對于網(wǎng)易新聞客戶端的用戶來說,美好的一天是這樣開始的:早晨打開段子頻道,來個笑話醒醒覺,刷刷頭條,看看這個世界發(fā)生了什么;午休時分,《輕松一刻》佐個餐,再跟個貼子練練手;下午茶是做新聞任務(wù)的黃金時間,網(wǎng)易金幣得勤賺;晚上翻看著《新聞七點整》,新媒體里聊一聊……
是不是讓你找到了一種開party的感覺?“眼底收盡天下事,娛樂全在客戶端”,這正是網(wǎng)易傳遞給用戶的全方位新聞閱讀體驗,在“有態(tài)度”的同時,還要做“有趣”的客戶端。
在移動新聞客戶端的紅海中,網(wǎng)易是個卓爾不群的角色,在DCCI發(fā)布的《2014年移動互聯(lián)市場門戶新聞客戶端用戶行為調(diào)查》報告中,網(wǎng)易以76.5%的用戶知曉率領(lǐng)跑整體市場。根據(jù)今年1月份艾瑞mUserTracker公布的數(shù)據(jù)顯示,在眾多門戶新聞客戶端中,網(wǎng)易新聞客戶端的人均使用次數(shù)也高居榜首,在品牌知名度和活躍度上實現(xiàn)了雙冠。
高活躍度的用戶必然需要高質(zhì)量的產(chǎn)品功能做支撐,有趣才是活躍的前提,相比傳統(tǒng)板報式的新聞閱讀體驗,網(wǎng)易新聞客戶端以趣味性為出發(fā)點,充分調(diào)動用戶的積極性,從內(nèi)容創(chuàng)新、原創(chuàng)欄目、互動形式、積分體系四個方面發(fā)力,全方位的打造最好玩、最好用的新聞應(yīng)用。
內(nèi)容同質(zhì)化的新聞就像是化妝間的韓國少女組合,長得千人一面,看的久了總會視覺疲勞,新穎獨特的角度和內(nèi)容才會讓人眼前一亮。在對熱點新聞的把握上,網(wǎng)易結(jié)合了可視化和UGC內(nèi)容等形式,利用信息圖、HTML5等技術(shù)把熱點新聞重新加工,以滿足用戶碎片化閱讀的習慣,并充分發(fā)揚網(wǎng)易跟貼的優(yōu)良傳統(tǒng),讓用戶在看新聞的同時創(chuàng)作傳播內(nèi)容。
原創(chuàng)欄目是網(wǎng)易新聞客戶端的特色開胃菜,段子頻道、環(huán)球侃客、輕松一刻等頻道以多樣化的新聞表現(xiàn)形式,贏得了用戶的芳心,用戶對這個版塊的反饋也是最為熱烈和積極的,每期《每日輕松一刻》的跟貼都達數(shù)萬條之多,網(wǎng)友們在這里可以肆無忌憚的狂歡。
互動是移動應(yīng)用與用戶交流的情感紐帶,要想留住用戶的心,首先要留住用戶的手指頭。網(wǎng)易新聞客戶端引入了多媒體的互動交流方式,視頻直播、彈幕跟貼、語音跟貼、PK臺等功能讓網(wǎng)友們玩的樂此不疲,甚至連兩會這樣的時政新聞報道都加入了用戶熱衷的HTML5游戲環(huán)節(jié)。
網(wǎng)易新聞客戶端引入的積分體系是提升用戶活躍度的有效手段,相比之下,黏住用戶比吸引用戶更重要,而網(wǎng)易通過健全的積分系統(tǒng),把常見的社區(qū)激勵政策引入到客戶端用戶中,看新聞、分享新聞、創(chuàng)作內(nèi)容都會有相應(yīng)的積分反饋機制,這大大增強了用戶的參與感,激發(fā)用戶的使用興趣。
在網(wǎng)易的地盤上,新聞客戶端不是冷冰冰的黑板報,而是和用戶一起high玩的娛樂場,每個人都能參與其中,沒有人是置身于外的看客。
好文章,需要你的鼓勵
浙江大學團隊提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學、編程等任務(wù)上顯著提升推理準確率,且不增加計算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓練策略,成功解決了大型推理模型"話多且準確率低"的問題。實驗顯示,該方法在數(shù)學競賽題上將模型準確率提升43.2%的同時,輸出長度減少46.9%,真正實現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓練提供了新思路。
南洋理工大學與騰訊聯(lián)合研究團隊開發(fā)出Rolling Forcing技術(shù),實現(xiàn)AI視頻實時流式生成的重大突破。該技術(shù)通過滾動窗口聯(lián)合去噪、注意力錨點機制和高效訓練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學研究團隊發(fā)現(xiàn),通過讓AI模型學習解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強化學習方法訓練多個AI模型。實驗結(jié)果顯示,幾何訓練在四個空間智能測試基準上都帶來顯著提升,其中最佳模型達到49.6%準確率,超越此前最好成績。這項研究揭示了基礎(chǔ)幾何知識對培養(yǎng)AI空間智能的重要價值。