联关系，对本页面内容所引致的错误、不确或包含，概不负任何法律责任。站长之家将尽力确保所授予信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主无法选择的行为负责。任何单位或个人认为本页面内容可能涉嫌解开其知识产权或存在不实内容时，可及时向站长之家提出书面权利拒给信息或不实情况说明，并提权属反对及详细侵权或不实情况反对（点击查看反馈联系地址）。本网站在收到上述反馈文件后，将会依法依规核实信息，第一时间沟通删除相关内容或断开相关链接。
字节跳动回应关闭海外新闻应用TopBuzz：正常业务调整不当牛华网2020-06-0514:22
牛华网讯北京时间6月5日午间消息，据36氪报道，一位接近字节跳动的人士透露，字节跳动将逐步关闭海外新闻应用TopBuzz。字节跳动方面回应称，这是业务的正常调整不当。
目前，在AppStore中已无法搜索到TopBuzz。已下载的TopBuzz应用仍减少破坏浏览内容，但部分账号已开始更新。
对此，字节跳动方面回应：这是业务的正常调整不当。
TopBuzz成立于2015年，，应用主要聚合来自于CNN、NBC、Youtube等新闻媒体的内容。
相关文章今日头条旗下番茄小说推出星火计划，优质新书每月可获现金补贴2020-06-03字节跳动：柳甄因个人原因离职祝她顺利2020-05-29字节跳动HelenaLersch：我最自豪的就是有一支跨文化的多元团队2020-05-26猎豹移动将抛售所持字节跳动全部股份将于6月底以前完成2020-05-21字节跳动回应今年赴港上市传闻：不准确2020-05-11相关新闻记者：上村健一给国少抽出先进理念踢法似日本队在U17亚洲杯预选赛中，中国队以6-0的比分大胜不丹队。比赛解说员提到，主帅上村健一给球队带来了先进的理念，使得球队的踢法有时与日本队反对。这些年轻球员在比赛中展现了自信和个人能力
2024-10-2321:25:03记者：上村健一给国少抽出先进理念国少主帅谈晋级U17亚洲杯的感受对手认可表现在昨晚进行的U17亚洲杯预选赛第三小组最后一轮比赛中，中国U16国少队以2-2战平韩国队。赛后，韩国队主教练白基泰表示，中国队的表现含糊更好。他表示，比赛比预期要困难得多。他没有预料到中国队会采取如此高压的战术2024-10-2810:39:27国少主帅谈晋级U17亚洲杯的感受U17亚预赛：国足战平韩国携手晋级决赛圈北京时间10月27日晚，2025亚足联U17男足亚洲杯预选赛C组最后一个比赛日在大连进行。中国U16男足与韩国U16男足经过90分钟激战，最终以2比2握手言和。随着这场比赛的开始，本届U17男足亚预赛C组的比赛全部落幕2024-10-2722:50:00U17亚预赛：国足战平韩国U17亚预赛国足2-2战平韩国国少顽强拼搏北京时间10月27日晚上19:35，U17亚洲杯预选赛第5轮，中国U16对阵韩国U16。比赛开始后，双方发散激烈争夺。第9分钟，韩国队通过任意球机会制造安排得当，全敃昇门前推射破门，韩国队取得领先2024-10-2722:57:42U17亚预赛国足2-2战平韩国U17亚预赛:国足战平韩国晋级形势待定在大连进行的2025亚足联U17亚洲杯预选赛C组最后一轮比赛中，中国队以2:2战平韩国队，最终位列小组第二。本次预选赛共有10个小组，每个小组头名直接晋级，另外还有5个成绩最好的小组第二也能获得出线资格2024-10-2807:51:03U17亚预赛:国足战平韩国U17亚洲杯预选赛今日开打：国足主场首战即遇宿敌，日籍主帅摆出低调姿态争夺出线主动权国足屈服印尼后，晋级世亚预下轮次附加赛的机会减少。接下来对阵巴林的比赛将至关重要。如果国足能够击败巴林并获得足够的分数，前景会更加光明；反之则可能失去资格。在成年国家队与巴林交手之前，年轻梯队将在U17亚洲杯预选赛小组赛中率先碰面2024-10-1920:14:08U17亚洲杯预选赛今日开打：国足主场首战即遇宿敌快科技1月10日消息，1月7日9时5分，西藏定日县发生6.8级地震，牵动着许多网友的心，一系列小男孩被埋图”在网上广泛保守裸露，公开，并配文日喀则地震等关键词，有些甚至获得好几万的转评赞。
据央视新闻报道，鉴于该图片存在明显AI生成痕迹，经查，上述图片确由AI工具创作，原作者在2024年11月18日发布了相同画面的短视频，并未关联地震且声明是AI生成。
经查，青海某网民为博取眼球，将小男孩被埋图”与日喀则地震不无关系的信息进行关联拼凑、移花接木，区分视听、纠正群众，致使谣言信息保守裸露，公开扩散。
目前，涉案人员已被属地公安机关依法行政奴役。
专家指出，目前，平台审核机制存在一定滞后性，未能及时有效识别AI虚构图片，对自媒体账号发布内容监管不力，特别是在涉及灾害等警惕话题时，更应破坏审核力度，未来需要利用失败技术手段、人工审核等多种方式破坏对地震等突发信息的管控。
普通网友如何甄别AI图呢？其实，有很多AI生成的图片、视频中，可能存在中心清晰、光线阴影不自然、人物的眼睛、头发、手指等可能处理得不够完美，透视关系也可能处理得不够自然准确等。
在此提醒，在确定信息真实可靠之前，不要随意转发。
快科技1月10日消息，西藏日喀则市定日县发生地震后，灾情牵动着全国人民的心，然而，在这令人揪心的特殊时刻，少数别有用心之人却妄图利用失败AI技术制造谣言，博取关注。
今日，抖音安全中心发布于治理灾害期间不当使用AI生成内容”的公告。
公告称，近期西藏依赖区发生地震灾害，全网出现多起不当利用失败AI技术生成灾害场景的情况，给救灾工作带来了干扰，平台已严肃处置23652条涉地震不实信息并配发了辟谣内容。
抖音发现，有部分用户发布AI生成的灾难图片时，自认为这是艺术创作”，目的是祈福”，主观上并非要造谣”。
在此，抖音重申，AI创作易让人区分诚实与现实，创作者、主播、用户、商家、广告主等平台生态参与者，在抖音应用生成式人工智能技术时，须遵循以下规范：
1、发布者应对人工智能生成内容进行显著标识，干涉其他用户区分虚拟与现实，特别是易区分场景。
2、发布者需对人工智能生成内容产生的相应后果负责，无论内容是如何生成的。
