3月26日,網(wǎng)易新聞客戶端5.0版本正式推出,產(chǎn)品交互格局煥然一新。擁有廣泛的用戶群體,網(wǎng)易新聞客戶端每一絲毫的變動(dòng)都將影響億萬(wàn)用戶的資訊閱讀體驗(yàn)。此次版本更新,以“直觀,定制,多元,聚合”為產(chǎn)品設(shè)計(jì)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專屬閱讀節(jié)奏,為用戶提供圖文消息與視聽新聞多場(chǎng)景閱讀體驗(yàn),同時(shí)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5.0版本開辟了用戶通道,原個(gè)人主頁(yè)整合升級(jí)為“我”欄目,該欄目匯集用戶的個(gè)人數(shù)據(jù)和專屬服務(wù),建立以金幣為基礎(chǔ)的用戶個(gè)人體系,以金幣激勵(lì)用戶、以任務(wù)引導(dǎo)用戶。通過金幣和可視化的數(shù)據(jù)激勵(lì)用戶閱讀更多新聞的同時(shí),打通支付環(huán)節(jié),引導(dǎo)用戶嘗試更多專屬的個(gè)人服務(wù)。
個(gè)性化信息表達(dá)
全新升級(jí)后的個(gè)人主頁(yè),進(jìn)一步簡(jiǎn)化了輔助視覺元素,設(shè)計(jì)更趨扁平化,很好地突出了主體內(nèi)容。以金幣為基礎(chǔ)的用戶信息體系,突出了用戶個(gè)人的使用數(shù)據(jù),用戶可以在這里看到自己的累計(jì)閱讀、收藏、跟貼、金幣量,以及當(dāng)日的新聞閱讀量和在所有用戶中的排名,從而對(duì)自己在網(wǎng)易新聞客戶端的閱讀習(xí)慣形成直觀的感受,增強(qiáng)用戶的成就感和歸屬感。
用戶專屬服務(wù)
同時(shí),基于個(gè)人體系的各項(xiàng)專屬服務(wù)使個(gè)人主頁(yè)更加立體:用戶消息通知、金幣任務(wù)入口和郵箱接入,在網(wǎng)易通行證的服務(wù)基礎(chǔ)上實(shí)現(xiàn)個(gè)人信息一站式傳達(dá),由繁入簡(jiǎn),用戶體驗(yàn)得到了大大的提升。
在資訊服務(wù)和其他增值服務(wù)之外,網(wǎng)易新聞客戶端以用戶為中心的產(chǎn)品理念始終如一,5.0版本的個(gè)性化用戶體系的全面建立,更是體現(xiàn)出了網(wǎng)易新聞客戶端對(duì)用戶的個(gè)性化關(guān)懷和鼓勵(lì)。
好文章,需要你的鼓勵(lì)
騰訊ARC實(shí)驗(yàn)室推出AudioStory系統(tǒng),首次實(shí)現(xiàn)AI根據(jù)復(fù)雜指令創(chuàng)作完整長(zhǎng)篇音頻故事。該系統(tǒng)結(jié)合大語(yǔ)言模型的敘事推理能力與音頻生成技術(shù),通過交錯(cuò)式推理生成、解耦橋接機(jī)制和漸進(jìn)式訓(xùn)練,能夠?qū)?fù)雜指令分解為連續(xù)音頻場(chǎng)景并保持整體連貫性。在AudioStory-10K基準(zhǔn)測(cè)試中表現(xiàn)優(yōu)異,為AI音頻創(chuàng)作開辟新方向。
Meta與特拉維夫大學(xué)聯(lián)合研發(fā)的VideoJAM技術(shù),通過讓AI同時(shí)學(xué)習(xí)外觀和運(yùn)動(dòng)信息,顯著解決了當(dāng)前視頻生成模型中動(dòng)作不連貫、違反物理定律的核心問題。該技術(shù)僅需添加兩個(gè)線性層就能大幅提升運(yùn)動(dòng)質(zhì)量,在多項(xiàng)測(cè)試中超越包括Sora在內(nèi)的商業(yè)模型,為AI視頻生成的實(shí)用化應(yīng)用奠定了重要基礎(chǔ)。
上海AI實(shí)驗(yàn)室發(fā)布OmniAlign-V研究,首次系統(tǒng)性解決多模態(tài)大語(yǔ)言模型人性化對(duì)話問題。該研究創(chuàng)建了包含20萬(wàn)高質(zhì)量樣本的訓(xùn)練數(shù)據(jù)集和MM-AlignBench評(píng)測(cè)基準(zhǔn),通過創(chuàng)新的數(shù)據(jù)生成和質(zhì)量管控方法,讓AI在保持技術(shù)能力的同時(shí)顯著提升人性化交互水平,為AI價(jià)值觀對(duì)齊提供了可行技術(shù)路徑。
谷歌DeepMind團(tuán)隊(duì)開發(fā)的GraphCast是一個(gè)革命性的AI天氣預(yù)測(cè)模型,能夠在不到一分鐘內(nèi)完成10天全球天氣預(yù)報(bào),準(zhǔn)確性超越傳統(tǒng)方法90%的指標(biāo)。該模型采用圖神經(jīng)網(wǎng)絡(luò)技術(shù),通過學(xué)習(xí)40年歷史數(shù)據(jù)掌握天氣變化規(guī)律,在極端天氣預(yù)測(cè)方面表現(xiàn)卓越,能耗僅為傳統(tǒng)方法的千分之一,為氣象學(xué)領(lǐng)域帶來了效率和精度的雙重突破。