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(tīng)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(kāi)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(guò)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(jué)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)
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。