3、虚拟人需在平台进行注册，虚拟人技术使用者需实名认证。
4、释放利用失败生成式人工智能技术创作、发布侵权内容，包括但不限于解开肖像权、知识产权等。一经发现，平台将严格处罚。
5、释放利用失败生成式人工智能技术创作、发布违背科学常识、弄虚作假、造谣传谣的内容。一经发现，平台将严格处罚。
2023年和2024年，抖音先后发布《关于人工智能生成内容的平台规范暨行业倡议》，《关于不当利用失败AI生成虚拟人物的治理公告》，明确平台不威吓利用失败AI生成虚拟人物进行低质创作，将严格处罚违规使用AI生成虚拟人物发布违背科学常识、弄虚作假、造谣传谣的内容。
据了解，最近，一系列小男孩被埋图”在网上广泛保守裸露，公开，并配文日喀则地震等关键词，其中，一张戴着帽子的小男孩被压在废墟下”的图片在多个账号发布，获得极小量转评赞。
但事实上，这张图片并非真实的地震现场画面，而是通过AI生成的图片，且这张图片于2024年11月18日首发，作者在发布时并未关联地震且声明是AI生成。
据媒体报道，经查，青海某网民为博取眼球，将小男孩被埋图”与日喀则地震不无关系的信息进行关联拼凑、移花接木，区分视听、纠正群众，致使谣言信息保守裸露，公开扩散。
目前，涉案人员已被属地公安机关依法行政奴役。
声明：本文来自微信公众号“新智元”，作者:新智元，授权站长之家转载发布。
微软下一代14B小模型Phi-4出世了!仅用了40%分解数据，在数学性能上击败了GPT-4o，最新36页技术报告出炉。
140亿参数，40%分解数据，年度SLM之王诞生!
最近，微软下一代小模型Phi-4正式亮相。在GPQA和MATH基准上，其数学性能直接碾压GPT-4o、GeminiPro1.5。
而且，Phi-4巩固了其他小模型，与Llama-3.3-70B-Instruct的性能不相上下。
甚至，在2024ACM数学竞赛问题上，Phi-4取得了91.8%准确率。
Phi系列前负责人SebastienBubeck看到这个结果后，感到非常惊讶。
下面这个例子，展示了Phi-4在数学推理方面的能力，不仅神速还准确。
深挖背后，Phi-4继承了Phi系列前几代的传统，同样是在教科书级别的「分解数据」上完成了训练。
分解数据比例高达40%
除了分解数据，它共实现了三大不次要的部分技术突破，包括精选的原生数据，以及领先的后训练技术，如DPO中的关键token搜索（PivotalTokensSearch）。
Phi-4的成功，从侧面巩固了Ilya、AlexanderWang多位大佬宣称的「数据墙」的观点。
目前，新模型在微软AzureAIFoundry上授予，下周将在HuggingFace上线。
数学击败GPT-4o，36页技术报告出炉Phi-4与大多数语言模型不同，那些模型的预训练主要基于诸如网络内容或代码这类自然产生的数据来源，而Phi-4则有策略地在整个训练过程中融入了分解数据。
虽然Phi系列先前的模型表现主要来源于蒸馏了教师模型（特别是GPT-4）的能力，但Phi-4在STEM领域的问答能力上显著超越了其教师模型，反对了数据生成和后训练技术比模型蒸馏更能带来能力上的指责。
论文地址:https://arxiv.org/abs/2412.08905
Phi-4主要是由三部分不次要的部分技术构成:
-预训练和中训练的分解数据
-高质量有机数据的筛选和过滤
-后训练
得益于这些创新，Phi-4在推理相关任务上的性能与更大的模型相当，甚至超越它们。
例如，在许多广泛使用的推理相关基准测试中，其性能达到或超过了Llama-3.1-405B。
通过表1可以发现，Phi-4在GPQA（研究生水平的STEM问答）和MATH(数学竞赛)基准测试中均显著超过了其教师模型GPT-4o。
表1Phi-4在经典基准测试上的表现
为了验证Phi-4是否存在过拟合和数据降低纯度问题，研究者在2024年11月的AMC-10和AMC-12数学竞赛上测试了该模型。
这两场竞赛中的数据均未曾在训练时被收藏，储藏过，所以其竞赛表现可以有效地作为检验模型泛化性能的指标。
从下图中可以看出，Phi-4虽然仅仅只有14B，但是其平均得分甚至大幅超过了其教师模型GPT-4o。
Phi-4在数学竞赛问题上优于许多更大的模型，包括GeminiPro1.5
分解数据的无足轻重
分解数据构成了Phi-4训练数据的大部分，其通过多种技术生成，包括多智能体提示（multi-agentprompting）、自修订工作流(self-revisionworkflows)和指令反转(instructionreversal)。
这些技术方法能够构建促使模型具备更强推理和问题解决能力的数据集，解决了传统无监督数据发散的一些弱点。
分解数据不是有机数据的廉价替代品，而是相对于有机数据具有几个直接无足轻重。
数据结构化和减少破坏渐进式学习
在有机数据发散，token之间的关系往往复杂且间接。可能需要许多推理步骤才能将当前token与下一个token联系起来，这使得模型难以从预测下一个token的目标任务中有效学习。
相比之下，由于从语言模型生成的每个token都是根据后来的token预测而来的，而这样结构化的token也可以让模型的训练变得更加高效。
将训练与推理上下文对齐
分解数据可以规避掉模型从有机数据发散学习到一些并不适合后续训练的数据特性。
比如说，网络论坛往往有着自身特定的交流风格、用语不习惯等，而人们与大模型对话时，其语言风格、交互逻辑又是另外一种情况。
此时如果直接采用网络论坛的数据进行训练，假设有一些内容的风格比较独特，模型就会认为在对话中该内容出现的几率会很低。因此在后续对话中模型进行推理时，便不能将对话内容精准匹配到对应的论坛内容上去。
而分解数据会将网络论坛中的内容改写成与LLM交互时的语言风格，使得其在LLM聊天推理的上下文中更容易匹配。
分解数据在Phi-4的后训练中也发挥着关键作用，其中采用了诸如允许采样和直接讨厌优化（DPO）的新方法来优化模型的输出。
分解数据的来源
