【ZD Labs】在《艾比格特iBIGStor无线移动硬盘评测》中我们已经测试过了iBIG Stor(艾比格特)的第一代产品:iBIG Stor无线移动产品。原则上,iBIG Stor不是一个仅限于无线移动硬盘的品牌,但其目前推出的产品都是无线移动硬盘。
过去了四分之三年之后,iBIG Stor推出了新的产品,这次不再叫“无线移动硬盘”了,改成了“智能移动硬盘”,如下图所示:
我们从iBIG Stor拿到了这款最新的产品——在很多地方,它都被标注为iBIG Stor Lite(以下在需要时简称iBSL),不过这在产品包装上没有得到体现,仅仅在背面的型号标注上透露了一点“IBSL6291”。
黑色版本型号ISBL6291,白色版本型号ISBL6281,为什么我会知道?因为我自己还买了一个(白色的)
尽管如此,为了和前文呼应,我们的标题使用的是“iBIG Stor Lite”,这应该是正式的产品型号,而“智能移动硬盘”这样的称呼这不太稳定,具体有赖于软件的具体实现,这一点后面我们可以看到。
和老的iBS比起来,新的iBSL个头上要长一些,同时,哑光的表面可以更好地免疫指纹以及划痕(至少是大部分地)。iBS尺寸规格是125x80x16(mm),重量约为180克,iBSL则是130x80x13(mm),重量轻一些,但笔者手上没有测量设备。

下为iBIG Stor Lite,上为iBIG Stor,可以看出,宽度是一样的,不过新版iBSL要薄一点
在包装盒上iBSL标注的特点仅有一点:Type-C,老版则是Type-B MicroUSB 3.0,新的接口速度上没什么区别,不过,对笔者而言,Type-C的稳固性比Type-B要好一点(顺便一提,Type-A也不怎么样)。iBSL还在接口板上设置了分立的无线和存储设备指示灯。
好文章,需要你的鼓励
这项来自明尼苏达大学等机构的研究发现,大语言模型在强化学习后训练中,只需训练中间少数几层即可匹配甚至超越全参数训练效果,且这一规律跨模型、跨任务高度稳定,为更高效的AI训练策略提供了新思路。
本文介绍VIBE框架,一套通过开放式任务评估大型音频语言模型声音诱发偏见的系统,测试12个模型后发现每个模型均存在显著性别或口音偏见。