你知道兩會么?
盡管兩會是中國一年一度的頭等政治大事,但在不少網(wǎng)民看來,卻似乎與自己并無太大關(guān)系。特別是對于天生對政治冷漠、沉溺于碎片化的移動互聯(lián)網(wǎng)中的80、90后等“互聯(lián)網(wǎng)的一代”來說,兩會似乎更像是一場“別人家的會”,離自己太過遙遠(yuǎn),而這部分群體,恰恰是新聞客戶端的閱讀主力。如何提升新生代網(wǎng)民對兩會的參與感,恰是網(wǎng)易新聞客戶端此次兩會報道的著眼點。
策劃接地氣 新聞有態(tài)度
在羊年兩會的報道上,網(wǎng)易新聞客戶端不再只是為大家做簡單的新聞羅列和ppt式的新聞呈現(xiàn)。在對兩會專題的資訊篩選上,網(wǎng)易新聞客戶端非常關(guān)注例如二胎、戶籍、養(yǎng)老等與民生有關(guān)的話題,并作出深度的主題解讀,拉近普通老百姓與兩會的距離。
每年兩會明星政協(xié)委員都是一道亮麗的風(fēng)景線,他們的起居飲食、提案內(nèi)容甚至檔期安排都是公眾關(guān)注的焦點。網(wǎng)易新聞客戶端就演員黃宏被免職、明星政協(xié)委員的兩會生活等公眾感興趣的話題進(jìn)行了獨家深度策劃,幫助讀者深挖明星委員背后的故事。
曾經(jīng)的兩會報道模式枯燥乏味,晦澀難懂,一系列高深莫測的理論讓人摸不著頭腦,就像是風(fēng)干已久的老牛肉,對于習(xí)慣了看機(jī)關(guān)黨報和新聞聯(lián)播的父母一代或許還能行得通,到了守著互聯(lián)網(wǎng)長大的80、90后一代就完全是味同爵蠟。
為了提升新生代網(wǎng)民對兩會的關(guān)注,今年網(wǎng)易新聞客戶端頭條組成立“策劃小分隊”,做個性化內(nèi)容生產(chǎn),豐富兩會報道形態(tài),推出《你懂的!政協(xié)發(fā)布會亮點大盤點》等一系列“萌萌噠”可視化圖文,讓即使天生對政治“免疫”的年輕一代也能輕松讀懂兩會。同時,網(wǎng)易新媒體實驗室還別出心裁地將時下最流行的H5引入兩會報道中,推出有故事有場景的H5策劃《兩會保障,你不知道的付出》和輕松有趣的自述型擬人動畫視頻,用戶不再是新聞的被動接受者,而是自發(fā)參與到新聞傳播中來。其中《人民大會堂,小明帶你玩》在社交媒體上引起廣泛轉(zhuǎn)發(fā),被評價為此次兩會報道的代表作。
除了在報道上別出心裁,網(wǎng)易新聞客戶端還在互動體驗上下足了功夫,提升用戶參與感,激活更多時政新聞的“睡眠用戶”。兩會進(jìn)行期間,網(wǎng)易新聞客戶端推出形式多樣的在線直播、互動和答題活動,結(jié)果實時同步到微博微信中,將社交功能融入進(jìn)來,用戶可以隨時在朋友圈中比對自己的“兩會”成績。其中第一次客戶端互動直播《從一胎化到自主生育有多難?》的參與度就將近100萬人次。
除了答題的互動,網(wǎng)易新媒體實驗室還聯(lián)合央廣中國之聲、零點咨詢推出“兩會輿論調(diào)查”,通過最接地氣兒的話題吸引用戶跟貼討論。其中《兩會調(diào)查:二胎放開,你生還是不生》等網(wǎng)民最關(guān)心話題共同引發(fā)一輪跟貼熱潮。
針對兩會熱門話題和明星提案,網(wǎng)易新聞客戶端開設(shè)了專門的投票專題和PK臺,邀請用戶進(jìn)行話題投票和PK,截止12日晚間,共吸引22萬6千多人次參與。
移動客戶端用戶的訴求簡單粗暴,他們只需要在短時間內(nèi)知道這個世界發(fā)生了什么,然后才會對感興趣的話題深入了解并傳播,因此推送就成為抓住用戶粘性的首個關(guān)口,這也是移動新聞客戶端在報道兩會這樣高大上新聞的優(yōu)勢所在:能在第一時間內(nèi)為用戶傳播有價值的信息,以快速新穎的方式呈現(xiàn)兩會報道,迎合網(wǎng)民阿們碎片化的資訊獲取模式,勾起用戶深度了解的欲望,緊抓用戶的興趣點,用最接地氣的方式將兩會活躍在網(wǎng)民的指尖上,打造最有溫度的新聞客戶端,這就是網(wǎng)易的態(tài)度。
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。