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
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。