小米科技有限责任公司近日申请注册了多个“小米龙晶”商标，这些商标涵盖了科学仪器、橡胶制品和厨房洁具等多个国际分类。目前这些商标的状态为等待实质审查。

  据了解，小米龙晶玻璃将由小米14Pro首发采用，这种玻璃的抗跌落性能提升了10倍，耐刮性能也提升了1.32倍。

  根据官方公布的数据，小米龙晶玻璃的硬度超越了华为的昆仑2代和苹果的超晶瓷。目前几个主流的手机玻璃维氏硬度参数如下:小米龙晶（860HV0.025）、华为昆仑2代(830HV0.025)、苹果超晶瓷(814HV0.025)和康宁大猩猩玻璃Victus2(670HV0.025)。

  11.11云上盛惠！海量产品 · 轻松上云！云服务器首年1.8折起，买1年送3个月！超值优惠，稳定性很高，让您的云端之旅更加畅享。快来腾讯云选购吧！

  在小米14系列发布时推出了一款小米14Pro钛金属版，用上了尊贵的99%纯钛。因为工艺过于复杂，导致该版本产能不足，发售至今也只有少数用户抢到手机，不少朋友以为是限量发售。小米14Pro钛金属特别版仅提供16GB1TB版本，售价6499元普通版同配置售价为5999元。

  根据BCI最新公布的多个方面数据显示，小米在2023年11月期间，以18.3%的份额位列中国市场第二，同时也是国产第一。统计期内小米激活量同比增长44.1%，达524.3万台。第三代骁龙8的加持下，小米14性能输出也非常强劲，安兔兔跑分达到200万级，《原神》还能满帧高画质运行。

  今日，小米公司CEO雷军发文宣传小米14标准版。小米14标准版影像系统非常强，甚至有浮动长焦，可以越级对标iPhonePro级别的产品。雷军表示：小米14系列口碑好，销量自然好。

  据小米官微消息，小米手机正式迈入WiFi7时代，小米14系列率先升级支持，小米13系列、小米MIXFold3系列等机型也将陆续适配支持。目前小米万兆路由器和小米路由器7000都已经收到了WiFi7固件，再搭配小米14系列，用户都能够体验到最强的WiFi7网络。WiFi7还解决了干扰问题，为设备密集或相邻网络重叠的区域带来实实在在的好处，这对公司和大型场所尤为重要。

  博主数码闲聊站暗示，小米14Ultra工程机有蓝色玻璃、橙色环保有机硅素皮、黑色环保有机硅素皮等材质。数码闲聊站还暗示，小米14Ultra正面是微四曲屏形态，金属中框不再延伸到电池盖上，此前在小米13Ultra上，小米将金属中框延伸到了背部。新品在明年Q1登场。

  近日，鲁大师发布了久用流畅排行榜”第二期，榜单显示，搭载了澎湃OS的小米14Pro位居第一名。最终结果为，小米14Pro作为今年小米最新的旗舰产品，一经发布便登顶榜首，以14675.91分的总成绩，仅8.68%的老化率排名第一，其中澎湃OS也是功不可没。同时模拟老化过程由原有标准的一轮写入变更为48轮写入；为了数据的稳定性，严格的界定了久用流畅测试方法，以便得出更严谨科学的结论。

  小米14系列依然是供不应求，目前已再加单40%。小米14自今年10月份发布以来，销量火爆”和缺货”就成了其高频词汇。”这次小米14系列再加单40%，与其优秀的综合产品表现也是密不可分，希望就如雷军所说那样，小米14系列是小米阶段性成功，相信小米手机会慢慢的好。

  据GSMChina最新报道，小米平板7Pro将会在今年第二季度发布，与小米14Ultra同台亮相。根据小米代码中透露的信息数据显示，小米平板7Pro将内置10000mAh电池，支持120W快充。目前在售的小米平板6Pro采用11英寸屏幕，核心搭载骁龙8。

  小米在北京举行了SU7的技术发布会，雷军给行业带来不少惊喜。很多人仍在使用苹果小米14特别好用。小米汽车将经过大量测试以确保万无一失。

  小米手机宣布，小米14全系列、小米13全系列、XiaomiMIXFold3正式升级WiFi7。上述机型WiFi7功能将于近期陆续推送。除传统的2.4GHz和5GHz两个频段将新增支持6GHz频段，更快网速、更低延迟、更抗干扰。

  Heartstring AI是一个AI驱动的演讲写作平台,能够在一定程度上帮助用户在婚礼誓词、悼词等人生重要时刻写出发自内心的演说。用户只需选择演讲场合,AI将为您生成初稿,您能够准确的通过个人需要进行修改定制,轻松写出完美的演讲稿。该产品具有生成效率高、内容真实动人、操作简单便捷等优点,适用于需要撰写演讲稿的各类用户。

  iSamur.ai 是一个 AI 内容创作工具集,提供人脸增强、修复、替换等功能,助力用户轻松创作高质量图像和视频。个人会使用深度学习算法,实现精准的人脸操作和转换,还提供无限时长的视频处理。产品功能强大且易于使用,大幅度提高内容创作的效率。我们持续研发创新功能,致力于将 AI 技术与创意内容结合,为用户更好的提供简单高效的解决方案。

