继上个月推出的一系列新功能后 (包括彩色聊天主题、关联社交媒体账号,以及支持图片和语音信息的 ChatGPT 功能),WhatsApp 又有新动作。
WABetaInfo 发现了这一即将推出的新功能。
当用户回复一条引用消息时,该主题将保持与原始消息的关联,确保所有回复都能保持有序组织。
通过这项功能,用户无需在大量单独回复中滚动查找,而是可以在专门的主题区域中查看所有相关回复,使对话结构更清晰,更易于跟踪。在群聊中,讨论内容往往会快速激增,这种组织方式可以让用户免于在整个聊天历史记录中寻找特定回复的麻烦,他们可以轻松浏览主题并专注于相关对话,同时不会丢失上下文。
正如该网站所指出的,这将使在繁忙的群聊中回复特定话题变得更加容易。虽然目前用户可以点击任何引用消息来跳转回原始帖子,但要概览某个话题的所有讨论内容仍然比较困难。能够单独查看完整的主题无疑是一项重大改进。
目前还不确定该功能何时正式推出。该公司通常会先在 Android 应用程序中进行测试 (此功能就是在 Android 版本中被发现的),然后再推广到 iOS 应用程序。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。