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
是德科技高级副总裁兼通信解决方案事业部总裁Kailash Narayanan现场指出,算力固然重要,但如果能耗过高,技术的实用性将大打折扣,因此,所有的高速、高性能计算,都必须在极低的功耗下实现,这是AI等技术能否大规模落地的核心前提。
DeepSeek-AI团队通过创新的软硬件协同设计,仅用2048张GPU训练出性能卓越的DeepSeek-V3大语言模型,挑战了AI训练需要海量资源的传统观念。该研究采用多头潜在注意力、专家混合架构、FP8低精度训练等技术,大幅提升内存效率和计算性能,为AI技术的民主化和可持续发展提供了新思路。
来自上海交通大学和浙江大学等机构的研究团队开发出首个AI"记忆操作系统"MemOS,解决了AI系统无法实现人类般持久记忆和学习的根本限制。该系统将记忆视为核心计算资源进行调度、共享和演化,在时间推理任务中相比OpenAI记忆系统性能提升159%。MemOS采用三层架构设计,通过标准化记忆单元实现跨平台记忆迁移,有望改变企业AI部署模式。
加拿大女王大学研究团队首次系统评估了大型视频语言模型的因果推理能力,发现即使最先进的AI在理解视频中事件因果关系方面表现极差,大多数模型准确率甚至低于随机猜测。研究创建了全球首个视频因果推理基准VCRBench,并提出了识别-推理分解法(RRD),通过任务分解显著提升了AI性能,最高改善幅度达25.2%。