4月24日Apple Watch將在中國(guó)首發(fā),網(wǎng)易新聞客戶端成為國(guó)內(nèi)首批完成適配Apple Watch的app 之一。 屆時(shí)Apple Watch 用戶將享受到一場(chǎng)中文新聞資訊的腕上閱讀全新體驗(yàn)。
智能產(chǎn)品的每一次突破都能引發(fā)我們的無(wú)限聯(lián)想,此次,網(wǎng)易新聞客戶端與Apple Watch的深情相擁--新聞+智能穿戴設(shè)備,讓人不禁無(wú)限好奇:手表看新聞,究竟是怎樣的一種體驗(yàn)?
Apple Watch 版本的網(wǎng)易新聞客戶端 app 將為全球范圍的中文資訊愛(ài)好者們打造創(chuàng)新的腕上資訊閱讀體驗(yàn),讓用戶可以在手腕上與新聞內(nèi)容進(jìn)行交互。以本地新聞為核心的 Glance,可以實(shí)時(shí)提供用戶當(dāng)前所處城市的最新信息及天氣狀況,幫助用戶真正做到本地資訊一“手”掌控。網(wǎng)易新聞客戶端借力用戶大數(shù)據(jù),通過(guò) Actionable Notification 進(jìn)行重要新聞推送,讓用戶能第一時(shí)間得到最重要、最想要的信息。
跟貼文化將在 Apple Watch 版本的網(wǎng)易新聞客戶端 app上得以延續(xù)。用戶可對(duì)準(zhǔn) Apple Watch 大聲表達(dá)自己的態(tài)度主張,語(yǔ)音評(píng)論由 Siri 識(shí)別后,轉(zhuǎn)換為文本發(fā)出--動(dòng)動(dòng)嘴皮子就能跟貼,想想是不是很酷?
可穿戴設(shè)備浪潮下,網(wǎng)易新聞客戶端 Apple Watch app,滿足用戶全新使用場(chǎng)景下的資訊需求,開啟了腕上資訊閱讀的全新時(shí)代。新聞?shì)d體一路變革,用戶對(duì)新聞的硬性需求始終不減,有態(tài)度的網(wǎng)易新聞客戶端,再一次用最有誠(chéng)意的新聞資訊和最創(chuàng)新的呈現(xiàn)方式,第一時(shí)間帶領(lǐng)用戶見(jiàn)證世界的風(fēng)風(fēng)雨雨。
網(wǎng)易移動(dòng)互聯(lián)網(wǎng)部總經(jīng)理徐詩(shī)表示:網(wǎng)易新聞客戶端一直致力于滿足用戶各種使用場(chǎng)景下的資訊需求,引領(lǐng)行業(yè)突破創(chuàng)新。作為國(guó)內(nèi)移動(dòng)資訊閱讀的定義者,在此次即將興起的可穿戴設(shè)備浪潮中,我們?cè)敢庠僖淮螞_在最前方,去嘗試更多可能,帶給用戶更優(yōu)質(zhì)的閱讀體驗(yàn)。
4月2日凌晨,網(wǎng)易新聞客戶端5.0.2版本發(fā)布,iPhone、iPad 和 iPod touch 用戶可以在 App Store 上更新適配 Apple Watch 的網(wǎng)易新聞客戶端 app了。
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。