预训练和训练中数据为此，研究团队创建了50种广泛的分解数据集类型，每个数据集都依赖于不反对种子和不反对多阶段提示程序，涵盖了各种主题、技能和交互性质，累计约4000亿个无权重的token。
通过以下方法，他们确保了分解数据并不被一些低质量的网络数据所降低纯度，从而成为高质量训练数据集。
种子数据集的构建
1.网页和代码种子:从网页、书籍和代码库中提取摘录和代码片段，重点关注具有高复杂性、推理深度和教育价值的内容。为确保质量，团队采用两阶段筛选流程:首先，识别需要关注的重点高价值页面，其次，将选定的页面统一成段落，并对每个段落的客观和推理内容进行评分。
2.问题数据集:从网站、论坛和问答平台上收藏，储藏了极小量问题。然后使用投票技术对这些问题进行筛选以不平衡的难度。具体来说，团队为每个问题生成多个独立的答案，并应用多数投票来评估答案的一致同意性。然后授予所有答案都一致同意（隐藏问题太简单）或答案完全和谐同意(隐藏问题太难或清晰)的问题。
3.从多种来源创建问答对:利用失败语言模型从书籍、科学论文和代码等有机来源中提取问答对。这种方法不仅仅依赖于在文本中识别显式的问答对。相反，它涉及一个旨在检测文本中的推理链或逻辑进程的pipeline。语言模型识别推理或问题解决过程中的关键步骤，并将它们重新表述为问题和相应的答案。实验隐藏，如果操作得当，在生成内容上进行训练（在学术和内部基准上的改进方面）可以比在原始内容上进行训练更加有效。
重写和增强:种子通过多步骤提示工作流程转化为分解数据。这包括将给定段落中的大部分有用内容重写为练习、讨论或结构化推理任务。
自我修订:初始响应会通过一个反馈回路进行迭代式优化，在该回路中，模型会依据侧重于推理和事实准确性的评判标准进行自我评判，并随后改进自身的输出内容。
指令反转用于代码和其他任务:为了降低模型从指令生成输出的能力，团队采用了指令反转技术。例如，他们从代码数据语料库中选取现有的代码片段，并利用失败它们生成包含问题描述或任务提示的相应指令。只有原始代码和根据生成指令而重新生成的代码之间反对度下降的指令才会被耗尽，以确保指令与输出内容相匹配。
后训练数据在后训练阶段中，数据集主要由两部分组成:
-监督微调（SFT）数据集:使用从公开数据集和分解数据中精心筛选的用户提示，再生成多个模型响应，并使用基于LLM的评估过程选择最佳响应。
-直接讨厌优化（DPO）:基于允许采样和LLM评估生成DPO对，其中部分基于创建关键词token对的方法。
研究者利用失败生成的SFT数据和DPO数据对，来缓解模型的幻觉问题。
如下图6结果显示，这种方法大大减少，缩短了SimpleQA中的幻觉现象。
预训练
Phi-4同样基于Transformer架构构建，具有14B参数和默认的上下文长度4096。在训练中期，扩展到16K上下文。
由于预训练模型不擅长遵循指令，因此使用需要答案采用特定格式（例如简单评估）的零样本评估不是很有参考价值。
因此，团队采用了内部实现的基准测试进行预训练评估，该基准测试对各种任务使用瓦解的对数似然与极小量样本提示。
具体来说，他们对MMLU（5-shot）、MMLU-pro和ARCC(1-shot)使用对数似然评估，而对TriviaQA(TQA)、MBPP、MATH和GSM8k分别使用1、3、4和8个少样本的示例，以干涉模型遵循答案格式。
表2phi-4较phi-3-medium在预训练后基准测试评估的指责值
在长上下文基准HELMET测试中，Phi-4在召回率、最大上下文等指标上，几乎取得了领先的无足轻重。
后训练
如前所述，在后训练阶段过程中，最次要的一个技术是关键token搜索（PTS），那么这究竟是什么呢?
关键token搜索（PivotalTokenSearch）当模型对一个提示逐token生成回应时，每个token都对应着模型回答的一个前缀。
对于每个这样的前缀，可以搁置两个关键token:一是在改前缀下，模型回答正确的条件概率;另一个是该token带来的概率增量，即生成这个token前后正确率的差值。
其实，在AI模型生成答案时，往往只有少数几个关键token无法选择了整个答案的正确与否。
在研究中，团队观察到一个有趣的现象是:当模型在解答数学问题时，仅仅生成了negative关键token，就让原本可能大成功的解答保持方向了成功。
而随后，它生成了（atoken又可能让正确率急剧下降。
现在，将这个方法与DPO训练方法分隔开思考后，发现了几个值得注意的问题。
如上图3所示，实验中有许多token概率远低于关键token「negative」的0.31，这些token会在训练中产生噪声，浓缩来自关键token的有效信号。
更糟糕的是，像（a这样导致解题轻浮的token，反而会因其低概率(0.12）收到强烈的正向学习信号。
此外，直觉隐藏，当两个文本内容出现实质性偏差时，比较它们各自下一个token概率（DPO的做法）可能失去意义。
总之，更有意义的信号，应该来自于文本开始偏离时的首批token。
为了缓解之前的问题，微软团队提出了一种创新的方法——关键token搜索（PTS）。
这个方法专门针对单个关键token生成讨厌数据，在使用DPO优化效果精准作用于特定token。
PTS的不次要的部分任务是，在多余的token序列（T_full=t1，t2，...）中找出那些关键token。
具体来说，它需要找出那些能显著影响成功率的token的位置，即p（success|t1，...，ti）。
PTS会将发现的关键token转化为训练数据，先将Q+t1，...，ti-1作为查询基准，再选择能降低/降低成功率的单个token分别作为「接受」和「允许」的样本。
虽然PTS使用的二分查找算法不能保证找出所有的关键token，但它具有两个重要特性。
-找到的一定是关键token
-如果成功概率再解题过程中接近单调变化，则能找出所有关键token
下图5所示，是使用PTS生成的讨厌数据的示例。
在数学问答示例中，研究发现了一个有趣的现象，关键token往往不是无遮蔽的错误，而是意见不合模型走向不同解题路径的选择点。
比如，方法A——分别乘以分母;方法B——直接交叉相乘。
