信息爆炸的時代,資訊無孔不入,如何給用戶提供他們最需要的、最感興趣的內(nèi)容,整合碎片化的閱讀時間,把握用戶閱讀節(jié)奏?3月26日,網(wǎng)易新聞客戶端5.0版本全新上線,產(chǎn)品交互格局煥然一新,以“直觀,定制,多元,聚合”為產(chǎn)品設(shè)計理念,采用全新的架構(gòu)直觀展現(xiàn)優(yōu)質(zhì)內(nèi)容,基于興趣化閱讀打造用戶專屬閱讀節(jié)奏,為用戶提供圖文消息與視聽新聞多場景閱讀體驗,同時聚合生活服務(wù)版塊讓用戶在資訊之外獲得更多驚喜。
網(wǎng)易新聞客戶端始終堅持高質(zhì)量的原創(chuàng)內(nèi)容,迄今已推出四十余檔原創(chuàng)欄目,深受用戶熱捧。兩會期間,網(wǎng)易新聞客戶端的原創(chuàng)團(tuán)隊主打高端訪談和移動端直播互動兩大系列重磅欄目,同時成立“策劃小分隊”,推出圖解新聞系列,獨家稿件系列,視頻策劃系列《兩會連連看》等兩會專題,做個性化內(nèi)容生產(chǎn),豐富兩會報道形態(tài),無論在數(shù)量、深度、嘉賓級別還是用戶互動人數(shù),均在各大門戶的競爭中遙遙領(lǐng)先。
其中,直播互動欄目“夜聊兩會”精心選擇公眾最為關(guān)心的話題,諸如放開二胎、延長女性產(chǎn)假、延遲退休等,參與用戶總?cè)藬?shù)超過500萬。此外,新媒體實驗室,針對兩會內(nèi)容推出一系列可視化新聞策劃,通過萌擬人化的可視化操作,創(chuàng)新傳統(tǒng)硬時政新聞的報道模式;制作的H5專題《人民大會堂,小明帶你玩》在社交媒體上引起了廣泛轉(zhuǎn)發(fā),案例被《中國新聞出版報》等多家媒體報道,被評價為此次兩會報道中“創(chuàng)新形式,增強報道吸引力和感染力”的代表作之一。
當(dāng)移動新媒體資訊千篇一律時,產(chǎn)品如何做出千人千面的體驗?網(wǎng)易新聞客戶端訂閱平臺全新改版,致力為用戶提供興趣化閱讀體驗,打造與眾不同的閱讀平臺。改版后的訂閱平臺和推薦欄目升級整合為“閱讀”欄目,調(diào)整了推薦的定位,根據(jù)用戶閱讀習(xí)慣和興趣獲得個性化推薦,另有編輯精選保證內(nèi)容質(zhì)量和優(yōu)質(zhì)賬號推薦,同時網(wǎng)友可以在媒體列表中繼續(xù)添加喜歡的賬號。激勵用戶進(jìn)行社會化傳播,營造一種慢閱讀的氛圍,與新聞TAB的時效性和緊張感形成互補,滿足用戶不同層次的新聞閱讀需求。
與其他自媒體平臺不同,網(wǎng)易訂閱平臺面向大眾開放注冊,但在賬號和內(nèi)容審核上較為嚴(yán)格,以此保證為用戶提供經(jīng)典的、閱讀性強的優(yōu)質(zhì)內(nèi)容,為內(nèi)容合作伙伴提供卓越的內(nèi)容輸出渠道和開放服務(wù)。訂閱平臺內(nèi)容涉及時尚、健康、美食、科技、體育、娛樂、人文、歷史、育兒等方面,單篇文章閱讀量最高可達(dá)百萬,優(yōu)質(zhì)賬號訂閱用戶量最高者已近千萬,接下來還將引入政務(wù)和明星公號,與內(nèi)容合作方一起開展線上線下活動,更大范圍覆蓋用戶,提升賬號影響力,實現(xiàn)訂閱平臺與客戶端新聞欄目差異化運營。
全新升級后的網(wǎng)易新聞客戶端,將針對用戶不同的閱讀層次和不同的閱讀場景,滿足用戶多維度的資訊獲取需求,憑借優(yōu)質(zhì)的原創(chuàng)內(nèi)容和興趣化的閱讀推薦,為用戶提供高質(zhì)量的新聞閱讀體驗,打造用戶專屬閱讀節(jié)奏。
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。