Apple Watch剛一推出,網(wǎng)易新聞客戶端就迅速登陸蘋(píng)果手表的運(yùn)行界面,成為了國(guó)內(nèi)首家全面適配Apple Watch的中文新聞資訊類(lèi)App產(chǎn)品。網(wǎng)易的動(dòng)作過(guò)于神速,讓同行們頗有些捶胸頓足也趕不上的懊惱之感。不過(guò)在“掌上觀文”時(shí)代,網(wǎng)易新聞客戶端在手機(jī)的App Store上已經(jīng)占據(jù)行業(yè)前茅位置了,每天使用網(wǎng)易新聞客戶端的人就有上億。好不容易從手心轉(zhuǎn)換為手背了,可用手表看新聞時(shí)依舊用的是網(wǎng)易新聞客戶端。這會(huì)不會(huì)讓人有點(diǎn)審美疲勞呢?
網(wǎng)易新聞客戶端一直以其個(gè)性的觀點(diǎn)和深度的思考,被譽(yù)為最“有態(tài)度”的新聞媒體。在DCCI互聯(lián)網(wǎng)數(shù)據(jù)中心最新發(fā)布的《2014年移動(dòng)互聯(lián)市場(chǎng)門(mén)戶新聞客戶端用戶行為調(diào)查》報(bào)告中,網(wǎng)易新聞客戶端因在人性化的設(shè)置、可定制、界面設(shè)計(jì)等方面的突出表現(xiàn),以3.58分的高分贏得了用戶心目中品牌滿意度NO.1,名副其實(shí)地成為最受用戶及廣告主追捧的新聞App產(chǎn)品。
Apple Watch的發(fā)布,使得移動(dòng)互聯(lián)網(wǎng)進(jìn)入手背讀新聞的全新時(shí)代,網(wǎng)易新聞客戶端在手機(jī)、iPad等移動(dòng)電子設(shè)備上還不夠滿足,又跑到手表上一展身手,還真是喜歡不斷挑戰(zhàn)全新模式呢!不過(guò)頻繁亮相的網(wǎng)易新聞客戶端,是不是都以同樣的姿態(tài)示人呢?若真的只是換一種模式,換湯不換藥的話,那可就有些無(wú)感了。
幸好根據(jù)網(wǎng)易放出的可靠消息,Apple Watch版本的網(wǎng)易新聞客戶端會(huì)針對(duì)新的硬件特性和使用情景進(jìn)行優(yōu)化和個(gè)性化定制。借助設(shè)備上的Notification功能,網(wǎng)易客戶端基于大數(shù)據(jù)分析進(jìn)行智能推薦,手表屏幕上會(huì)滾動(dòng)展示6個(gè)新聞導(dǎo)航信息,每一個(gè)用戶的導(dǎo)航都會(huì)有所不同。輕輕滑動(dòng)屏幕,基于不同用戶閱讀習(xí)慣呈現(xiàn)出的分類(lèi)新聞資訊,讓用戶的碎片時(shí)間,都能滿足個(gè)性需求并且能充分利用。
另外,用戶還可以用Siri進(jìn)行語(yǔ)音輸入,轉(zhuǎn)換成文本發(fā)出,實(shí)時(shí)跟帖。隨時(shí)隨地,將自己的意見(jiàn)大聲說(shuō)出,哎喲感覺(jué)似乎不錯(cuò)哦~!看來(lái)雖然手心手背都是網(wǎng)易新聞,但呈現(xiàn)方式和用戶體驗(yàn)會(huì)有很多不一樣。在手背上看新聞的新鮮感受,讓人非常期待。4月10日你還是快點(diǎn)來(lái)吧!
好文章,需要你的鼓勵(lì)
新加坡國(guó)立大學(xué)研究團(tuán)隊(duì)開(kāi)發(fā)了SPIRAL框架,通過(guò)讓AI與自己對(duì)弈零和游戲來(lái)提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡(jiǎn)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(wú)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(duì)開(kāi)發(fā)的GIGA-ToF技術(shù)通過(guò)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(wèn)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(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺(jué)解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過(guò)對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過(guò)強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺(jué)語(yǔ)言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無(wú)法有效利用視覺(jué)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(guò)動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語(yǔ)言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。