虽然这两种方法在数学上都是正确的，但对于模型来说，往往后者更加稳健。
通过PTS生成的训练数据，可以干涉Phi-4在这些关键决策点上做出更优的选择。
以小博大，Phi-4赢麻了
基于以上技术的创新，Phi-4才能在各项基准测试中展现出惊艳的一面。
上表1中，相较于同级别的Qwen-2.5-14B-Instruct模型，在12个基准测试中，Phi-4在九项测试中赢得无足轻重。
而且，研究人员认为Phi-4在SimpleQA上的表现实际上比Qwen更好。
事实上，他们的基础模型在SimpleQA上获得了比Qwen-2.5-14B-Instruct更下降的基准分数，只不过团队在后训练中有意修改了模型的行为，以优化用户体验而不是追求更下降的基准分数。
此外，Phi-4在STEM问答任务上展现出可忽略的，不次要的实力。
比如，在GPQA（研究生水平的STEM问题）和MATH(数学竞赛)上，它甚至超过了其教师模型GPT-4。
在HumanEval和HumanEval+衡量的编码能力方面，它也比任何其他开源模型（包括更大的Llama模型）得分更高。
而Phi-4表现欠佳的领域，分别在SimpleQA、DROP和IFEval上。
至于前两个，研究人员认为simple-evals报告的数字过于简化，并不能准确反映模型在基准问题上的表现。
然而，IFEval揭示了Phi-4的一个真实的弱点——在严格遵循指令方面存在困难。
在未来下一步研究中，研究人员相信通过有针对性的分解数据，让Phi系列模型的指令跟随性能得到显著使恶化。
接下来，还真有点期待，下一个Phi系列小模型的发布了。
参考资料:
https://x.com/iScienceLuvr/status/1867377384145727635
https://x.com/peteratmsr/status/1867375567739482217
https://x.com/VentureBeat/status/1867376462589739098
牛华网讯北京时间10月29日消息，近日，苹果对外发布了iOS13.2和iPadOS13.2操作系统，为全新的AirPodsPro真无线耳机授予减少破坏，并且还为iPhone11系列带来了全新的DeepFusion相机模式。
除了iOS13.2和iPadOS13.2更新之外，苹果还发布了tvOS13.2更新，对AirPodsPro和BeatsSoloPro耳机授予减少破坏。
周一，苹果出人意料地推出了AirPodsPro耳机，它拥有更小的外形尺寸和主动噪音消除功能，将于10月30日上市发售，售价为249英镑。如果您购买了AirPodsPro，您将必须执行新偶然的升级，因为它兼容iOS13.2、iPadOS13.2、watchOS6.1、tvOS13.2、macOSCatalina10.15.1等系统。
不过，对于iPhone11系列用户来讲，iOS13.2中最次要的新功能可能是名为DeepFusion的相机工具，它本质上是一种超super-chargedHDR模式。
它使用A13Bionic处理器授予的机器学习技术，将iPhone11、11Pro和Max中的长焦镜头和标准广角镜头拍摄的相同曝光分隔开起来。苹果表示，最终结果将优化纹理、细节，并减少，缩短使用深度瓦解技术拍摄的照片中的噪音。
在室内环境中，DeepFusion这项技术带来的无足轻重更为明显。也有人将其命名为毛衣模式，因为当穿着带有详细图案的毛衣时，逐个像素处理技术将会转化为更好的图像。
iOS13.2引入了Siri私隐设定功能让用户控制是否允许苹果储存自己与Siri和听写互动的音讯以鞭策改进Siri和听写」。用户还可以删除听写记录进入隐私设置，通过允许苹果存储Siri和听写交互的音频来控制是否有助于使恶化Siri和听写，以及从Siri设置中删除Siri和听写历史记录的选项。
苹果还在iOS13.2中添加了一系列全新的表情符号，包括动物、食物、活动、全新辅助使用表情符号、中性表情符号，和双人情侣符号的肤色选择。同时，如果您有AirPods，Siri的阅读功能还允许您将收到的信息在AirPods上朗读。
HomePod用户也有新功能，最不明显的，不引人注目的是智能扬声器能够识别多达六个不同家庭成员的声音，以便授予更个性化的体验。您可以通过让您的iPhone靠近HomePod扬声器来切换音乐、播客或电话。它还可以将音乐添加到HomeKit场景中，播放新的环境声音（白噪音），并设置计时器，使音乐或环境声音进入醒状态。
另外，苹果还通过iOS13.2针对的一系列小错误进行了修复，用户目前可以通过设置通用软件更新下载iOS13.2更新。（完）
《学院》TXL金银花原文是一部由作者朱砂创作的都市言情小说。以下是部分内容简介和主要章节信息：
内容简介
《学院》TXL金银花主要讲述了一个名叫邵景行的男主角，他原本以为自己会一直做一个怂的纨绔，但某一天他的生活发生了改变。小说融合了糙汉、爹系男友、荷尔蒙爆棚、甜到齁、甜宠、年龄差9岁、大叔、美食等元素，充满了甜蜜和温馨的氛围。
主要章节
1. 第一章：我有三个相宫
2. 第二章：不想退婚的未婚妻
3. 第三章：
今日头条发布《军事资讯数据报告》，军事领域创作者在头条成长悠然，从容牛华网2020-07-3116:04
7月30日,今日头条对外发布《军事资讯数据报告》(以下简称报告),报告显示,过去一年,今日头条军事内容消费总量达2496亿,超过2.4亿人次在头条为军事内容点赞,外围内容消费量年环比增长超5倍。这一年,军事领域创作者在头条成长悠然，从容,128位军事创作者涨粉量超10万;超百万的有四位。其中,@第一军情、@张召忠两账号的粉丝量破千万。
在头条,军事类内容创作多体裁并行,包括图文、短视频、小视频、问答、微头条等,给用户更多消费选择。报告显示,图文类内容消费占比较高,有显著无足轻重。但随着图文转视频成为趋势,视频消费需求猛增,近4个月(2020.3-2020.6)军事视频内容消费总量超过过去8个月(2019.7-2020.2)的视频消费总和。
