日前,移動游戲發(fā)行平臺樂逗游戲宣布簽下《紀(jì)念碑谷》安卓版,成為中國市場獨家代理商,一舉拿下“史上最美手游”。
藝術(shù)品級手游
《紀(jì)念碑谷》利用空間錯位感交織出迷宮世界,玩家要通過轉(zhuǎn)移、旋轉(zhuǎn)、顛倒等解謎手法,來幫助沉默公主艾達(dá)走出紀(jì)念碑迷陣。游戲中的音樂特效同樣可圈可點,風(fēng)聲、海浪聲、滴水聲等,伴隨著空靈般的音樂,給玩家?guī)硪嗵撘鄬嵉挠螒蝮w驗。
“游戲講述了一個優(yōu)美而哀傷的故事,”一位玩家如此闡釋《紀(jì)念碑谷》帶來的體驗,“玩通關(guān)猶如觀看了一部文藝范十足的微電影。”不僅如此,近日名為“寧財神”,且擁有640余萬粉絲的微博帳號更是大贊《紀(jì)念碑谷》,認(rèn)為游戲體現(xiàn)了美學(xué)和智力的雙重追求。
這樣一款經(jīng)典游戲,甫一推出就獲得了業(yè)界和市場的肯定。不僅獲得2014年蘋果最佳設(shè)計獎、最佳iPad游戲獎等重量級獎項,還入選《時代周刊》評選的2014年十大游戲榜單。作為一款付費游戲,《紀(jì)念碑谷》自上市以來,突破140萬下載量,占據(jù)66個國家的App Store付費榜首位,總體獲得9.2分的高分評價。而在中國市場上,《紀(jì)念碑谷》上架不到一周就登上了App Store中國區(qū)付費榜第一。
樂逗游戲品牌影響力:非精品不發(fā)行
憑借《紀(jì)念碑谷》一舉成名的開發(fā)商ustwo,其成功秘訣正是對游戲的精雕細(xì)琢與高度審美,而樂逗游戲恰恰也是奉行“非精品不發(fā)行”戰(zhàn)略的企業(yè),“精品戰(zhàn)略”的契合性促使雙方達(dá)成合作。
一直以來,樂逗游戲?qū)Πl(fā)行游戲的選擇近乎苛刻,“要想獲得流量、流量變現(xiàn)、流量留存,就要找到最強(qiáng)的內(nèi)容。” 樂逗游戲CEO陳湘宇如此闡釋為何樂逗對于內(nèi)容如此精挑細(xì)選。而在樂逗游戲成立之初,正是基于這一理念,鍥而不舍地敲開了《水果忍者》這些全球頂級游戲的大門。
陳湘宇認(rèn)為,一款游戲是否好玩來自于賣相、體驗和劇情三方面,樂逗也一直以此為標(biāo)準(zhǔn)遴選著發(fā)行對象。“你可以發(fā)現(xiàn),《紀(jì)念碑谷》無論從畫面品質(zhì)、游戲情節(jié),還是用戶體驗,都近乎完美地詮釋了我們心目中的精品游戲。這就是為什么樂逗對于這款游戲志在必得。”
據(jù)悉,在2014年曾有8家中國手游發(fā)行商陸續(xù)與ustwo接洽過,均無功而返。為表誠意,樂逗游戲副總裁西門孟直接飛赴倫敦與游戲開發(fā)商面談,最終成功簽下這款藝術(shù)品級游戲。
樂逗游戲牽手ustwo:海外精品手游的中國專家
樂逗游戲素以發(fā)行海外精品手游見長。從《水果忍者》、《地鐵跑酷》再到《神廟逃亡》,多款國際知名游戲,都通過樂逗游戲這一海外手游“翻譯家”成功入駐中國并成為手游界的“不老傳說”。
對于《紀(jì)念碑谷》而言,牽手樂逗游戲,意味其在中國市場,特別是渠道紛繁、關(guān)系復(fù)雜的中國安卓市場將贏得正版游戲的一席之地。
樂逗游戲CEO陳湘宇表示:“未來我們將為《紀(jì)念碑谷》的玩家提供最原汁原味的游戲體驗,并在保留游戲特點同時,進(jìn)行適當(dāng)?shù)亩窝邪l(fā),包括改善付費模式,完善游戲關(guān)卡設(shè)計等。 ”
據(jù)悉,目前樂逗的注冊用戶超過4.73億,月活躍用戶達(dá)到1.22億,根據(jù)易觀國際2014年第3季度移動游戲發(fā)行市場分析報告,樂逗游戲已經(jīng)囊括了移動游戲市場29.8%的用戶,穩(wěn)居用戶規(guī)模行業(yè)第一的地位。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團(tuán)隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團(tuán)隊通過對比實驗發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強(qiáng)于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗證有效性。