“一本好书,两人阅读,三周坚持,终生受益。”
近日,为迎接4月23日世界阅读日的到来,当当网和搜狐母婴共同发起了“亲子共读21天”活动,本次活动也是“第四届北京阅读季?亲子阅读活动”板块的一大亮点。
当当网活动负责人表示,一个民族的阅读习惯要从孩子开始培养,第四届北京阅读季特别将“亲子阅读活动”作为今年的独立系列活动来开展。由当当网和媒体人共同发起“亲子共读21天”活动,就是要发挥当当网作为中国销量最大的线上图书销售平台的优势,将“亲子共读”落到实处。

活动期间,当当网将在线上同步推出多种维度好书推荐和优秀童书作品展,如“主编推荐”、“国际大奖童书作品展”、“世界童书大师优秀作品展”、“名家名作展”等,为更多的家庭选择适合自己孩子看的好书提供了丰富的选择及建议;同期,还将开展多种以亲子共读为主题的课堂讲座活动,邀请童书专家、童书阅读推广人等,与家长面对面分享亲子共读的益处、方法及经验分享;在当当孕婴童微博、当当童书微信平台,设立千元大奖,鼓励家长以记录的形式坚持21天的共读经历,帮助孩子养成爱读书的良好习惯。
据悉,其中“主编推荐”活动得到了众多媒体人的大力响应,多位媒体主编分别于4月22日、4月29日在当当网上,向广大家庭分享自己的“共读心得”。
推荐童书,帮助家长给孩子选择好童书
同孩子一起感受书香,让孩子养成爱读书、读好书、好读书的良好习惯。读一本好书,就是和许多高尚的人谈话,好的图书会让孩子在丰富知识开阔视野同时,能更好地指导孩子成长。但家长如何练就火眼金睛,给孩子选择一本好书呢?
据介绍,活动期间,当当网活动平台设置了“好书推荐”和“优秀童书作品展”栏目,推荐展示的维度多达10余类,推荐的优秀作品多达万余种。记者注意到“国际大奖童书”栏目内,介绍了如“国际安徒生奖”、“凯迪克奖”、“林格伦奖”等众多奖项,推荐了近千部获奖作品,其中不乏众多孩子们喜爱的童书,比如《凯迪克大奖图画书系列》,《旅之绘本》、《长袜子皮皮》、《守护者系列》、《国际大奖小说系列》等童书。

同时,平台还推出向大师致敬栏目,向读者朋友推荐众多优秀大师及其作品,让孩子在阅读季期间认识大师,通过了解大师的创作年代与社会环境,从而更容易理解作品的内涵。在未来读书的日子里更多与大师交流、与好书交流、读大师的好书籍。

图书5折封顶,助力 “亲子共读21天”
为了让孩子在活动中阅读更多好书,活动期间,当当网万种优秀儿童系列童书将进行5折封顶促销,更有国际大奖童书及名家名作同步进行5.9折封顶促销。
教育专家表示,“亲子共读”在丰富孩子知识、开阔孩子的视野的同时,使孩子从小有远大的理想和追求,而小时候养成爱读书的好习惯,将会终身受益,而且亲子共读,促进家长与孩子之间的融洽关系,使得家庭更为和谐。
阅读互动,多措并举培养共读习惯
“亲子共读,是最容易又最有益的一件事情!”《父母世界》杂志主编朱正欧在与当当网用户分享亲子共读心得中表示。
为此,当当网推出线下、线上丰富的互动活动,邀请专家向家长推荐最容易、最简单、最有效的亲子共读方法。
一是举办“阅读指导课”。目前阅读指导课活动已在北京的部分学校和幼儿园陆续举办通过阅读指导课,可以让家长更清楚自己教育孩子的方式正确与否,让家长更好了解如何培养孩子的阅读习惯,从而改变或提升对孩子的教育方式,以帮助孩子更好的成长。同时当当网在本次活动专区同步上线“阅读指导课”课堂内容,满足不能当天来听课的家长,在空余时间,了解课程内容。
二是在线“听小雨姐姐讲故事”。通过小雨姐姐每天为孩子讲一个故事的形式,为家长做朗读示范。每个孩子心里都有一个童话世界,让孩子在故事中感受阅读的快乐,形成阅读的习惯,小雨姐姐将在当当网上在线连续21天讲述21个童话故事。

三是参与“阅读打卡器”互动。自4月15日起,陪同孩子读书,可以在当当网童书频道进行每日签到,并分享您正在陪孩子读的书或孩子读书的照片,只要连续7天签到,当当网还将给出激励奖,在阅读季期间签到满21天还有机会抽取当当大礼。
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。