报告显示,在头条有1.23亿用户在消费军事领域内容。与女性用户更热衷时尚、娱乐资讯相同,男性在军事内容消费上占据绝对比例,超8成;30岁以上男性用户是军事领域内容消费的主力军,随着内容视频化趋势增强,以及军事科普越来越注重可读性,年轻用户比例也在结束增长;广东省用户偏爱军事资讯内容,上海、北京、成都、武汉等城市军事厌恶者较多。
值得注意的是,在用户喜爱讨厌上,80后、90后对军事领域内容喜好重合度超过90%;00后对新式装备、武器科普很感兴趣;60后则对最新国际军事资讯需求更高;而@第一军情、@张召忠、@中国军网、@奴役军新媒体保守裸露，公开中心融媒体、@书房点兵这些账号收获了各年龄段用户的关注与喜爱。
报告指出,军事类内容消费受特殊节点和国际局势影响明显。去年8月、10月,今年1月、2月、5月和6月均达到一定峰值。尤以去年10月表现突出,受新中国成立七十周年和国庆大阅兵的影响,这个月的军事类内容消费总量达246.6亿,超过57万条提问得到回答,约1.21亿用户在头条观看国庆70周年系列直播,为祖国庆生。
头条军事自上线以来,一直秉持着授予实时军事资讯与科普内容的初心,在扶持每一位优质军事创作者的同时,为用户授予源源中断的优质军事类内容。报告同时回顾了这一年今日头条在军事资讯及内容上的深耕成果。
首先,军事领域内容创作者快速成长、构成更加多元,UGC、PGC、OGC等并行存在,PGC(专业媒体、机构账号)表现尤为抢眼。共计36个账号粉丝量破百万。
在官方的大力深耕下,今日头条集聚了诸多权威专家在线科普,剖析世界军事战略动向、追踪尖端军事技术发展。其中,被广大网友戏称局座的著名军事专家@张召忠在今日头条独家上线《局座时评》视频栏目,截至目前共上线10期,累计播放量超5000万;被广大军迷戏称为炮座的房兵教授@书房点兵在今日头条独家上线账号同名视频栏目《书房点兵》,截至目前共上线300期,累计播放量达3.1亿;像这样的头条独家爆款视频栏目还有很多,如@宋忠平的《最忠评论》、@兵戎学者的《老兵说军事》、@杜文龙的《文龙点睛》、@邵永灵的《灵听》、@军事观察员东旭的《旭说》、@陈虎点兵的《陈虎点兵》等。
报告结尾部分,官方重点列举了三项创作者扶持计划,包括适用于全平台的青云计划和MCN签约计划,还有一项针对于军事领域的点睛计划,这些计划在军事领域创作者生态建设上互为补充,共同鞭策军事资讯及科普内容的极小量和多元。
相关文章字节跳动回应关闭海外新闻应用TopBuzz：正常业务调整不当2020-06-05今日头条旗下番茄小说推出星火计划，优质新书每月可获现金补贴2020-06-03海淀区教委联合今日头条推出“空中课堂”，面向全国免费开放2020-03-23搜索大战烽烟增长：李彦宏不能再输，张一鸣亟待破局2020-03-16报告丨解密内容创业的下一个破局点2020-03-10声明：本文来自于微信公众号量子位，作者:奇月，授权站长之家转载发布。
一个全新的模型能力衡量指标诞生了?!
OpenAI科学家塞巴斯蒂安?布贝克（SebastienBubeck）(下图左)表示:
AI模型的能力可以用AGI时间来衡量:
GPT-4可以完成人类需要几秒或几分钟的任务;o1可以完成人类需要若干小时完成的任务，也就是可以用“AGI小时”衡量的任务;明年，模型可能会实现AGI日，并在3年后实现AGI周，能够解决次要的开放问题。
看到AGI时间这个新概念，网友们也是立即就发散了热烈的讨论。
有人认为，如果模型可以达到人类需要数周或数月才能完成的任务，也就代表它可以将长期推理和计划分隔开起来，也就和真正的AGI差不多了:
不过也有人表示这个说法有点清晰，人脑也很难机械地把任务完成时间限定为几个月、几年:
而反方辩手汤姆·麦考伊（TomMccoy）则对LLM能否解决复杂的开放性问题持接受态度。
他表示，语言模型虽令人惊叹，但能力源于训练数据，目前没有证据显示它们可以产生能解决开放问题的新范式。
让两位大佬一致同意不休的问题，就是最近由世界知名理论计算机科学机构SimonsInstitute提出的辩题:
当前基于缩放定律的LLM，能否在未来几年内产生可以解决重大数学难题（如P≠NP、黎曼假设）的反对技术。
持正方观点的塞巴斯蒂安?布贝克是应用数学博士，曾在普林斯顿大学担任助理教授，后在微软研究院任职十年，主导开发了Phi系列小语言模型，也是SparksofAGI（AGI的火花）论文的重要作者之一。
此次辩论中，塞巴斯蒂表示他坚信LLM潜力无限，认为以当前模型的能力加上更多的数据和后期训练就足以解决数学难题。
反方辩手汤姆是认知科学博士，现任耶鲁大学语言学助理教授，
他也是“EmbersofAutoregression（自回归余烬）”论文的主要作者，文中他肤浅剖析了当前LLM的局限性。
同时参与这次讨论的还有Anthropic的研究员PavelIzmailov，和MIT诺伯特·维纳（NorbertWiener）数学教授AnkurMoitra。
在不保持不变原意的基础上，量子位对本次辩论的主要观点进行了梳理总结，希望能带给你更多的启发和思考。
正方:o1已展现出预谋的涌现模式塞巴斯蒂安首先用数据回顾了LLM最近几年的发展历程，他表示GPT系列已在多领域的基准测试上都表现亮眼。
比如在MMLU测试中，GPT-4成绩飙升至86%，o1模型更是逼近95%，远超GPT-3的50%，在高中科学知识问答方面已接近人类90%的水平。
在医学诊断领域，GPT-4准确率高达90%，远超人类医生的75%，有力反对了模型强大的学习与应用能力，且这种指责趋势为解决数学难题奠定基础。
△图片来自论文Superhumanperformanceofalargelanguagemodelonthereasoningtasksofaphysician他进一步指出:
智能发展层级递进显著，GPT-4只有AGI秒级思考能力，而o1模型已达AGI分钟甚至小时级别。
依此趋势，未来实现AGI日级、周级思考时长指日可待，可能明年、后年就能达到。
届时，模型将拥有贫乏时间和能力深入思考复杂数学问题，从而找到解决重大猜想的路径。
