Mobile Devices
PulseAugur coverage of Mobile Devices — every cluster mentioning Mobile Devices across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
防病毒软件和 3D Jellyfin 店面是特色
此集群涵盖两个不同的技术新闻项目，均与 AI 无关。第一个项目讨论了 2026 年最佳防病毒软件，重点关注个人电脑、笔记本电脑和移动设备免受恶意软件侵害的保护。第二个项目重点介绍了一个自托管、开源项目，该项目为 Jellyfin 添加了 3D 视频租赁店面体验，让人想起 1990 年代的视频租赁店。
-
联邦学习框架优化能量采集设备的全局和个性化模型
本研究论文介绍了一种新颖的联邦学习（FL）框架，专为能量采集移动设备设计。所提出的系统通过利用集群信息，解决了异构数据分布和有限能量可用性带来的挑战。它支持两个学习目标：通过减少数据偏差来增强全局模型的代表性，以及通过利用这种偏差来个性化集群特定模型。数值结果表明，在减少通信开销的同时，公平性或个性化得到了改善。
-
自适应模型压缩提升了 Transformer 在边缘设备的效率
研究人员开发了自适应模型压缩 (AMC)，这是一个旨在使 Transformer 模型在资源受限的边缘设备上更高效的新框架。AMC 根据推理过程中不同数据 token 的重要性动态分配硬件资源。这种方法在特定硬件上将能耗降低了 59.2%，吞吐量提高了 2.24 倍，而准确率仅下降了 3.6%。
-
FlexServe 提升了移动设备上 LLM 的推理速度和安全性
研究人员开发了 FlexServe，一个旨在提高移动设备上大型语言模型 (LLM) 推理速度和安全性的新型系统。通过利用 ARM TrustZone 技术，FlexServe 为内存 (Flex-Mem) 和神经网络处理单元 (Flex-NPU) 引入了灵活的资源隔离，允许在受保护和非受保护模式之间高效切换。与现有方法相比，这种方法显著降低了 TrustZone 通常带来的开销，在首次令牌生成时间 (TTFT) 和多模型工作流的端到端…
-
ASML 与 Tata Electronics 合作，助力印度 110 亿美元 AI 芯片工厂
ASML 与 Tata Electronics 达成战略合作伙伴关系，以支持印度国内半导体制造能力。该协议于 5 月 16 日签署，涉及 ASML 为 Tata 计划中的 Dholera 半导体制造工厂提供光刻设备和支持。此次合作旨在加速印度的芯片生产，Dholera 工厂将生产用于汽车、移动和 AI 领域的芯片。
-
微软的Copilot Cowork助手现已支持插件并在移动设备上推出
微软已在移动设备上推出了其AI生产力助手Copilot Cowork。此次扩展还增加了可重用技能和对第三方插件的支持。这些增强功能旨在拓宽该助手的多功能性和集成能力。