近日,艾瑞發(fā)布了2015年2月份新聞資訊類App和門戶網(wǎng)站流量的MUT(mUserTracker)數(shù)據(jù)。數(shù)據(jù)顯示,網(wǎng)易新聞客戶端繼續(xù)延續(xù)著在用戶活躍度上的優(yōu)勢(shì),并在iOS平臺(tái)保持著全面領(lǐng)先。
MUT數(shù)據(jù)顯示,在iOS和Android兩大移動(dòng)平臺(tái)的匯總數(shù)據(jù)中,網(wǎng)易新聞客戶端的人均使用次數(shù)在20個(gè)新聞App中排名首位。與其它門戶類新聞App相比,網(wǎng)易的人均使用次數(shù)超出排名第二的騰訊新聞多達(dá)36%。由于人均使用次數(shù)是衡量用戶活躍度和用戶粘性的核心依據(jù),從中可以看出網(wǎng)易新聞客戶端在用戶活躍度方面的巨大優(yōu)勢(shì)。與之相應(yīng)的是,相比1月的MUT數(shù)據(jù),網(wǎng)易新聞客戶端的人均使用次數(shù)環(huán)比增長了38%——即使在春節(jié)假期所處的2月,網(wǎng)易新聞客戶端依然實(shí)現(xiàn)了用戶活躍度的逆勢(shì)增長。
在iOS平臺(tái),網(wǎng)易新聞客戶端呈現(xiàn)出全方位的統(tǒng)治力。其月度覆蓋人數(shù)、月度總有效瀏覽時(shí)長、日均覆蓋人數(shù)、日均總使用次數(shù)、人均月度使用天數(shù),都居所有新聞客戶端首位。其中月度用戶覆蓋比例超過36%,是所有產(chǎn)品中唯一占比超過30%的新聞App,日均總使用次數(shù)比例超過27%,也是所有產(chǎn)品中唯一占比超過四分之一的新聞App。
網(wǎng)易新聞客戶段在iOS平臺(tái)優(yōu)勢(shì)明顯
網(wǎng)易新聞客戶端在iOS平臺(tái)的優(yōu)勢(shì)已經(jīng)持續(xù)很長時(shí)間。這得益于出色的使用體驗(yàn),不斷推出的創(chuàng)新內(nèi)容,以及對(duì)“有態(tài)度”品牌的成功塑造,為網(wǎng)易贏得了更多中高端用戶的支持。在此前DCCI發(fā)布《2014年移動(dòng)互聯(lián)市場門戶新聞客戶端用戶行為調(diào)查》中曾經(jīng)提到,網(wǎng)易新聞客戶端的用戶中月薪 8000以上的比例達(dá)23.3%,近半用戶月收入過5000。再聯(lián)想到關(guān)于iOS用戶在收入和消費(fèi)能力上與Android用戶的差別,也能從側(cè)面印證網(wǎng)易新聞客戶端在中高端用戶中的影響力。
值得關(guān)注的是,網(wǎng)易新聞客戶端在3月底發(fā)布了iOS平臺(tái)的5.0新版本,有消息稱更新當(dāng)日激活量即增長一倍。5.0版本的新聞客戶端,被看作是對(duì)網(wǎng)易在今年早些時(shí)候提出的“DIG”戰(zhàn)略的貫徹。“DIG”戰(zhàn)略包括Data(數(shù)據(jù)),I(用戶),Good content(內(nèi)容)三個(gè)維度,新版客戶端在界面和功能上多項(xiàng)更新的思路也都與這三個(gè)維度相關(guān)。其中新設(shè)立的“閱讀”版塊——通過用戶使用習(xí)慣數(shù)據(jù),為用戶推薦經(jīng)過個(gè)性定制的優(yōu)質(zhì)內(nèi)容,以適用不同使用情景——就幾乎對(duì)D、I、G做到了面面俱到。這種在使用體驗(yàn)上的提升及其帶來的用戶增長,預(yù)計(jì)在未來一段時(shí)間里將延續(xù)并增強(qiáng)網(wǎng)易新聞客戶端在iOS平臺(tái)的強(qiáng)勢(shì)。
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(duì)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(dòng)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(duì)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(dòng)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。