對于網(wǎng)易新聞客戶端的用戶來說,美好的一天是這樣開始的:早晨打開段子頻道,來個(gè)笑話醒醒覺,刷刷頭條,看看這個(gè)世界發(fā)生了什么;午休時(shí)分,《輕松一刻》佐個(gè)餐,再跟個(gè)貼子練練手;下午茶是做新聞任務(wù)的黃金時(shí)間,網(wǎng)易金幣得勤賺;晚上翻看著《新聞七點(diǎn)整》,新媒體里聊一聊……
是不是讓你找到了一種開party的感覺?“眼底收盡天下事,娛樂全在客戶端”,這正是網(wǎng)易傳遞給用戶的全方位新聞閱讀體驗(yàn),在“有態(tài)度”的同時(shí),還要做“有趣”的客戶端。
在移動新聞客戶端的紅海中,網(wǎng)易是個(gè)卓爾不群的角色,在DCCI發(fā)布的《2014年移動互聯(lián)市場門戶新聞客戶端用戶行為調(diào)查》報(bào)告中,網(wǎng)易以76.5%的用戶知曉率領(lǐng)跑整體市場。根據(jù)今年1月份艾瑞mUserTracker公布的數(shù)據(jù)顯示,在眾多門戶新聞客戶端中,網(wǎng)易新聞客戶端的人均使用次數(shù)也高居榜首,在品牌知名度和活躍度上實(shí)現(xiàn)了雙冠。
高活躍度的用戶必然需要高質(zhì)量的產(chǎn)品功能做支撐,有趣才是活躍的前提,相比傳統(tǒng)板報(bào)式的新聞閱讀體驗(yàn),網(wǎng)易新聞客戶端以趣味性為出發(fā)點(diǎn),充分調(diào)動用戶的積極性,從內(nèi)容創(chuàng)新、原創(chuàng)欄目、互動形式、積分體系四個(gè)方面發(fā)力,全方位的打造最好玩、最好用的新聞應(yīng)用。
內(nèi)容同質(zhì)化的新聞就像是化妝間的韓國少女組合,長得千人一面,看的久了總會視覺疲勞,新穎獨(dú)特的角度和內(nèi)容才會讓人眼前一亮。在對熱點(diǎn)新聞的把握上,網(wǎng)易結(jié)合了可視化和UGC內(nèi)容等形式,利用信息圖、HTML5等技術(shù)把熱點(diǎn)新聞重新加工,以滿足用戶碎片化閱讀的習(xí)慣,并充分發(fā)揚(yáng)網(wǎng)易跟貼的優(yōu)良傳統(tǒng),讓用戶在看新聞的同時(shí)創(chuàng)作傳播內(nèi)容。
原創(chuàng)欄目是網(wǎng)易新聞客戶端的特色開胃菜,段子頻道、環(huán)球侃客、輕松一刻等頻道以多樣化的新聞表現(xiàn)形式,贏得了用戶的芳心,用戶對這個(gè)版塊的反饋也是最為熱烈和積極的,每期《每日輕松一刻》的跟貼都達(dá)數(shù)萬條之多,網(wǎng)友們在這里可以肆無忌憚的狂歡。
互動是移動應(yīng)用與用戶交流的情感紐帶,要想留住用戶的心,首先要留住用戶的手指頭。網(wǎng)易新聞客戶端引入了多媒體的互動交流方式,視頻直播、彈幕跟貼、語音跟貼、PK臺等功能讓網(wǎng)友們玩的樂此不疲,甚至連兩會這樣的時(shí)政新聞報(bào)道都加入了用戶熱衷的HTML5游戲環(huán)節(jié)。
網(wǎng)易新聞客戶端引入的積分體系是提升用戶活躍度的有效手段,相比之下,黏住用戶比吸引用戶更重要,而網(wǎng)易通過健全的積分系統(tǒng),把常見的社區(qū)激勵(lì)政策引入到客戶端用戶中,看新聞、分享新聞、創(chuàng)作內(nèi)容都會有相應(yīng)的積分反饋機(jī)制,這大大增強(qiáng)了用戶的參與感,激發(fā)用戶的使用興趣。
在網(wǎng)易的地盤上,新聞客戶端不是冷冰冰的黑板報(bào),而是和用戶一起high玩的娛樂場,每個(gè)人都能參與其中,沒有人是置身于外的看客。
好文章,需要你的鼓勵(lì)
新加坡國立大學(xué)研究團(tuán)隊(duì)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(shí)驗(yàn)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(duì)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(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(duì)通過對比實(shí)驗(yàn)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(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(shí)現(xiàn)大語言模型訓(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。