本周,Foodnoms迎来了一次重大更新,完全革新了快捷指令(Shortcuts)集成功能。
Foodnoms的最新版本带来了横跨八个不同类别的44个新快捷指令操作。这包括记录食物、追踪和修改目标、创建和管理餐食等功能的操作。
在宣布更新的博客文章中,Foodnoms开发者Ryan Ashcraft表示,目标是"创造一种无与伦比的自动化体验,使营养追踪比以往更加便捷和灵活。"
"我们已经为这次更新努力了数月,不断完善细节并推动当前API所能实现的边界。我们的目标是创造一种无与伦比的自动化体验,使营养追踪比以往更加便捷和灵活。我们很高兴今天终于能够向您提供这一功能。"
此外,Foodnoms更新还包括九个新的应用快捷指令,可通过快捷指令应用、Spotlight和Siri访问:
Foodnoms还与大家最喜爱的快捷指令专家Matthew Cassinelli合作,为Foodnoms用户创建了七个预构建的快捷指令。您可以在Foodnoms网站上查看这些快捷指令。
最后,正如Ryan所解释的,这次Foodnoms的更新确保了应用"为Apple Intelligence做好了未来准备"。
您可以在Foodnoms网站上了解更多关于今天更新的信息,还可以观看几个新快捷指令功能的实际应用示例。该应用可在App Store下载。
好文章,需要你的鼓励
邻里社交应用Nextdoor推出重新设计版本,新增本地新闻、实时警报和名为"Faves"的AI功能,用于发现本地商户和地点。该应用与3500家本地出版商合作提供新闻内容,通过Samdesk和Weather.com提供天气、交通、停电等实时警报。Faves功能利用15年邻里对话数据训练的大语言模型,为用户提供本地化AI推荐服务,帮助用户找到最佳餐厅、徒步地点等本地信息。
Skywork AI推出的第二代多模态推理模型R1V2,通过创新的混合强化学习方法,成功解决了AI"慢思考"策略在视觉推理中的挑战。该模型在保持强大推理能力的同时有效控制视觉幻觉,在多项权威测试中超越同类开源模型,某些指标甚至媲美商业产品,为开源AI发展树立了新标杆。
英国生物银行完成了世界上最大规模的全身成像项目,收集了10万名志愿者的超过10亿次扫描数据,用于研究人体衰老和疾病过程。该项目历时11年,每次扫描耗时5小时,投资6200万英镑。目前已有8万人的成像数据供全球研究人员使用,剩余数据将于年底前发布。项目已开发出能预测38种常见疾病的AI工具,并在心脏病、痴呆症和癌症诊断方面取得突破。
这项由北京大学等多所高校联合完成的研究,首次对OpenAI GPT-4o的图像生成能力进行了全面评估。研究团队设计了名为GPT-ImgEval的综合测试体系,从文本转图像、图像编辑和知识驱动创作三个维度评估GPT-4o,发现其在所有测试中都显著超越现有方法。研究还通过技术分析推断GPT-4o采用了自回归与扩散相结合的混合架构,并发现其生成图像仍可被现有检测工具有效识别,为AI图像生成领域提供了重要的评估基准和技术洞察。