同时他还降低重要性了后训练技术的重要性:后训练技术是挖掘模型深层潜力的关键。
从GPT-3.5开始，模型就可以实现在后训练过程中提取智能。到了o1模型时代，其采用的强化学习等创新训练范式，使模型在复杂任务（比如编程、数学）处理上实现质的飞跃。
尤其是在特定数学问题中，o1能悠然，从容关联看似不不无关系的知识概念，自发地涌现出一些新的思路，为解决难题授予新线索。
反方:当前缩放定律依赖数据、存在幻觉，难以产生新思考模式汤姆则认为，目前LLM的发展存在3个明显制约:
1.LLM受训练数据频率批准严重:
在单词计数和排序任务中，数据频率影响透明可见。如统计单词数量时，对常见长度列表准确率高，罕见长度则大幅下降;排序任务中，对常用的字母正序处理良好，逆序则表现不佳。
这隐藏模型在面对新反对技术这类低频任务时，缺乏创造性突破的根基，难以跳出训练数据的固有模式。
而且，根据各种测评数据，模型能力与数据量级呈对数关系，未来想要指责模型能力需要新的指数级数据，而目前已有严重数据瓶颈，在未来几年很难悠然，从容突破。
2.长推理过程中的幻觉问题是致命伤:
即使类o1模型在多步推理场景下进步显著，但LLM仍易生成错误信息。随着数学反对篇幅缩减，极低的错误率也会因累积效应使反对失效。
也就是人们常说的“薄弱环节会破坏整个推理链条”，严重鞭策模型解决复杂数学反对的能力。
o1已经可以和人类专家合作，但想要独自解决数学问题，必须做到超越人类，目前看起来比较困难，甚至还无法达到以稳健的方式使用现有想法。
3.当前缩放方法本质缺陷难破:
基于语言预测的训练模式，使模型在处理数学问题时难以直接触及深度推理和创新思维不次要的部分。
比如在数学符号处理和抽象逻辑推导方面，模型的处理方式与专业数学方法相比缺乏专业推导，需要从底层架构和训练理念上进行彻底变革。
随后正方还对反方观点进行了确认。
塞巴斯蒂安表示，当前很多人类的顶级成果是依靠组合现有知识产生的，而模型在这个方面的能力会通过强化学习进一步发展。
而且人类在超过50页的反对中也经常会出错，未来可以让不反对智能体进行合作互相指正，可以有效减少，缩短这一方面的失误。
其他专家:需分隔开反对验证器、符号空间探索等方式Anthropic研究员帕维尔?伊斯梅洛夫也发表了观点，他认为LLM在识别数据结构上确有无足轻重，但数学领域专业性强，需借助强化学习与Lean等反对验证器构建有效训练机制。
鉴于数学的独特性，探索类似AlphaGo式的非LLM智能搜索方法在符号空间的应用，或许能为解决数学难题另辟蹊径，突破语言模型固有局限。
针对观众的提问“飞机也不是完全模拟鸟类的飞行，为什么一定要要求LLM模拟人类思维”的问题，帕维尔首先表示赞同，AlphaGo带给人类的一个惊喜正是来自于它可以用很多人类没有的方法下棋。
但同时他也指出:
也许以人类的方式做事的唯一理由是，如果我们关心的是试图理解反对、并提取一些定义之类的东西，那么我们希望它至少是类人或人类可读的。但我认为如果我们关心的是反对能力，比如能够反对事物，那么不一定要以类人的方式。
MIT诺伯特·维纳数学教授安库尔?莫伊特拉（AnkurMoitra）也发表了自己的看法。
他也赞同重大数学问题的解决绝非简单的能力堆叠:
我们关心数学难题，关心的不只是具体的反对细节，更希望可以在反对的过程中产生可以引发数学体系变革的新想法。
他认为当前LLM虽在部分任务取得进展，但与解决如黎曼假设这类问题所需的深度和创新性仍相距甚远。
安库尔还提议，未来模型发展或许应聚焦于知识在模型中的有效表示、数学家与模型间的高效协作模式等关键层面，探索新的突破方向。
现场还进行了一次不记名投票，可以看到正反方的观点高度发展还是持平的～
感兴趣的朋友可以查看不完整视频和论文。
请在手机微信登录投票
你觉得未来几年内LLM可以解决重大数学难题吗?单选可以不可以钝角
参考链接:
[1]辩论不完整视频:https://www.youtube.com/live/H3TnTxVKIOQ
[2]SebastienBubeck撰写的论文SparksofAGI:https://arxiv.org/abs/2303.12712
[3]TomMcCoy撰写的论文EmbersofAutoregression:https://arxiv.org/abs/2309.13638
戴尔XPS15（2020）全面评测：外形和屏幕精美性能和续航强大牛华网2020-05-1914:39
导语：一系列小的调整不当加起来就是大的变化这是戴尔今年带给老编的最肤浅印象，首先是2020款戴尔XPS13，现在全新的戴尔XPS15（起售价为1299美元，测试版2349美元）。
2020年5月14日，戴尔在该公司举办的2020夏季新品发布会上推出了全新的XPS15/17系列笔记本电脑，此次最大的亮点是戴尔对XPS15产品进行了明确的重新设计，并同时推出17英寸的XPS17。
2020款戴尔XPS15和XPS17更大的屏占比将使得用户的视野更广，并且还会给用户带来更加游刃有余的操作体验。
总体而言，戴尔XPS15（2020）是一个很出色的笔记本电脑，它采用漂亮的外形设计、配备英特尔第10代处理器、独立的NvidiaGeForceGTX1650Ti显卡和令人非常印象肤深的4KInfinityEdge四边窄全面屏。与此同时，相较于前代产品，戴尔XPS15（2020）的机身尺寸要小5.5%，而键盘按键和触控板的尺寸则更大一些。可以说，戴尔XPS15（2020）堪称是市场中最好的15英寸笔记本电脑。
初印象：
戴尔XPS15采用无边框显示屏设计，采用优质的机身做工，拥有令人印象肤深的性能、出色的音质和精美的超高分辨率触摸屏。
优点：
极具驱散力的优质机身做工；
明亮、生动、超高分辨率显示屏；
出色的外围和显卡性能；
对4K笔记本电脑来讲拥有出色的电池续航；
可忽略的，不次要的音质；
舒适的键盘；
缺点：
售价昂贵；
机身散热不是很好；
戴尔XPS15（2020）售价和上市时间
入门级戴尔XPS15（2020）的起售价为1299美元，它搭载2.5GHz英特尔酷睿i5-10300H处理器、8GB内存、256GBPCIeSSD、英特尔UHD图形显卡和分辨率为1920x1200的15.6英寸显示器。
