高考结束,正是考生们轻装旅行的好时候。高中学习任务重,很多学生重复着学校到家“两点一线”的生活,考后假期是一段前所未有的充裕时光,考生们可以尽情地放松身心,去更远的地方看不同的风景。华为手机自带的负一屏、华为钱包、云空间等产品,能够为考生提供多样化的出行便利,让他们轻松踏上考后的“下一站”旅行,收获美好回忆。
一站式服务,出行优惠享不停
高考后的假期是个旅行“小高峰”,热门旅游城市的往返航班、酒店、景点门票都会比平时更火爆难抢,提前规划行程很重要。华为负一屏“发现”页兼顾用户的多场景需求,直接在手机桌面右滑,即可快速获取所需服务。考生们可以在智慧出行类服务中提前预定机酒,还能方便地查看服务的实时状态,例如订了机票、高铁票时,负一屏会及时提醒用户安排行程,无需在不同App间切换查看信息,让出行更从容。
近期负一屏还上线了多项优惠,比如,负一屏同程旅行推出疯狂星期五活动,全部用户每周五首单立减20元,更有迪士尼门票5折兑换卡、火机酒立减券等福利;新用户使用负一屏的美团外卖首单立减10元,华为用户还可以专享38元券包。另外,用华为负一屏滴滴出行打车、猫眼电影购买电影票、预约挂号体检等都能享受优惠,不仅能为用户提供出行福利,也同样适用于宅家、聚会等场景。
畅享交通便利,异地旅行更省心
不同城市有不一样的风土人情,考生们无论是打算“特种兵式”打卡多个热门景点,还是想要悠然探索城市里的小众之地,公共交通都是最实惠、便捷的交通方式。开通华为钱包交通卡,能够在全国330多个城市乘坐指定公共线路,使用时只需将手机背面靠近刷卡闸机,无需解锁屏幕、无需打开App、无网也能刷。如果有考生计划去多个城市旅行的话,使用华为钱包交通卡可以有效避免因不同城市有不同的交通卡带来的不便,也将极大地提升旅行体验。
存储旅行回忆,守护数据安全
旅行途中的每一张照片都承载着一段特别的回忆,让人在多年后依然能够清晰地回忆起旅行路上的精彩点滴。拍照时手机内存不够是个常见的困扰,华为云空间让用户能够安心拍、放心存,时刻记录旅行中的见闻感受。用户可以使用图库的“释放本地存储空间”功能,快速释放设备中旧照片和视频占用的本地空间,或使用“家人共享”功能,与群组成员共同使用200GB以上的云存储空间,但存储数据依然为仅自己可见。618大促期间,订购200GB或2048GB包年套餐还能再送2个月,考生们可以根据自己的拍照习惯选择不同档位,安心存储。
出门在外,如果担心手机、耳机等设备丢失,记得提前开启华为云空间的“查找设备”功能,可以精确到具体的楼层位置,即使是设备离线状态也能轻松定位。倘若设备最终还是没能找回,云空间还支持“擦除数据”功能,把遗失的设备恢复出厂设置,并永久删除设备及储存卡内的所有数据,全面保障用户的数据安全。
畅享视听盛宴,旅行路上不无聊
旅行路上,考生在候机、等待高铁、乘坐地铁公交时,难免会觉得无聊,可以通过听音乐、追剧、看书等方式来解解闷。华为音乐、华为视频、华为阅读在近期上线了相关活动,让出行更充实有趣。即日起至20日期间,购买超级音乐VIP年卡送半年卡,还能抽取HUAWEI Mate X5、MateBook E Go等万元福利奖品;618活动期间,仅需79元即可购买华为影视会员年卡,还能获得网易严选Pro季卡、华为主题月卡、华为阅读月卡、喜马拉雅月卡等福利;6月15日至6月20日期间,华为阅读注册用户参与活动228元解锁5折会员礼包,即可享618天阅读会员权益,还有更多超值优惠。
高考这一“战”已是过去式,下一站的风景更精彩。高考后的假期是考生们享受自由的好时机,旅行路上有了华为手机里的贴心应用和服务相伴,大家的考后旅行也会更便捷、高效、有趣。每次旅行都是与未知邂逅的机会,考生们在欣赏风景、感受远方时,也会收获更多成长与感悟,带着探索广阔世界的好奇心与动力,向人生的下一个阶段出发。
好文章,需要你的鼓励
这项研究探讨了具身智能体(如机器人)如何通过记忆为用户提供个性化服务。宜远大学研究团队开发了MEMENTO评估框架,通过两阶段设计评估智能体利用记忆的能力。研究将个性化知识分为物体语义(如"我最喜欢的杯子")和用户模式(如"早餐习惯")两类。实验表明,即使是GPT-4o等前沿模型在需要综合多记忆的任务中也表现出30.5%的性能下降,特别是在理解用户模式方面存在明显挑战。
这项研究提出了一种创新的"生命长久安全对齐"框架,使大语言模型能够持续适应不断进化的越狱攻击策略。框架核心是元攻击者与防御者之间的对抗演化循环:元攻击者不断发现新的攻击策略,防御者则学习抵御这些攻击。实验表明,经过两轮迭代后,防御者成功将攻击成功率从73%降至7%,同时保持了模型的有用性。这种动态进化方法相比传统静态安全对齐更有效,为构建持续安全的大语言模型提供了新方向。
Enigmata是一项突破性研究,通过合成可验证的拼图训练大语言模型的逻辑推理能力。该研究创建了包含36种任务、7大类推理能力的完整训练系统,每项任务都配备了可控难度生成器和自动验证器。基于此训练的Qwen2.5-32B-Enigmata模型在拼图推理基准上超越了o3-mini-high和o1等顶尖模型。更令人惊喜的是,当应用于更大规模模型时,这些拼图数据不仅提升了模型解决拼图的能力,还意外增强了其数学和STEM推理能力,展示了纯逻辑训练带来的广泛泛化优势。
这项来自新加坡国立大学等机构的研究引入了REASONMAP,一个用于评估多模态大语言模型细粒度视觉理解能力的基准测试。研究团队使用来自13个国家30个城市的高分辨率交通地图,构建了1,008个问答对,设计了两级评估框架测量答案的正确性和质量。对15个流行模型的评估揭示了一个意外发现:开源领域的基础模型表现优于推理型模型,而闭源模型则相反。研究还表明,当视觉输入被遮盖时,模型性能普遍下降,证明真正的细粒度视觉推理任务仍需要有效整合多模态信息。