  Similartool.AI是一个AI工具对比平台,为用户更好的提供准确、可信赖、高影响力的AI工具推荐。平台收录众多AI工具,用户都能够快速发现、比较不同的AI工具,选择最符合自己需求的产品。我们致力于成为用户的首要全面AI工具资源库。

  Lumino是一个机器学习模型训练平台，可以降低50-70%的成本。用户可以在其广泛的计算资源网络上训练机器学习模型，同时也可以供应计算资源。该平台通过去除中间商（如AWS、GCP和Azure）并直接连接计算资源提供商，显著降低成本。所有模型和训练集都可以追溯到经过加密验证的证据，实现完全的问责制。此外，Lumino采用去中心化和无需许可的网络结构，阻止集中式云平台和专制国家滥用权力。

  Inpaint_wechat是基于微信AI能力的小程序，实现了图片选定区域的消除修复功能，纯客户端实现，无服务端。产品定位为提供便捷的图片修复解决方案，无需额外的服务器支持。

  Feedspace是一款连接企业与用户的反馈AI工具，提供视频、文本、音频和社交媒体反馈收集功能。通过Feedspace，用户能够迅速获取关于项目完成情况、银行服务、公司评价、快递状态等方面的反馈。该产品适用于各种团队和领域，包括产品团队、经营销售团队、产品设计师、人力资源部门、初创企业、教育学习管理机关、电子商务、影响者、非营利组织等。Feedspace还提供丰富的资源和工具，包括博客、快速演示、模板反馈、普遍的问题解答、系统状态、教程等。用户还能够最终靠Feedspace成为合作伙伴，获取高达50%的佣金。产品定价灵活，适用于各种规模的企业。

  GPT Chatbot是由OpenAI开发的AI语言模型。GPT采用Transformer架构，擅长理解和生成人类化的文本。经过大量互联网数据集的预训练，GPT理解上下文、句法和语义，使其能够生成相关的回应。GPT的优点是其能够从多样的语言数据中推断出模式，从而完成对话、回答问题和内容创作等任务。与基于规则的系统不同，GPT动态生成回应，展现了在所有的领域的适应性。其应用场景范围从语言翻译到支持创意写作等。通过整合深度学习技术，GPT捕捉复杂的语言结构，使其能够生成连贯且上下文相关的文本。这一预训练阶段赋予了GPT广泛的语言理解，使其成为执行众多与语言相关任务的多功能工具。

  Mickey-1928:用于生成米奇、米妮等迪士尼公有领域角色图像的稳定扩散模型

  Mickey-1928是一个针对Stable-Diffusion-xl模型微调后的版本,训练数据集包含96张迪士尼1928年前公有领域动画片《小飞象》、《汽船威利号》和《疯狂的高卢》中的静态画面。该模型可以生成米奇、米妮和皮特等经典迪士尼卡通形象,使生成的图像保持1928年的经典设计风格。

  CelestialPDF是一款能够让您与任何PDF文件进行交互的工具。只需上传您的文件，立即开始提出问题。我们致力于为您提供最佳工具，以提升您的生产力。让人工智能为您总结和创建，让您能专注于真正重要的工作。您能够最终靠免费计划或选择我们的专业计划开始使用CelestialPDF。上传您的PDF文件，我们将处理您的文件并准备好让您进行交互。CelestialPDF让您与PDF文件进行交谈变得前所未有的简单。

  BetterYeah AI Agent是一款企业级AI应用开发平台,专注于构建业务专家级的AI工作助理。内置多种成熟模版,功能强大开箱即用,可快速应用落地。支持私有化部署,确保企业数据安全。可一键解析企业数据,处理图文、超链接、表格等知识数据,实现自我学习迭代。提供智能客服、销售顾问等多种应用场景,帮企业重塑业务流程。

  Boundary Attention 是一个可微分模型，它通过一种称为边界注意力的机制来明确地建模边界，包括轮廓、角点和交叉点。与之前的经典方法相比，我们的模型具有可微分性，可扩展到更大的图像，还可以自动适应图像的每个部分的适当几何细节水平。与通过端到端训练找到边界的先前深度方法相比，它具有提供亚像素精度、对噪声更具鲁棒性以及能够以原生分辨率和纵横比处理任何图像的优势。

  Text2Immersion是一个优雅的从文本提示生成高质量3D沉浸场景的方法。我们提出的流水线D扩散和深度估计模型逐步生成高斯云。接下来是对高斯云进行精炼,插值和精炼以增强生成场景的细节。与仅关注单个物体或室内场景,或采用缩小轨迹的主流方法不同,我们的办法能够生成包含各种物体的不同场景,甚至扩展到创造想象中的场景。因此,Text2Immersion可以对各种应用产生广泛的影响,如虚拟现实、游戏开发和自动内容创建。大量的评估证明我们的系统在渲染质量和多样性方面优于其他方法,并且继续推进面向文本的3D场景生成。

  Diffusion Model with Perceptual Loss:基于感知损失的扩散模型

  该论文介绍了一种基于感知损失的扩散模型，通过将感知损失直接纳入扩散训练中来提高样本质量。对于有条件生成，该方法仅改善样本质量而不会影响条件输入，因此不会牺牲样本多样性。对于无条件生成，这种方法也能提高样本质量。论文详细的介绍了方法的原理和实验结果。