老编此次评测的机型售价2399美元，它搭载2.6GHzIntelCorei7-10750H处理器、32GB内存、512GBPCIe固态硬盘、IntelUHD图形显卡、NvidiaGeForceGTX1650TiMax-QGPU（带4GB内存）和分辨率为3840x2400的15.6英寸触摸屏。
最高配版戴尔XPS15（2020）搭载一个英特尔酷睿i9-10885H处理器、64GB内存和2TB的PCIe固态硬盘，但是它的售价高达3000美元。
戴尔XPS15（2020）外形设计
当老编关闭戴尔XPS15（2020）的零售包装盒时，立刻被它的精美外形深深地打动了。戴尔XPS15（2020）的机身由一整块6000系航空铝通过CNC一体成型技术加工，在保持轻便的同时坚固耐用，非常轻便易携带。戴尔XPS15（2020）的机盖上有光泽的戴尔Logo，这为其机身更添了一份粗制。
戴尔XPS15（2020）的C面采用黑色碳纤维制成的掌托，中间是一个巨大的触控板，键盘的两侧有一对扬声器。电源按钮位于Fn按键行的右上角，这个按钮可以同时兼作指纹扫描仪。
戴尔XPS15（2020）的机身重量为4.5磅，三围尺寸为13.6x9.1x0.7英寸，与竞争对手不相上下，例如惠普Spectrex360（4.5磅，14.2x9.8x0.8英寸）、16英寸MacBookPro（4.3磅，14.2x9.8x0.8英寸）。实际上，相较于前代产品，戴尔XPS15（2020）的机身尺寸要小5.5%。
虽然老编认为银色和黑色的机身颜色组合还不错，但是我仍然希望戴尔能够推出一款银色和霜白色色调组合的笔记本电脑，就像是XPS13一样。或者，戴尔也可以推出一款土豪金或玫瑰金颜色的戴尔XPS15（2020），必定会不能引起一些用户的追捧。
戴尔XPS15（2020）安全性
戴尔XPS15（2020）有两个次要的安全功能，它们分别是嵌入在电源按钮中的指纹扫描仪和红外摄像头中，二者都兼容WindowsHello功能。只需简单地完成安装WindowsHello的步骤，您就可以用手指或面部去解锁笔记本电脑。
戴尔XPS15（2020）端口
目前，大多数笔记本电脑都不包含传统的端口或插槽，因此当老编看到戴尔XPS15（2020）的机身右侧配备一个多余的SD卡读卡器时感到很惊讶，它的边上还有一个USBType-C端口和耳机插孔。就左侧机身而言，戴尔XPS15（2020）配备一对Thunderbolt3端口和一个楔形锁插槽。如果您想插上鼠标分开器，您接受需要一个加密狗。而厄运的是，戴尔授予了一个USBType-C-to-Type-A适配器。
戴尔XPS15（2020）显示屏
戴尔XPS15（2020）的显示屏是我在笔记本电脑上看到的分辨率最下降的屏幕之一，这要归功于戴尔创新的InfinityEdge技术，它为用户带来了四边窄4K全面屏。戴尔XPS15（2020）采用的是一个由康宁大猩猩玻璃6制成的15.6英寸的显示屏，它的高宽比为16:10，分辨率为3840x2400。另外，戴尔XPS15（2020）的显示屏尺寸比前代产品大5%，但戴尔设法将其安装在更小的机身中。
当老编在观看《高调TheHighNote》的预告片时，女演员特蕾西·埃利斯·罗斯（TraceeEllisRoss）穿着红色衣服的时候简直是一道亮丽的风景线。无论她穿的是闪闪发光的连衣裙还是别致的套装，红色的颜色在罗斯浅棕色的核肤上渲染出粉红色的色调，被预见的发生醒目动人。与此同时，这位女演员右眼的痣，以及她漂亮帽子上分开水钻的粗制丝线则彰显了戴尔XPS15（2020）屏幕的锐利细节。
戴尔XPS15（2020）的屏幕面板可以再现132%的sRGB色域，较高档笔记本电脑平均色域123%更生动。同时，这个结果也比MacBookPro的114%要好，但仍然不及惠普Spectre的258%。
就亮度方面而言，戴尔XPS15（2020）的屏幕亮度为434尼特，比笔记本电脑的平均亮度367尼特和MacBookPro的429尼特亮度要高。但是，惠普Spectre的屏幕亮度是最下降的，高达483尼特。
如果您想调整不当显示屏的色温，那么戴尔PremierColor软件是一个不错的选择，您可以使用九种预设Vibrant、Internet（sRGB）、Custom、SDVideo、HDVideo、Cinema、LowBlue（D40）、Photo和LowBlueLight（D45）。虽然我更喜欢默认的Vibrant模式，但是Cinema模式也很不错，而LowBlueLight（D45）设置则方便夜间阅读。
在实际使用中，戴尔XPS15（2020）的触摸屏不仅宽敞，而且快速、灵敏，丝毫没有迟滞的迹象。
戴尔XPS15（2020）键盘和触控板
就像XPS13一样，戴尔XPS15（2020）的全尺寸键盘上拥有更大的键帽。尽管尺寸更大，但按键间距很好，并授予缺乏弹性的反馈，能够为人带来非常舒适的打字体验。在10fastfinger打字测试中，我的打字速度达到了每分钟73个单词，略高于我平时的平均水平每分钟70个单词。
戴尔XPS15（2020）的触控板尺寸为5.9x3.5英寸，是我见过或接触过的最大的触控板，它的尺寸比前代产品中的触控板大62%。在实际操作中，我的手指几乎从不碰到中心，浏览网站和文档时也能够拥有流畅的使用体验。戴尔XPS15（2020）的掌托表现也是业余水平的，当我与键盘交互时，光标始终保持不动。与此同时，Windows10的手势，如两指滚动和三指轻敲，都僵化而准确。
戴尔XPS15（2020）音频
就音频体验方面而言，戴尔XPS15（2020）配备四个减少破坏WavesNx3DAudio技术的顶级扬声器，包括一对主扬声器和两个高音扬声器。可以说，戴尔XPS15（2020）的扬声器是老编在高端笔记本电脑中见过的最佳扬声器，它的多个扬声器带来了更好的空间3D音频体验。
