10月19日, OPPO正式发布了旗舰新机OPPO Find N3,同时在发布会上重磅推出了「文件随心开」功能,支持多种专业格式的文件预览。值得一提的是,该功能支持在ColorOS系统上打开苹果的Pages、Numbers、Keynote三件套应用软件,使OPPO成为目前唯一支持在安卓生态打开苹果应用软件的手机厂商,也让ColorOS成为安卓生态内第一家支持多种专业格式预览的系统。
「文件随心开」在OPPO安第斯智能云提供的云端解析引擎、云渲染等技术支撑下,为用户提供云端跨平台文件的本地打开服务。这是一次打破设备、系统和生态之间壁垒的卓越成果,OPPO手机用户也实现了从容打开各种格式文件,全面提升办公和私人文件处理效率,消弭了终端割裂、服务割裂、体验割裂等问题。
无插件、多格式、跨生态
打造全能实用的文件“瑞士军刀”
后疫情时代,居家办公、移动办公已成为生活常态,手机越来越多地承担起文件查看及审阅等任务。然而,面对海量千差万别的办公文件格式,手机等终端系统内如果缺少专业且通用的预览工具,将难以实现高效文件预览。大部分用户仍需下载文件后,额外通过外部APP软件查看文档,严重阻碍了工作流畅度和整体效率。
OPPO此次推出的「文件随心开」拥有三大核心功能特点。首先是多种格式破壁打开,当前版本支持打开苹果生态的Pages、Numbers、Keynote办公三件套,以及CAD和Markdown格式,后续还将陆续覆盖更多文件格式,并会提供格式导出能力;其次是交互自然无感,文件随心开功能将被打造成系统级的泛在能力,用户无需额外下载和安装任何插件即可打开上述文件格式;最后是预览快人一步,功能支持多模态分时缓存,已打开预览过的文件可实现“秒开”,享受与本地效果近乎一致的打开体验。
随着「文件随心开」功能的推出,OPPO在安卓生态内全新开辟出一条专业且通用的文件预览通道,首次实现在安卓系统上支持打开苹果应用软件,支持多种专业文件格式预览,有效缩短了用户的文件打开路径,实现信息无缝流转和办公高效协同。
安第斯智能云智慧赋能
安全、稳步革新办公场景体验
文件格式是一种规定如何进行编码和存储数据的标准方式,便于计算机或其他设备能够读取、理解和处理其中的信息。虽然存有通用的文件格式标准,但许多专业领域仍然使用自定义的文件格式,缺乏通用的标准化,加上专业文件格式的专利或版权保护等问题,导致了在不同的应用程序和设备之间文件预览功能适配度低、兼容性差、打开路径长等问题。
「文件随心开」在OPPO安第斯智能云提供的云端解析引擎、云渲染技术支撑下,结合深度集成系统APP实现动态加载和本地缓存,实现云端跨平台文件的本地打开体验。同时,得益于OPPO安第斯智能云在渲染引擎、安全云存储、网络加速通道等的持续投入,极大缩短了云端文件首次打开时间,做到二次打开时实现“秒开”的稳定流畅体验。
保护用户文件隐私安全,是「文件随心开」作为生产力工具的首要使命,也是OPPO一直以来格外关注的核心问题。OPPO遵循国内外安全隐私最佳实践和标准落实用户隐私保护措施,通过多项国内外安全隐私领域的权威认证,包括CSA STAR认证、ISO/IEC 27001认证、ISO/IEC 27701认证、ISO/IEC 27018认证,并通过网络安全等级保护测评,致力于为用户提供安全、可信的服务。在全新发布的OPPO Find N3中,更是搭载了国密二级认证的安全芯片,能够对手机里的隐私文件进行芯片级的防护,进一步加码用户的用机安全。
OPPO以多年技术整合沉淀躬身入局,「文件随心开」功能的发布刷新了终端文档办公的天花板,得益于安第斯智能云在基础设施层面的持续投入,全球8大云计算中心,覆盖了超过 10万个服务器,让云计算持续赋能终端体验革新。
从年初「智慧云加速」到「文件随心开」功能发布,安第斯智能云“让终端更智能”的目标正在逐步落地。同时,安第斯智能云孵化的大模型AndesGPT,正持续加持OPPO全新小布助手的AI能力,为用户带来更好的使用体验,并逐步应用于更多OPPO核心产品中,带来全新的智能交互体验。
目前,基于AndesGPT大模型的OPPO新小布1.0 Beta版尝鲜体验也已开启,用户只需唤醒小布并说出“小布大模型”,即可参与报名并解锁多种场景尝鲜体验。
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。