強(qiáng)強(qiáng)聯(lián)手深度品牌合作
中國電信旗下運(yùn)營的“愛游戲”,擁有2億累積用戶和6000萬月活躍用戶,平臺(tái)上有超過6000款的正版游戲,下載量累計(jì)突破6億次,并于今年4月開創(chuàng)國內(nèi)安卓市場付費(fèi)下載的先河。而去年登陸納斯達(dá)克的樂逗游戲則是中國最大的獨(dú)立手游發(fā)行平臺(tái),該公司成功代理了《水果忍者》、《神廟逃亡》、《地鐵跑酷》、《三劍豪》等國內(nèi)外知名手游。來自易觀智庫的數(shù)據(jù)顯示,去年第4季度,樂逗游戲占中國手游發(fā)行市場用戶規(guī)??偭康?7.8%,遙遙領(lǐng)先于其它廠商而居榜首。
根據(jù)協(xié)議,中國電信愛游戲和樂逗將充分利用各自資源進(jìn)行深度品牌合作,協(xié)同開展合作產(chǎn)品的線上線下營銷推廣工作。中國電信的愛游戲平臺(tái)將優(yōu)先推廣樂逗游戲發(fā)行的新產(chǎn)品,并提供綠色通道和專人服務(wù)。樂逗也將發(fā)行的所有游戲產(chǎn)品優(yōu)先在愛游戲進(jìn)行首發(fā)。
值得注意的是,雙方利用各自資源尋找優(yōu)秀的游戲產(chǎn)品和IP資源,如果有共同獲取意向,則結(jié)盟談判。如果獲得相應(yīng)授權(quán)后,雙方將聯(lián)手推進(jìn)該游戲或IP資源的研發(fā)、發(fā)行、運(yùn)營、市場推廣等工作,并一起參與游戲收入的分配。
共同理念 促進(jìn)產(chǎn)業(yè)鏈創(chuàng)新
對(duì)于中國電信愛游戲來說,這次與手游發(fā)行商的深度合作是一次產(chǎn)業(yè)鏈上的創(chuàng)新。此前,愛游戲就一直在謀求手游領(lǐng)域的創(chuàng)新,今年4月首創(chuàng)國內(nèi)安卓市場付費(fèi)下載的先河,引進(jìn)血腥大地、Cytus等知名大作,給安卓用戶帶來真正優(yōu)質(zhì)的游戲體驗(yàn)。同時(shí)舉辦了第一屆EFUN手游大賽,打造全民“微競技”概念,更提出了“年輕就愛玩”的年輕化戰(zhàn)略,通過大量技術(shù)儲(chǔ)備來體現(xiàn)年輕化、個(gè)性化的游戲內(nèi)容。今年初,愛游戲還宣布和游戲外設(shè)品牌雷蛇展開合作,通過智能手環(huán)將“游戲”和“健康”合二為一。
“愛游戲擁有海量用戶以及領(lǐng)先技術(shù)等資源,我們?cè)敢馀c有實(shí)力的廠商來合作,讓資源實(shí)現(xiàn)最大價(jià)值。”愛游戲總經(jīng)理張鵬說:“樂逗游戲在休閑游戲領(lǐng)域的實(shí)力有目共睹,為用戶打造輕松快樂的游戲體驗(yàn),是雙方共同的理念和愿景。樂逗游戲和愛游戲的合作將為精品手游和海量用戶搭建更多橋梁,將更多好游戲帶給玩家。”
“樂逗游戲始終堅(jiān)持精品戰(zhàn)略。”樂逗游戲創(chuàng)始人、CEO陳湘宇表示:“憑借愛游戲在移動(dòng)游戲領(lǐng)域的龐大用戶基數(shù),我們將給更多的移動(dòng)游戲玩家?guī)砗唵慰鞓返挠螒蝮w驗(yàn)。”
除了代理優(yōu)質(zhì)產(chǎn)品,樂逗游戲還加大自研業(yè)務(wù),特別針對(duì)優(yōu)質(zhì)IP進(jìn)行更深度的開發(fā)和定制。去年該公司推出的《奔跑吧兄弟:跑男來了》、《全民切水果》均創(chuàng)造了很好的表現(xiàn)。今年樂逗的重磅產(chǎn)品包括《紀(jì)念碑谷》、《蒼穹變》和《亂斗之王》等。
樂逗游戲預(yù)計(jì)今年第一季度的收入將達(dá)3.4億元,同比增幅將高達(dá)95.3%。
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。