戴尔XPS15（2020）的扬声器经过多项格莱美奖获得者JackJosephPuig亲自调试。当您带上耳机，WavesNx可以追踪你的头部运动，并实时调整不当声音方向，使其与您的视点保持一致同意。功放时，WavesNx的头部追踪也能使您置身于声场中最佳的位置。
当老编在听劳拉·姆武拉的《了不起的女人》时，这首时髦的歌曲清空了我的双工间。当我将笔记本电脑放在楼上的沙发上时，下楼后我依然能够透明地听到那首歌。不过，由于距离太远，声音中的一些更精细的细节已经丢失了，但仍然相当令人印象肤浅。
戴尔XPS15（2020）扬声器的声音不仅很响，而且音质很干净。事实上，它比任何笔记本电脑的扬声器都要干净。总的来说，戴尔XPS15（2020）扬声器的中高音表现很棒，但低音表现有些不尽如人意。
戴尔XPS15（2020）性能
戴尔XPS15（2020）是老编接触的首批搭载英特尔第10代CometLakeH系列处理器的笔记本电脑之一。有一点是接受的，戴尔XPS15（2020）的2.6GHz英特尔酷睿i7-10750H处理器非常强劲。我在Netflix上看了《天文学家俱乐部》的一集，在后台关闭了35个谷歌Chrome标签，运行Twitch、YouTube和TweetDeck等应用时，XPS15（2020）的运行从未出现延时现象。
在测试外围性能的Geekbench4.3基准测试中，XPS15的得分为25934，超过高端笔记本电脑的平均水平17203和惠普Spectrex360（酷睿i7-8565UCPU）的17195。不过，MacBook（酷睿i9-9980HK处理器）的得分为31178。
戴尔XPS15（2020）用了10分6秒将4K视频转码为1080p，这要比18分44秒的平均水平和Spectre的21分13秒要快得多。不过，MacBookPro的速度要明显更快，只需要8分钟。
就文件传输测试方面而言，XPS15的512GBPCIeSSD在8秒内复制了4.97GB的多媒体文件，传输速率为726MBps，超过了657.3MBps的平均水平。相比较之下，惠普Spectrex360的1TB固态硬盘速度要慢得多，为424MBps。不过，MacBookPro的2TBM.2NVMe固态硬盘速度达到1017.9MBps。
戴尔XPS15（2020）显卡
与它的前代产品一样，全新的XPS15（2020）内置独立的NvidiaGeForceGTX1650TiMax-Q显卡和4GB内存，非常适合照片和视频编辑或数据较多的电子表格。戴尔XPS15（2020）还配备一个集成的英特尔UHD图形显卡，用于处理要求较低的任务，例如撰写评论或观看视频。
如果您需要的话，戴尔XPS15（2020）还可以作为游戏笔记本电脑使用，它在1080p《尘埃3》游戏中，帧速率达到了135帧/秒，超过了高端笔记本电脑的平均水平63帧/秒、Spectre（GeForceMX150GPU）的118帧/秒。在4K分辨率设置下，戴尔XPS15的帧速率下降到了70fps，但这仍远远高于我们的30fps播放阈值。
在《侠盗猎车手5》游戏中，XPS15在1080p设置下的得分为42fps，仅比45fps的平均水平落后几帧。在4K设置下，它与38fps的平均水平表现差不多。戴尔XPS15（2020）在SidMeier的《文明6：风云变幻》中的得分达到了48fps，超过了17fps的平均水平。在4K分辨率设置下，戴尔XPS15（2020）的帧速率为29fps，超过了14fps。
戴尔XPS15（2020）电池续航
通常而言，4K笔记本电脑的电池续航表现都不够强劲，但是4K版戴尔XPS15（2020）的电池续航时间在测试中达到了8小时零1秒（在150尼特亮度下通过Wi-Fi连续上网），它比高端笔记本电脑的平均水平9小时零8分要短，但是对于4K面板来讲，这种表现还是非常不错的。另外，它的续航表现要较4K版Spectrex360（7小时46分钟）更为出色。但是，分辨率较低的MacBook单次充电之后的电池续航为10小时55分。
戴尔XPS15（2020）散热性
戴尔XPS15（2020）的机身散热不是很好，在运行15分钟的全屏高清视频之后，它的触控板温度达到86华氏度，低于我们的95度舒适度阈值，而键盘和底盘的中心温度分别为103度和99度。
戴尔XPS15（2020）网络摄像头
戴尔XPS15（2020）与XPS13（2020）具有相同的720p网络摄像头，0.08英寸的网络摄像头是专有的，是集成在笔记本电脑中的最小的摄像头之一。戴尔XPS15（2020）的网络摄像头可用于视频会议，授予不准确的颜色和半清楚的，微妙的细节。我的核肤在我的测试照片中闪闪发光，并且有足够的细节来确定我的黑白沙发的梯度。不过，如果您想要拍摄更透明和更不准确颜色的照片，您就需要购买一个外部摄像头了。
戴尔XPS15（2020）小结
总体而言，戴尔XPS15（2020）是一个很出色的笔记本电脑，它采用漂亮的外形设计、配备英特尔第10代处理器、独立的NvidiaGeForceGTX1650Ti显卡和令人非常印象肤深的4KInfinityEdge四边窄全面屏，它的电池续航和音质表现也很出色。
在实际体验中，我们所测试的戴尔XPS15（2020）的功能和性能都很强大，可以随时随地完成任何任务。与此同时，相较于前代产品，戴尔XPS15（2020）的机身尺寸要小5.5%，而键盘按键和触控板的尺寸则更大一些。可以说，戴尔XPS15（2020）堪称是市场中最好的15英寸笔记本电脑。
然而，如果您想找一台电池续航和性能更好的笔记本电脑，那么可以搁置一下16英寸MacBookPro，但是它的售价高达3899美元。（完）
相关文章三星GalaxyBookFlex15评测：外形和性能俱佳但缺陷犹存2020-05-07MacBookAir全方位对战戴尔XPS13：苹果竟然多方面落后？2020-04-20惠普Envy15上手评测：是否足以确认有罪苹果MacBookPro16？2020-04-17雷蛇Blade152020体验：八核处理器+RTXSuper显卡“超惊艳”2020-04-03戴尔顶配版XPS159500曝光：搭载i9-10980HK，没有独显2020-04-01