今天全球领先的存储解决方案提供商希捷科技公司在北京与中国收入规模最大的互联网企业、中国最大的自营式电商企业京东再次签署战略合作备忘录,在数据应用协作、产品定制、供应链以及集成产品等方面继续深化全方位战略合作。 现场希捷与京东联合推出的定制款希捷乐备宝(Seagate Joy Drive),是一款备份、续航、扩容三合一的移动硬盘。
此款产品专为 Android 设备用户量身定制,集移动电源和外置存储于一身,目前提供最高 1000GB (1TB)的存储空间,帮助深度移动用户扩展设备内存的同时,延长设备电池续航时间,使用户能够便捷地随时随地存储或者读取数据、享受媒体内容。
希捷乐备宝产品研发的背景是目前手机存储空间不够,主流智能手机64GB, 随着1200万像素摄像头的使用,4K视频和其他数字内容的普及,追加存储空间的需求也随之增加。其次手机扩容成本高,平均需要额外支付RMB500 升级64GB 。还有手机数据备份不便利 ,需要通过电脑等设备备份手机数据; WIFI 环境下,传输数据慢 以及手机电池续航能力有限等问题。
希捷乐备宝能够在无需WIFI即可访问媒体内容。无需连接电脑,直连手机使用JOY DRIVE APP可快速备份手机里的照片和视频,实现手机扩容,让数据更安全。其自带Type-C/安卓两个端口,可轻松连接PC/MAC电脑。
根据双方协议,京东支持希捷乐备宝的发布及推广,根据京东的优势,并通过在全年提供大数据分析消费者行为及需求,接触终端用户并分析消费者痛点以精准满足消费者需求。同时根据消费者反馈,未来会推出更大存储空间的产品。
同时借助此款产品,双方将为集成产品建立战略合作关系,以从系统元件供应商转型为系统解决方案提供商。
两大业界领袖此次签署合作备忘录并非首次。去年9 月,希捷与京东在北京签署了战略合作备忘录,双方约定就希捷移动硬盘产品开通厂商直供流程。希捷与京东合作已久,京东不仅是销售希捷和 LaCie 全线存储产品的一个重要渠道,更是希捷直面消费者、了解客户需 求和市场变化的一个重要窗口。通过双方的不断努力,目前希捷已经成为京东存储类产品最重要的合作伙伴之一,并在销售额方面一直遥遥领先。
京东集团副总裁、京东电脑数码事业部总裁姚彦中先生表示:“作为中国领先的互联网企业、电商企业及科技领袖,自创立以来,京东在商业领域不断突破创新,取得了跨越式的发展。京东一直非常重视与希捷的合作关系,也将继续作为希捷在中国互联网行业的重要战略合作伙伴,在今后的合作中,投入我们的优势资源,在数据应用、联合研发产品、优化供应链等方面不断优化合作,为我们的消费者提供更好的产品和服务的同时,提升双方在各自领域的市场地位,促进双方共同发展。”
希捷科技全球副总裁暨中国区总裁孙丹女士表示:“作为在各自领域中的领先企业,希捷与京东一直保持着密切的合作关系,我们非常期待双方的合作进入一个全新的阶段。作为全球领先的存储解决方案提供商,希捷将继续注重产品的研发,将自身专业的技术和卓越的创新能力与京东在渠道、服务、用户资源等方面的优势相结合,专注客户需求,为客户提供更多先进的存储解决方案。”
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。