作為商務人士,手機已經成為工作與生活中不可缺少的一部分。但往往在工作中,由于手機操作系統(tǒng)內過于雜亂的APP圖標、毫無營養(yǎng)的系統(tǒng)通知匯總、反人類的觸屏交互體驗等問題,不僅降低了辦公效率,更會影響到整天的心情,陷入工作、生活一團糟的窘境。
面對這樣的窘境,為帶給用戶極致的使用體驗,幫助商務、生活用戶化身藝術的生活家。一加手機于5月28日召開發(fā)布會,會上宣布推出自家深度定制的系統(tǒng)——氫OS。氫OS是一款基于Android5.0深度定制的操作系統(tǒng),在此基礎上,秉承超前的Material Design風格還加入了頗具藝術感的氫表達、氫視窗以及滑動之美等設計元素。
氫OS只為極致的用戶體驗而生
發(fā)布會開場后,劉作虎上臺講述了氫OS誕生原因。在一加手機眼中,用戶體驗是硬件和軟件的緊密結合,所以,為了提供極致的用戶體驗,一加手機選擇打造一款美觀、簡約、流暢、穩(wěn)定、省電的OS。
劉作虎表示,“iOS的優(yōu)秀是毋庸質疑的,但美的表現形式不是只剩下模仿蘋果這一條路。一加從Material Design找到了靈感。作為一種全新的設計理念,它絕對是一種符合大屏時代趨勢的設計。它的一些細節(jié)的精妙處理讓整個系統(tǒng)變得靈動、充滿活力。我們要做的,就是基于一加的生活方式和世界觀,在Material Design的基礎上打造一款全新的OS。”
全新的設計理念——氫表達
隨后,氫OS的產品經理曾熙上臺講述了氫OS全新的設計理念——氫表達。氫表達可簡單理解為氫OS專有的顏色圖形體系。首先在參考了柯布西耶的色卡體系后,確定了一系列源于自然、簡單、耐看的色彩體系作為基礎。然后在此基礎上,利用圓形、方形、三角形這三個最基本的幾何圖形,打造出屬于氫OS的美觀、簡單、耐看的整體風格。
圖標
16個內置的App圖標,全部采用簡潔的線條、形狀、顏色,勾勒出每個應用的特質。
時鐘
時鐘界面采用三個大小不等的表盤來顯示本地時間和其他用戶設置的世界時間,而晝與夜則用白、黑兩色代表,一目了然。
聯系人
聯系人界面采用重新設計的26個英文字母作為默認的聯系人頭像,每一個字母都擁有8種不同的色彩,并且能以卡片滑動的形式動起來。
氫OS利用獨有的氫表達高效而又統(tǒng)一地實現了所有的功能設計,所以氫表達并不是簡單而絕對的扁平化或擬物化,而是讓設計也擁有了自己的情緒。例如一加天氣通過重力感應實現的雨、雪動態(tài)效果、充電界面能量涌入的效果以及創(chuàng)新的關機動畫,這些細節(jié)都體現出了情緒化的設計可以為用戶帶來的驚喜體驗。
氫表達理念下的實際使用體驗
設計理念確定了,下面就介紹下氫OS在實際體驗中所擁有的功能。
1. 自然且符合邏輯的操作——滑動之美
在一加手機看來,滑動才是在大屏手機時代更為自然且符合邏輯的操作,于是氫OS提出滑動之美的概念,并深入到了整個系統(tǒng)當中。
諸如,在通知中心,用戶可通過滑動點擊到最上方的通知;開啟文件夾后,向下滑動即可關閉,左右滑動便可切換文件夾等操作,均是通過滑動來方便用戶操作體驗的最好證明。
2. 33%的自由、整合信息——氫視窗
氫視窗是氫OS選擇的“理智個性化”的道路,首屏通過氫視窗+9個常用圖標的設計,為用戶提供了33%的自由選擇權,用來設置自己喜歡的圖片到氫視窗部分進行顯示。與此同時,系統(tǒng)會自動抓取該圖片的色彩,并自動生成系統(tǒng)背景。而為保證系統(tǒng)桌面整體的美觀性,氫OS更是大膽的取消了Dock欄的設計。
氫視窗除了應用于壁紙的更換,還可提供事件、日歷項、短信等信息以卡片的形式的展現,而這些卡片也會按照時間、地點等元素進行自動排列,讓用戶獲得十分便攜的使用體驗。
3. 砍掉冗雜信息——卡片式短信
針對目前用戶對短信的使用頻率降低的情況,氫OS設計了獨有的卡片式短信。系統(tǒng)會自動砍掉短信中多余的文字,將信息整理成簡單明了的卡片,并且和移動互聯網服務實現完美對接。
4. 控制力的回歸——通知降噪
通知降噪功能的設計,主要是針對當下手機通知過于雜亂的情況。將控制力交還給用戶本身,用戶可根據自身的使用需求,對重要的應用程序設置通知優(yōu)先級,從而實現通知欄的智能化過濾。
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(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,僅訓練AI玩簡單撲克游戲就能讓其數學推理能力提升8.6%,通用推理提升8.4%,且無需任何數學題目作為訓練材料。研究發(fā)現游戲中的三種推理模式能成功轉移到數學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(fā)的GIGA-ToF技術通過融合多幀圖像的"圖結構"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術利用圖像間的不變幾何關系,結合深度學習和數學優(yōu)化方法,在合成數據集上實現37.9%的精度提升,并在真實設備上展現出色泛化能力,為機器人、AR和自動駕駛等領域提供更可靠的3D視覺解決方案。
伊利諾伊大學研究團隊通過對比實驗發(fā)現,經過強化學習訓練的視覺語言模型雖然表現出"頓悟時刻"現象,但這些自我糾錯行為并不能實際提升推理準確率。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等頂尖機構聯合提出SparseLoRA技術,通過動態(tài)稀疏性實現大語言模型訓練加速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練效率,已在多個任務上驗證有效性。